最新消息:广告合作加QQ:59224215 (备注来意)

AlphaGo今日再胜人类,浙大教授详解人工智能与人类的未来!

交易策略 admin 1400℃

昨日,“谷歌机器人AlphaGo在围棋‘人机世界大战’中首盘战胜围棋世界冠军、韩国名将李世石”的消息刷爆了无数人的朋友圈,各类媒体纷纷表示:“人类迎来了发展史上又一个重要时刻,一个新的时代已经到来!”甚至有人说:“人类输给机器人,未来将有710万工作岗位消失!”

182688488  而就在今天下午16点27分, AlphaGo执黑211手中盘再次击败李世石,取得2-0领先。

这不禁让人担忧,人工智能发展如此迅猛,人类的未来难道真的会被机器人所取代吗?

基于上述问题,我们采访了浙大管院神经管理实验室副主任汪蕾教授和浙大管院神经管理学实验室神经营销所所长王小毅副教授,他们分别就AlphaGo战胜人类的原因、AlphaGo背后的技术、人工智能产业化以及人类的未来等相关话题进行了分析与评论。

1AlphaGo进步神速,令人惊叹与“害怕”

对于AlphaGo两次战胜李世石,浙大管院汪蕾老师表示惊叹。“这不是AlphaGo第一次和人类棋手对战。早在2015年10月,它就和欧洲围棋赛的冠军樊麾交战过。”她说,AlphaGo是基于机器学习和人工智能,有强大的自我学习和进化功能,所以它的棋艺进步非常神速,短短几个月的学习训练就有可能跨越一个天才棋手几十年走过的路。

182688490

国际象棋(上)和围棋(下)的复杂度对比

她表示,这种自我深度学习机制使得AlphaGo每一次与顶级棋手的交战都会成为一次自我提升的过程,所以打个不恰当的比方,这就好比我们以前在传统武侠小说里看到过的某个人物,他练成了一种吸功大法,每次与高手的过招就会成为他力量的来源。所以这让人惊叹之余,还会觉得有点可怕。

2AlphaGo致胜关键之一:人工智能中的深度学习技术

浙大管院王小毅老师就AlphaGo背后的技术分析称,AlphaGo采用的是目前人工智能最普遍采用的人工神经网络中的深度学习技术,而深度学习于2006年被提出,是机器学习研究中的一个前沿的领域,其原理是用多层训练的方法来达到深度学习的目的。

认知科学发现,人们认识事物,并不是通过直接分析,而是依靠一种逐层抽象的认知机制:首先学习简单的概念,然后用他们去表示更抽象的。在算法上,对已有的海量数据信息,可以用神经网络来模拟人脑的这种分析学习过程,不需要了解这些数据内在的确切关系,而是通过逐层学习,来建立它们之间的关系,从而对一个新的信息进行判断。这种方法特别适用于对图像、声音和文本的理解。

AlphaGo所使用的正是用于视觉处理的算法。当然,算法中采用的分析层次越多,对计算的要求就越高。得益于近年来快速发展的云计算,AlphaGo能够使用超过当年深蓝约3万倍的计算能力,从海量的围棋对弈数据中得到学习,而在实际对弈中,却并不需要这么大的计算能力,仅用单机版计算机即可。

从今年1月由Google旗下DeepMind公司的David Silver为第一作者发表于Nature上的题为“Mastering the game of Go with deep neural networks and tree search(用深度神经网络和搜索树方法来掌握围棋)”的文章来看,AlphaGo算法使用了多个神经网络:价值网络(Value Network),根据当前局面,寻找落地的大致方向,估计是白胜还是黑胜;策略网络(Policy Network),给定当前局面,预测/采样下一步的走棋的获胜概率;快速走子(Fast rollout),在适当牺牲走棋质量的条件下,速度要快1000倍;蒙特卡罗树搜索(Monte Carlo Tree Search),把以上这三个部分连起来,形成一个完整的系统。

182688491  AlphaGo不是一个简单的软件,而是一项系统性的工作,充分考虑了CPU运算的负荷和实际,其成功背后,是作者们在博士阶段就开始的超过五年的积累。

3AlphaGo致胜关键之二:情绪影响人类决策

“另一方面,基于人工智能的AlphaGo机器棋手,和人类棋手最大的差别在于,他不具备情感,没有情绪波动。”汪蕾老师认为,情绪实际上是一种非常重要的东西,他会影响我们的判断跟决策,而围棋那是一种需要大局观,需要根据对手情况来不断研判,并做出决策的一种活动,在这样一种比较复杂的高强度的脑力活动当中,情绪当然也会参与其中。

她说,人类再怎么心如止水,也不可能比机器更冷静,在处于劣势的时候,可能因为着急而激进;在处于优势的时候,可能因为沾沾自喜而出错;而在犯错的时候,可能因为懊恼而失去心态平衡。但这一点,机器是完全可以避免的。

“现在大家比较关注的是这一场较量的胜负以及它带来的象征意义。但在我看来,其实输赢并不重要。无论结果如何,对人工智能而言,这肯定不是结束,它不过是人工智能技术发展与应用中的一个过程。而对于人类来讲,它其实是一个自我认识和自我发现的又一个途径。”汪蕾老师说。

182688492   4人工智能距离成熟的产业化尚有距离

王小毅老师表示,人工智能的发展得益于三个方面的技术突破:首先是机器学习算法上的突破,但这还不是最主要原因;关键还有大数据为人工智能的机器学习积累了海量的学习数据,以及云计算为深度学习提供了弹性计算能力的支持。

毫无疑问,人工智能是信息技术的重要发展方向,也正因为是这样,资本市场迫不及待地开始推“人工智能”概念。在国际上,各种人工智能概念的出现背后同样是未来市场的争夺,最典型的就是谷歌的深度学习与IBM的认知计算之间的技术竞赛。

实际上,重大和关键技术储备与产业化是两个不同的概念。人工智能距离成熟的产业化尚有距离,而要想达到推动整个信息产业上一个台阶的目标则更是遥远。目前最有价值的人工智能领域,可以分为狭义和广义。狭义上,侧重的就是机器学习技术的深度应用,重点在视觉图像、语音和文本三个方面,其目的就是让机器可以理解周围环境、识别人的指令、理解人的意图;广义上,人工智能是融合机器人、大数据、传感网等新一代信息技术的关键共性技术,将有助于它们在工业、医疗、家庭等重要市场的快速发展,一旦实现,将会促使目前的信息产业快速走出互联网“泡沫”。

对于人工智能的未来,汪蕾老师也表示,随着技术的发展、科技的进步,人工智能的应用领域会更宽、更广。在她看来,在那些需要依赖于大量信息、数据以及环境是动态变化的那些领域,需要人脑来处理各种信息来研判、决策、博弈、以及竞争的地方,人工智能都有可能得到应用,比如服务行业、金融、商务、医疗、军事等领域。

但她认为,最终人工智能在更多领域的成功应用,还是依赖于对大脑的彻底解读,而这一点在我看来是未来要走的相当漫长的路。

182688493   5人工智能的未来与人类脑计划

“人工智能是一个用算法来模拟人脑的探索过程,它的发展取决于人们对于人脑的认识深度。”王小毅老师说,目前,人们对于人脑的了解还相当初步,在19世纪的时候,对于脑的研究还属于哲学范畴,今天,借助日新月异的脑感知技术,我们可以既可以在分子层面理解神经元的活动,也可以在民用级采集海量人群的脑电波数据。各国在继基因研究之后,纷纷将重点集中于脑的研究,美国早在2013年就发布“脑计划”,欧盟和日本也在2013年、2014年相继发布各自的“脑计划”,近年来更是逐渐从脑的病理研究转为脑机制与人工智能的结合研究上。

在最近的两会期间,科大讯飞(002230,股吧)董事长刘庆峰就建议加快推动人工智能和中国脑计划。实际上,我国早在2013年就开始酝酿中国的“脑计划”,“十三五”规划纲要草案已经把脑科学和类脑研究列入国家重大科技项目。

浙江大学管理学院早在2006年就建立了当时中国首个神经管理学实验室,其主要目的就是利用管理科学、脑科学、计算科学的交叉学科优势,集中力量研究人类决策(尤其是经济决策和作业决策)脑机制,并通过对真实情境中人们的“工作脑”的脑电波监测和反馈,实现更大范围的系统管理。

而神经管理学研究,实际上是运用认知科学和神经科学的一些手段与方法,把行为科学和管理科学结合起来。它可以把管理学的研究推进到一个更为微观的层面,有可能在大脑的神经层面来研究决定个体行为、个体决策生成的一些机理,从而解释一些以往理论无法解释的行为。

在成员们的努力下,目前浙江大学管理学院神经管理学实验室已取得了一系列研究成果,包括了营销和产品设计辅助神经决策、工厂作业全过程神经管理、服务过程神经管理等,陆续获得省部级科技进步一等奖1项,二等奖3项。未来,将重点围绕决策脑活动信号的大数据分析以及类脑计算的研究。

转载请注明:智能交易网 » AlphaGo今日再胜人类,浙大教授详解人工智能与人类的未来!

喜欢 (0)