北京的雾霾太严重了,早上起来跑步的时候第一次戴上了口罩,要知道我一向对戴口罩这种事情很不屑,就是 2003 年非典肆虐的时候我都没有戴过口罩,可是这次终于还是挺不过去了。捂着口罩坚持五公里心情真不爽,当然还有更不爽的,那就是满屏的狗咬人!新年伊始,这阿尔法狗竟然又出来撒野,而且这次“狗大师”一口气咬了 60 多号真人“大师”,网上一片哀鸣:这“人工智能”真的超越人类了啊!而且要把人类杀的片甲不留!看得我不禁毛骨悚然,一时间也心烦意乱!一个上午在办公室里,忙于处理各种工作,中午连吃饭都不愿意出去,怕雾霾,怕狗! 可是,下午一点半的会不得不参加,极不情愿地全副武装出了门,没想到老天有眼竟然飘起了雪花,虽然还没到地上就不见了,可是落在脸上凉丝丝的,感觉爽极了,不仅想起 2009 年女儿还在读小学时候写的那句诗: 雪,白的透明,寂寞! 她自己可能都不记得当初怎么写了这么一句诗了,可是每次下雪我都会想起这句,不知道为什么就是觉得特别对,就好像你看见月亮就会想起“床前明月光”、走到海边就会想起“我有一所房子,面朝大海,春暖花开”一样。诗歌就是这般神奇,寥寥几个字却道尽了千古沧桑,在特定的场景里,总是会自然而然地涌到你的面前、戳中你内心深处的那个点,今天这点小雪,就又让我感怀“透明,寂寞”了! 忽然联想到阿尔法狗,这人工智能,尽管这么气势汹汹地“咬”人,可是 TA 真的能有“壮志饥餐胡虏肉、笑谈渴饮匈奴血”的畅快淋漓的快感吗? TA 解决了这么多的难题,但是 TA 真的能有我们解决了困扰很久之后的难题那种“原来如此”的顿悟吗? TA 认识这些字、读得了这些诗句,可是 TA 真的懂这背后的感情吗? TA 能够感悟到这文字穿越千年带来的温度吗?! TA 能够体会“感时花溅泪、恨别鸟惊心”的感情吗? TA 能够在我们相视一笑的时候感觉到我们内心的悸动吗? …… 其实我也不知道为什么你我能够读懂这些文字,我也不知道为什么这些文字就会打动你我的心,我也不知道为什么同样的文字在不同的人眼里能够读出不同的意境和解释,我也不知道为什么人类能够运用各种不同的语言和动作甚至是眼神和暗示来传递感情、理解彼此,甚至都没有搞清楚为什么我会和我的亲人心灵相通、会和我的朋友不谋而合 …… 这远远还没有搞清楚的人类的理智与情感,也许这就是人类智能和人工智能的区别吧?等那一天我们搞清楚了情感的来源和传递途径,“狗”会“仰天长啸、壮怀激烈”地抒发情感的时候,也将是人工智能真正超越人类的时候!
当AlphaGo投下最后一石,遂有“一石激起千层浪”,。。。 这学期有一门面向全校学生的“人工智能历史”选修课,三月三十一日我给来自各科系的学生讲了堂题为“人工智能的人文时代:从“深蓝”到“阿尔法狗”-不确定性与复杂性(Age d’humanité de l’IA : de DeepBlue à AlphaGo - Nondeterminisme et Complexité),效果不错!把法文课件传上与大家分享。 coursIA3103.pdf
阿尔法狗( AlaphaGo ) 3 比 0 战胜了李世石。也许柯洁上阵,结果会不一样,但也不会太不一样,毕竟以祂的进步速度,击败所有人类高手,不是今天就是明天。 那么人工智能( AI )将会胜过人类的智慧吗?显然不会! 几十年来, AI 跃上了第一个台阶,至少还要跃升两个台阶,才有跟人类智慧较量的资本。 每个学习围棋的人,必然背过围棋十诀、棋经十三篇,知道“单关无恶手”、“棋拐一头,力大如牛”等谚语,也必然知道“棋形”等美学概念。这些“虚”的指导思想,极大地简化了具体的计算。 阿尔法狗除了暴力搜索算法外,通过价值网络和策略网络,形成“棋感”,使祂的能力跃上了一个台阶。经过大量训练形成的这两个神经网络,就相当于这些虚的指导思想。在神络网络中,这些指导思想以各个神经元的系数的方式存在。可以说,通过深度学习,阿尔法狗获得的知识以一系列的数字表达出来,而不是棋理。 粒子物理学家二十多年前就开始使用神经网络(以及其它人工智能方法,如 Boost Decision Tree )来进行数据分析,比如寻找希格斯粒子, 但一般尽量不用 ,因为训练出的神经网络不透明,就是一堆神经元的系数, 我们说“没有物理” ,难以判断其可靠程度(误差分析不好做)。此外,神经网络一个突出的问题是过度训练。对一个有限的样本,经过一定次数的训练,有用的信息基本使用殆尽,如果继续训练,在人类对它的绩效考核压力下,它就开始钻空子,报告说性能更好了,实际上使用了垃圾信息,使用时就表现为神经网络“发神经”。据说阿尔法狗第四局失误就来自于过度训练。 “没有物理”有什么问题呢?首先,其他人难以判断它是否正确,没有同行评议,也许是过度训练得到的假知识呢?其次,就算无条件相信它正确,获得的知识也无法传承。 在科学研究中,自己知道了什么不是最重要的,更重要的是让其他人知道你知道了什么。创造知识与传承知识是同等重要的。否则,获得的知识无法融入到科学发展的长河中,未来还需要重新发现,对科学的贡献实际上为零。 受过专业训练的科学家与民间科学家的区别,就在于专业科学家看似普通的的每一句话,每个论据,都是建立在前人已检验过的知识基础上,需要推敲的新论据每次只有一小点。 同样,阿尔法狗获得的知识是一堆莫名其妙的数字,只能它自己用,不能转化为棋理,因而不能传播和传承。 如果不解决表达与传承的问题,人工智能只能依附于人类的智慧。人类知识由一个个的个体形成网络和体系,而一个个 AI 都只能单独地与人类接口,不能连成网络。人类永远是它的老师。 假如阿尔法狗想与人类智慧较量,首先祂要形成抽象的表达能力。可以学习人类的语言与思维方式,从而与人类网络接口;也可以独立发展出的自己的机器表达,比如说,天下的 AI 都用同一套神经网络结构。这时候, AI 就上了另一个台阶:单个的 AI 能够抽象出易于表达的物理和棋理。 下一个台阶,就是这些知识能授予其它机器,构成网络,甚至形成社会。为什么说形成社会呢? AI 张三获得的知识与 AI 李四的知识也许会相反,怎么解决冲突?怎么形成妥协?是不是还要有人类社会的等级结构? 有了这些,阿尔法狗们就可以不依附于人类,独立发展出知识体系。不过,还得要有文采哦, 言之无文,行而不远,阿尔法狗愿意教,但贝塔狗、伽马狗不爱听呢?