本篇文章2533字，读完约6分钟
bóng đá online【科技在线】文/东也落
最近，人工智能在学习能力方面又有了很大的提高。 斯坦福大学的一个研究小组发现，人工智能系统已经具备了根据人类目前正在进行的动作预测下一步行动的能力，这种能力主要是通过人工智能学习故事而形成的。
研究人员将该系统连接到保存有60万以上故事的写作社区wattpad上。 这些故事包括主人公进屋后需要开灯、被夸奖时害羞、开会时不接电话等。 人工智能通过学习这些故事来实现预测人类行为的能力。
人工智能的首要目标是使机器能够承受一般需要人类智能的许多琐事。 因此，深度学习的能力在其中尤为重要。 随着技术的飞速发展和人工智能的进步，其深度学习能力也迅速提高。
但是，由于深度学习的背后有数学模型作为支撑，人工智能的本质仍然只是处理问题的算法。 与真正的人脑相比，人工智能仍然相差甚远。
一、与围棋高手比试身手，会提高人工智能的深度学习能力
在上述人工智能现场测试中，能够准确区分人和物体的概率高达91%，能够准确预测人下一步行动的概率为71%，这一成绩优于以往。
人工智能再次受到关注的是围棋名将与人工智能系统的战斗。 据外国媒体报道，3月9日，韩国围棋名将李世石将在首尔接受谷歌人工智能系统alphago的挑战。
即将开始的围棋比赛非常重要，人们甚至认为它将与1997年国际象棋大师卡斯帕罗夫和ibm超级计算机深蓝的对决比肩。
1997年5月3日至5月11日，当时34岁的卡斯帕罗夫与ibm企业的国际象棋电脑“深蓝”进行了6局游戏对抗赛。 在前5局以2.5比2.5平局的情况下，第6局仅用19步就让卡斯帕罗夫输了。 深蓝取得胜利标志着计算机技术的迅速发展又上了一个台阶，也成为了科学技术史上的里程碑。
这次的人工智能系统alphago与围棋高手竞争，具有更重要的意义。
围棋是一款凝聚了中国2500多年历史的古老智慧的游戏，从数学范畴来看，围棋的多与杂比象棋高n个等级，是世界公认的难棋类游戏。
为了让alpha go能很好地应对这么多复杂的游戏，谷歌开发团队的人工智能专家们做了很多努力。
首先，他们向alpha go输入了包含3000万步走法的棋谱数据。 3000万这个数字看起来很多，但和所有围棋的走法相比都是小事。 因此，必须采取更先进的方法。
专家们没有像对待深蓝一样，为alpha go开发一点固有的程序，而是赋予了alpha go自我编程的能力，成为了数字自学者。 之后，电脑开始了自我游戏，也就是深度学习，直到掌握了高端围棋的妙招。
对此，谷歌的研究者demis hassabis表示，在所有以前流传的人工智能做法可行的位置建立了搜索树。 对围棋来说，这种做法行不通。 因此，在想要打破围棋难题的时候，我们采取了不同的做法。 我们开发的系统是探索树和深度神经互联网相结合的。 这些神经互联网以围棋棋盘的描述为输入，在包括数百万个神经元连接在内的12个不同的互联网层次上得到解决。
由此可见，alpha go将比深蓝更强。 当时，绀掌握的程序中，大部分都包括了竞争对手卡斯帕罗夫的对局解体。 光这一点，碾压任何高段围棋大师都足够了。 那么，更先进的alpha go的出现，无疑面临着人工智能向人类棋手提出的难度更高的挑战。
二、深度学习的背后支撑着数学模型，与人脑相去甚远
事实上，阿尔法go过去的成绩表明了其程度。 阿尔法戈在与其他围棋人工智能系统的对战次数为500次的游戏中赢得了499局。 去年10月，阿尔法go以5比0的成绩击败了职业棋手欧洲围棋樊麿。 这也是人工智能打败了职业棋手。
关于即将到来的谷李大战，围棋界的专家也发表了自己的意见。 台北红面棋王、九段围棋选手周俊勋表示，他坚决认为李世石将以5比0完胜阿尔法go，但在看了一点报道后，科技界人士拆除阿尔法go后，他的态度发生了慎重的改变。
周俊勋认为，从阿尔法go和樊麿对决的5局棋谱来看，特定条件下，特别是官子阶段，计算机精度有了明显提高。 毫不夸张地说，各自局部的定型收敛并不一定比全盛时代的石佛李昌镐差。 如果这样进步，中盘的战斗力也会格外提高。
这个突破具有重大意义。 在过去的几十年里，围棋软件未能突破人类初级水平，更不用说对抗人类高手了。 目前，人工智能围棋系统突飞猛进的状况与深度学习的能力分不开。
虽然人工智能行业的迅速发展如火如荼，但与真正的人脑相比，仍有很大的差距。
深度学习是人工智能的重要能力，但深度学习的本质离不开数学模型。 简言之，人类设计框架，人工智能系统基于该框架进行一系列动作。
以深蓝与卡斯帕罗夫的对决为例。 卡斯帕罗夫可以计算出在x回合中可能发生的y个变化，但深蓝可以与y的某些部分进行比较导出，进化为m个变化。
在这个过程中，很明显m比y大。 那么在同一比赛时间，人类棋手卡斯帕罗夫一定会在m和y的差距变化上出现漏洞。 这是卡斯帕罗夫输给深蓝的首要原因。
在谈到即将到来的谷李大战时，周俊勋说，与阿尔法go相比，李世石的一大特点是具有只有人类的想象力和创造力。 中期，谷歌出现了一个令人费解的招式，可以对判断阿尔法go提出新的挑战。
由此可见，谷歌赢家的100万美元报酬也只是一点点投资。 方法是通过与世界公认的围棋选手李世石的游戏，为alpha go提供验证价值判断体系的样本。
对人类科学界来说，这是一个巨大的突破。 但是，对人工智能本身来说，模仿人类进行学习和思考并不是很正确的方向。
法国思想家帕斯卡曾说过:“人是有思想的芦苇。” 人类可以在围棋中爆发自己的智慧，从中感受到喜悦，所以围棋对人类来说有意义。 对人工智能来说，只是执行一点数学模型的运算，并不能从中感到幸福。 因为，人工智能仍然与人脑相去甚远。
与其授鱼，不如授鱼。 我认为对机器来说真正的智能是拥有自己独特的思考方法。 例如，当人工智能看到很多数据时，它不是简单地模仿人类的思考方法，而是可以用自己的方法思考。
要实现这种状况，人工智能的改善性很重要。 一种人工智能应该通过自行重写核心代码来适应周围不断变化的生存环境。 我的意思是应该积极创造人工智能。 当然，要实现这些并不容易，人工智能仍然要经历长期的快速发展。
