從遊戲娛樂到人機對戰 人工智慧有多智能？

在寧波奇點機器人體驗館,機器人正與一位觀眾現場圍棋「對弈」。

不久前,成都某公司開發的機器人和聯考狀元展開了一場解答聯考數學題的較量,雖然機器人最終落敗,但其理解語義、邏輯分析以及快速學習的能力令人讚歎。

從簡單的娛樂遊戲到輔助人類智慧決策的工具,人工智慧正更加廣泛地應用到人們的生活中。儘管人工智慧仍處於「嬰兒期」,但它的時代或許正悄悄到來。

人工智慧最重要的特徵是有學習能力

隨著技術的發展,人工智慧可以達到甚至超過人類的識別精度

關於人工智慧,學界尚沒有統一的準確定義。通常認為,人工智慧的核心是演算法,是一套利用機器智能解決問題的手段。

「過去的演算法,人類給計算機下達指令來解決問題;現在,我們只要告訴計算機想解決的問題,它就可以自行選擇演算法來解決,這是人工智慧帶來的根本性變革。」人工智慧專家鄧力說。

「比如給瓶子安裝蓋子,如果只是機器人重複加裝動作,不是真正的人工智慧。只有機器人能根據瓶子方位的變化做出相應調整,並能對突髮狀況做出正確反應,才稱得上是人工智慧。」百度研究院院長林元慶說。

鄧力認為,人工智慧最重要的特徵是有學習能力,即機器能根據以往的經驗來不斷優化演算法。例如「阿爾法狗」就能梳理決策模式,並從之前的比賽中吸取經驗,平時也會通過跟自己下棋來強化學習。

人工智慧並不是一個新名詞。上世紀50年代,科學家就提出了人工智慧概念,並於上世紀70年代掀起了一個小高潮。但當時演算法採用的是符號邏輯推理規則,缺乏自我學習能力。80年代,科學家改進了機器學習模型,但智能水平依舊較低,有價值的成果寥寥無幾,人工智慧研究進入低潮期。

大約10年前,一種被稱為深度學習的新的機器學習方法,讓人工智慧的演算法更智能。「深度學習通過多層結構演算法,讓機器對數據集的『特徵』進行篩選和提取,通過反覆訓練,最終獲得了提取抽象概念的能力。」鄧力說。

微軟人工智慧及微軟研究事業部負責人沈向洋博士表示,當前人工智慧火起來主要有三個原因:互聯網大量的數據、強大的運算能力以及深度學習的突破。「深度學習是機器學習方法之一,是讓計算機從周圍世界或某個特定方面的範例中學習從而變得更加智能的一種方式。」

深度學習的廣泛應用離不開計算機硬體的發展。浙江大學計算機科學與技術學院教授蔡登說,深度學習又叫深度神經網路模型,以前計算機硬體不行,沒法學習很深的神經網路,隨著計算機性能大幅提升,訓練很多層數的神經網路成為可能。

有專家把人工智慧的特點概括為「數據多了、計算大了、層次深了」。鄧力認為,隨著神經網路研究的深入,計算機視覺和聽覺等有望讓演算法越來越精確。未來,計算機對自然語言的應用將大幅提高,電腦可以聽懂、讀懂人類平常所用的語言,而不僅僅是機器指令。

「人工智慧擁有計算機視覺、語音識別、自然語言處理等能力,與之對應,它就能像人一樣看、聽、理解事物。隨著技術的發展,人工智慧可以達到甚至超過人類的識別精度。」林元慶說。