別細思極恐了 人工智能終究會對人類俯首稱臣?

　　設(shè)下這一場舉世矚目棋局的AlphaGo的科學(xué)家們未曾料到，段子手們的想象力，令“人工智能”在中國民間引起的最大熱議，竟是它是否會消滅文明、統(tǒng)治人類。

　　科幻文學(xué)和好萊塢電影強大的洗腦能力，已經(jīng)在民眾腦中刻下深深的烙印——“人工智能就是那種上天入地?zé)o所不能的機器人”。通常人們會覺得它離現(xiàn)實較遠，然而一個虛幻的大腦突然出現(xiàn)，在一場智力競爭中橫掃了幾乎代表人類最高水平的選手，并且是在世界公認的“人類智慧最后高地”的圍棋項目上。人類的自尊心很難接受，而人類的統(tǒng)治和防御本能更受到挑戰(zhàn)，于是就“細思極恐”了。

　　事實上恐慌大可不必，人工智能早已滲透社會，就在人們未曾在意的點滴之上。比如汽車防抱死系統(tǒng)、油路管理系統(tǒng)，可實時語音翻譯不同語言的Google翻譯軟件，垃圾郵件過濾系統(tǒng)，電商網(wǎng)站根據(jù)用戶喜好和瀏覽記錄推薦商品的引擎，醫(yī)院里協(xié)助醫(yī)生診斷的醫(yī)療系統(tǒng)，等等。

　　這些都是人工智能的實際應(yīng)用，并且隨著技術(shù)的發(fā)展，人工智能的應(yīng)用正在變得越來越高階，比如蘋果手機里的Siri，民用的智能無人機，又比如無人駕駛汽車。

　　AlphaGo背后的黑科技

　　AlphaGo與李世石的這一次世紀之戰(zhàn)之所以如此受到矚目，就因為在基礎(chǔ)原理不變的情況下，發(fā)展出了新的訓(xùn)練和處理模式，使人工智能更進一步。

　　AlphaGo采用了深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)的技術(shù)，DCNN的核心是卷積核，卷積核相當于一個過濾網(wǎng)。而DCNN在圖像識別和語音識別中是非常有用的，AI能通過它對棋局做優(yōu)劣評估。

　　讓我們實驗一下：我們準備一萬張狗的照片，各種表情、各種部位的寫真，讓機器學(xué)習(xí)。

　　這個過程如下：

　　1.首先，將各種過濾網(wǎng)呈上來，比如能將圖像黑白化、平滑、去噪的等等等等。愛美的各位肯定用過美圖秀秀，但我們跟美圖秀秀對著干，我們不是為了美化，而是為了模糊。這樣可以突出照片中最有特點的部分。

　　2.為降低運算量，把圖片統(tǒng)統(tǒng)切成小塊，比如一張圖片切成10*10的小塊，并準備好所謂權(quán)值共享等方法，再加上硬件設(shè)備，就可以開始算了。

　　3.算什么呢?算這一萬張狗照片的各種特征值，通過分類器，形成最優(yōu)的分類模型。實際上，多層堆疊后產(chǎn)生的分類模型根本就沒了狗狗的真實模樣，機器不會管狗長什么樣。

　　訓(xùn)練結(jié)束，模型產(chǎn)生，如下圖，算法看見了什么——它看到的就是紅黃藍的色斑圖，藍色區(qū)域就是小狗的頭部。

　　讓我們回到AlphaGo的問題上。通過Google的論文，我們知道它是將19*19的棋盤看作一張圖，黑子和白子當作像素，每落一子就相當于加了一層過濾網(wǎng)(當然特征算法和照片識別還是不一樣的)，如此對棋局做出勝率評估，其實這就是Policy Network的基礎(chǔ)。所以，下棋的時候大家感覺AlphaGo很有大局觀，還會落下迷惑詭異的子，其實它只是根據(jù)圖形判斷了一下勝率做出的判斷。

　　過去的人工智能是基于人工指定的規(guī)則進行推導(dǎo)從而給出專業(yè)方案，如今的人工智能更多的是利用神經(jīng)網(wǎng)絡(luò)算法對文本、圖像、聲音進行海量計算，從而自主地找出其中的規(guī)律，甚至可能挖掘出人類忽視的規(guī)律，正如AlphaGo在圍棋中落下的神之一子，利用“人腦”思維的棋手們還無法理解其中的深意。

　　DCNN這樣的技術(shù)當然不只是成為圍棋領(lǐng)域人工智能的制勝法寶，讓我們欣賞下它在視覺上取得的成就。

　　這是一張從窗口拍攝的照片：

　　這是梵高筆下的星空：

　　人工智能學(xué)習(xí)后創(chuàng)作的結(jié)果：

　　我們正在選擇的AI，也許會讓你眼前一亮

　　那人工智能會厲害到什么程度呢?目前來說，這并不取決于AI自身，而是取決于我們。

　　以具體行業(yè)為例子，比如教育領(lǐng)域，我們真的需要一個人形的、陪伴孩子成長的人工智能機器人么?比如體育領(lǐng)域，我們真的需要可以和人類對抗的機器運動員么?比如醫(yī)療領(lǐng)域，我們真的需要一雙機械臂幫你手術(shù)么?人工智能不一定非要替代人類，而是幫助人類更好地生活。

　　比如，以幫助人類更好地生活為理念，我們可以想象下AI怎么樣在汽車場景得到應(yīng)用：

　　1.無論是4S店還是路邊店，維修技工都無法做到可以對所有車型產(chǎn)生的任何問題找到解決方案。因為人的知識和經(jīng)驗是有限的。但是人工智能加大數(shù)據(jù)，是否可以幫技師解決這個問題?

　　2.車主在不同的用車場景會遇到各種各樣的問題，學(xué)車、買車、故障、維修、保養(yǎng)、自駕游等等，他們?nèi)绾文芰私獠⒔鉀Q這些問題?一個包括自然語言分析和機器學(xué)習(xí)的人工智能用車助手也許就是答案。

　　3.上游整車廠、品牌配件商，下游維修廠，他們?nèi)绾闻袛嗾麄€汽車后市場用戶的需求變化和市場走向?人工智能可以針對既有海量B2B數(shù)據(jù)(例如中馳車福擁有的汽配數(shù)據(jù)庫)的挖掘給你答案。

　　正如圍棋在中國傳統(tǒng)文化里的另一層精神含義“太極”所代表的理念：這從來不是一個生存的問題，而是生活哲理。