難度堪稱人工智能“阿波羅計劃”的圍棋挑戰，最終還是被一只機器“狗”取得了勝利。它的致命法寶就是模仿人類的“深度學習”工作原理。機器到底是怎樣像人類一樣學習的?有一天它無所不能，人類的未來又將怎樣?筆者采訪了國內專家進行解讀。
阿法狗原理是“深度學習”
AlphaGo(阿法狗)由位于英國倫敦的谷歌旗下DeepMind公司開發。它的主要工作原理是“深度學習”。
面對任何棋類，一種直觀又偷懶的思路是暴力列舉所有能贏的方案，這些方案會形成一個樹形地圖。然而，在規定時間內想要讓計算機利用這種方法戰勝人類下圍棋，并不容易做到，因為圍棋的可能性太多。
有一種說法是，圍棋的可能性數量要比可觀測到的宇宙中原子的總數還要多得多。同時，圍棋的規律十分微妙，在某種程度上落子選擇依靠的是經驗積累而形成的“直覺”。因此，圍棋挑戰稱作人工智能的“阿波羅計劃”。這一次，研究者們終于拿出了終極武器——“深度學習”，讓機器模仿人類高端棋手的下棋方式，機器可以通過學習人類打敗人類。
北京郵電大學教授、中國人工智能學會理事劉知青在接受北京晨報記者采訪時說，阿法狗通過“神經網絡”學習所有高水平圍棋棋譜，大概是歷史上有的20萬個左右職業棋譜，從而獲得了在盤面上如何落子的直覺。“假設我們看過很多貓，再看圖片的時候，就是通過第一直覺判斷圖片上是否有貓，這種直覺并不是天生而來的，而是通過學習獲得的。”劉知青說。
“那么，阿法狗取勝的殺手锏真的就是直覺和第六感?”針對這樣的疑問，劉知青說，它獲得的這種直覺又和人類不同，背后有堅實的數學模型，計算機做了大量的計算，在大量懸念中找到一個勝率，這和人腦的直覺不完全相同，是數學、科學的體現，人類是不可能達到的。
瞄準醫療領域能識別癌細胞
劉知青說，類似的深度學習是在近幾年出現的，一些國內外公司、科研院所也在做，但谷歌現在做的這個毫無疑問是效果最好。目前，這項科技也有了一些應用，最簡單的例子就是通過深度學習識別貓。通過這項識別驗證，已經引申出了更多具有實際意義的應用，比如識別某一個圖片中是否有癌細胞，某一個鐵路沿線上的軌道是否存在磨損，甚至軍事作戰中，對方的視線中是否有坦克，都可以通過深度學習實現。谷歌的自動駕駛，其中很重要的就是識別道路、交通信號燈、路標等，這都是通過深度學習獲得。
谷歌也表示相信，自己未來終將有一天能夠利用人工智能技術解決許多現實生活中的問題，比如建立復雜的氣候變化模型以及傳染性疾病分析等。
阿法狗與圍棋冠軍李世石在昨天進行的第四局激戰中，李世石第78手被贊為“神之一手”。從這招之后，阿法狗的程序疑似出現了“BUG”，它此后連出數招“臭棋”，輸掉了這一局。賽后，大家關心，阿法狗將來會向醫療領域發展，這種“BUG”是否也會出現?DeepMind創始人哈薩比斯表示，阿法狗是初級程序，不是升級版，所以就要看看有何缺陷，希望李世石能幫助找到缺點，以進一步完善。目前阿法狗還只是個程序，尚未進入醫療領域，還會進行更嚴格的測試。
有了深度學習，未來的智能時代會是怎樣?劉知青說，將來有很多東西，人是可以被替代的，駕駛飛機、汽車，操作機床，翻譯等。但創造力是人獨有的智慧特征。在這方面，未來機器是否能夠超越人類，目前還是學術界的未知。
我國科研人員提出“寒武紀”
據了解，我國也有科技人員在從事“深度學習”的研究，并取得了一定成果。近日，中科院計算技術研究所研究員陳云霽、陳天石的課題組提出的深度學習處理器指令集“電腦語”，被計算機體系領域頂級國際會議接收，在近300篇投稿中，其評分排名第一名。2014年，陳云霽、陳天石課題組在國際上提出了首個深度學習處理器架構“寒武紀”，而“電腦語”則是“寒武紀”的指令集。
陳天石在接受采訪時說，深度學習技術已被微軟、谷歌、臉書、阿里、訊飛、百度等公司廣泛應用于計算機視覺、語音識別、自然語言處理、音頻識別與生物信息學等領域并取得了極好的效果。深度學習的基本操作是神經元和突觸的處理，而傳統的處理器指令集是為了進行通用計算發展起來的，處理效率不高。谷歌甚至需要使用上萬個中央處理器運行7天來訓練一個識別貓臉的深度學習神經網絡。將來如果使用了帶有“電腦語”指令集的“寒武紀”處理器，深度學習的運算速度會得到明顯提升。
劉知青說，未來，基于這項技術可以應用到方方面面，比如智能交通，道路有很多選擇，每一個“落子”就是一個紅綠燈，從家到單位可能有三四個選擇。下圍棋和交通路徑規劃是等價問題。再比如物流，一輛貨車裝了60%貨物，剩下空間是找A點還是B點裝貨，面臨很多選擇，按照類似的方法，結果給出優化目標。
不過，劉知青坦言，目前中國這項技術差距還是很大，大家的重視程度不夠，并沒有意識到這才是真正的創新和能夠帶來的價值。
