AlphaGo战胜李世石：人类向右 机器向左
- Author, 王宁
- Role, 牛津大学互联网学院数据科学高级研究员
为期数天的人机围棋大战，最终以AlphaGo 4比1的胜利拉下帷幕。回想比赛之前，李世石其实被很多人看好，毕竟是世界顶尖九段高手而且还曾经赢了18个世界冠军。而最终李世石只是凭借机器的重大失误而扳回一局，AlphaGo的强大特别是大局观令很多职业选手震惊。
面对这个几乎被碾压的结果，对很多人可以说是意料之外。
围棋是迄今为止人类发明的最复杂的游戏。在小小的19乘19的棋盘上，双方各持黑白，轮流下子，只要一方将另一方子围住就可以吃掉。国际象棋只有64个格子，而围棋却有361个格子，其策略选取的复杂度已经加大了好几十个量级。而围棋的难度更在于，在看似简单的游戏规则里面，每一步的变化加上“打劫”等特殊规则所产生的运算复杂度是天文数字量级的。
有人计算过，要是把围棋所有的状态用穷举法全部列出大概需要 10的170次方（相比之下国际象棋只有10的46次方）。因此，围棋也被认为是人工智能攻克信息完全博弈游戏最后的堡垒。
纵观人机对战的历史，往往是以机器的胜利而告终。1997年IBM的深蓝打败了国际象棋世界冠军卡斯帕罗夫。2011年IBM的Watson在智力问答电视比赛中彻底打败两名世界冠军。
短短不到几年的时间，人工智能又攻破了几乎永远不可能被攻破的领域——围棋。如果说，相比1997年IBM深蓝的暴力博弈树遍历而言，深蓝的胜利只是硬件速度的胜利和计算机的胜利。AlphaGo今天的胜利才真正是人工智能的胜利，它标志着真正人工智能的时代已经开启。
其实人工智能作为一个学科已经发展了半个多世纪，一直有一群默默无闻的人们从事着这方面的研究，而这次人机大战才真正的把人工智能放在的镁光灯下，成为大众瞩目的焦点。
如果说之前的深蓝电脑还处于“暴力”人工智能的阶段，现在的以AlphaGo为代表的深度学习和强化学习把人工智能推向了顶峰。通过Google发表的文章可以看出，通过深度学习采用海量的专业棋谱训练策略网络，再用强化学习通过自我博弈训练估值网络，最终结合两个网络通过蒙特卡洛树进行下子决策。
可以看出，这一套流程并不是一种技术的胜利，而是多种人工智能技术结合的产物。这也是近几年来人工智能的发展方向，通过结合多种模型对问题进行分层和抽象，从而部分地模拟了大脑认知、思考和决策过程。
AlphaGo今天的完胜将会对人类的未来产生深远的影响。为此，有人欢呼雀跃，有人忧心忡忡。欢呼者为人类在这一领域取得的长足进步而高兴，忧心者担心机器将会在未来取得越来越明显的优势，从而最终会取代人类。
牛津大学的一份研究报告已经表明未来70%的工作将有可能被机器所取代。我们在未来会看到人工智能被应用在越来越多的领域，特别是需要进行决策领域，比如智能驾驶，医疗诊断，金融交易等。
近期的连线杂志Wired就报道了总部位于香港的Aidyia混合多种人工智能进行进行金融交易，并且可以通过表现不断改进。总部位于纽约的Rebellion Research也推出了完全由人工智能运营管理的投资基金。
总部位于伦敦的对冲基金机构Castilium用人工智能模拟交易员和基金经理的推理和决策过程，并将其用于自动化交易。
无疑，未来是机器智能和人类智慧共存的时代。其实面对人工智能，人类大可不必惊慌。人工智能系统还很大程度上依赖于特征提取和训练方式，还远未达到通用系统的程度。虽然AlphaGo取得了突破性进展，但是也只是在信息完全的领域的突破，人工智能在很多信息不完全领域还是一筹莫展。
机器向左，人类向右。我们都知道，人的大脑是不对称的，右脑与直觉和情感有关；左脑与逻辑和决策有关。 也许未来人工智能将会在左脑的领域超越人类，而面对于人类的灵性、感情和情绪人工智能还是一片空白。在不久的将来，相信人类智慧将会和人工智能分工协作，取长补短，相互学习，共同提高。
（责编：欧阳成）
