機器里的心靈【轉】

AlphaGoVideo_2.width-1100_rykaRPT.jpg

深度思維的共同創始人講解人工智能將如何幫助我們在認識世界的努力中做
出難以想像的飛躍性進步

  2017年4月21日金融時報
https://www.ft.com/content/048f418c-2487-11e7-a34a-538b4cb30025
作者:戴米斯·哈薩比斯  翻譯:JZ

現代文明是一個神奇的壯舉,而這要歸功於科學。每一次我坐飛機,我總是驚嘆於能夠讓我們如此平常的在雲層之上飛翔的科技。我們描繪了整個人類基因組、造出了超級計算機和互聯網、將探測器登上彗星、在粒子加速器里將原子以接近光速的速度碰撞、而且我們登上了月球!我們是如何完成這些奇蹟的?當我們停下來思量這些壯舉都是出自我們3英鎊重的大腦,我們就會覺得這一切是如何的不同尋常。

科學方法可能是人類有過的最強大的思想,自啟蒙運動以來的進步更是驚人。但是我們現在到了一個關鍵階段,需要我們掌握的很多系統都極其複雜,從氣候變化到宏觀經濟問題還有老年痴呆症。我們是否能夠解決這些挑戰,需要花多少時間去解決,將直接影響數以億計的人口和我們生活的環境。

問題是這些挑戰是如此複雜以至於那些世界上最好的科學家、醫生和工程師在掌握那些關鍵突破所需要的全部細節時都捉襟見肘。有人說達芬奇是最後一個能夠掌握當時所有知識的人。從那以後所有的人必須專業化,而今天,完全掌握一個領域譬如天體物理或者量子力學就會窮盡一個人的畢生。

我們現在去嘗試認識的系統的基礎是大量的數據,通常這些數據非常動態化、非線性,並且出現次生特徵(譯者舉例:溫度是微觀粒子無規則運動速度的次生特徵),使得發現其中的結構和關聯去洞察深藏其中的規律極其困難。開普勒和牛頓可以寫出幾個方程式去描述行星和地球上的物體的運動規律,可是現在我們要解決的問題幾乎沒有任何一個可以歸納到一些簡潔而又優美的公式。

這是我們這個時代一個最偉大的科學挑戰。現代計算機時代之父—圖靈、紐曼和山能—在那個時代就認識到信息理論的關鍵重要性,而我們現在意識到幾乎所有的東西都可以用信息理論的模型去思考或表達。在生物信息學裏這是最明顯的,基因組實際上是一個巨大的信息編碼程式。我相信有一天,信息將會被當作和能量和物質同樣基本的東西。

智能的核心可以看作是把無序的信息轉化成有用和可作為的知識一個過程。我一直從事的工作,人工智能,它在科學上的承諾,是我們或許可以去人工合成這個過程,並把它自動化和最優化。使用這個技術,我們將在某些難以捉摸的領域內去更快速的獲得新的知識。


今天,研究人工智能已經成為一種時髦。然而,根據不同的語境,人工智能這個術語有許多不同的內涵。在我共同創立的公司深度思維我們所採取的辦法是集中精力在學習和通用性這兩點,目的是為了發展出能夠做科學研究的這樣一種人工智能。如果我們想用計算機來發現新的知識,那麼我們必須給予它們真正能夠自我學習的能力。

我們正在研究的算法會直接地從原始的經歷中來學習,也就是說,它們獲得的知識最終根植於一些感官事實而不是來自於抽象的符號。而且,我們要求它們具有通用性,意即,具有相同參數的同一套系統能夠完成一系列廣泛的任務。這兩點在我們2015年的自然雜誌文章里得到很好的體現,我們描述了一個程序它教會它自己好幾十套經典的阿塔里遊戲,僅有的輸入就是屏幕上的像素還有得分。

我們也把系統水平上的神經科學作為鼓舞我們發明新算法和構築概念之源泉,畢竟,大腦是唯一一個我們已有的證據來證明有這樣一個通用的、基於經驗的學習系統是可能的。

和許多我們的先進所採用的方法比起來,這是一個極為不同方法。為了最佳地闡述它們間的差異,或許我們可以來比較一下同樣在遊戲領域裏達到世界上首次稱號的兩個突破性計算機程序:IBM的深藍,它在1997年打敗世界象棋冠軍卡斯帕羅夫,還有我們最近的阿爾法狗程序,去年打敗了一位世界頂級圍棋冠軍,圍棋比國際象棋還要複雜。深藍採用了所謂的「專家系統」的辦法:一組程序員會同一些國際象棋大師把他們的棋藝進行精確的提煉和程序化從而變成一組複雜的啟發式程序。接下來,一個強大的超級計算機用這些手工製作的規則來考察大批的可能的變化,用純粹的計算力量來算出每一步的正確下法。深藍打敗卡斯帕羅夫標誌了人工智能歷史上一個重要的里程碑。然而,它的勝利,與其說是深藍程序本身的內在智能,不如說是證明了程序員和國際象棋大師們的高明,還有現代化硬件的計算能力。

國際象棋被人工智能解決之後,圍棋就成為了人工智能的新的逐鹿之地。圍棋已有三千年左右的歷史,它在亞洲具有無比的文化重要性,它不僅是一種遊戲更是一種藝術,專業圍棋選手在亞洲是受公眾敬仰的人士。圍棋有高達10的170次方的可能棋局,比宇宙內的原子數目還多,純粹用計算解決不了圍棋。事實上,一個棋子在棋局中位置稍有變化就可能會對整個棋局產生極大的影響,因此,很長時間內,僅僅是要寫出一個函數去決定在某個特定的圍棋棋局哪方正在勝出都被認為是不可能的。人類的頂級圍棋棋手是如何對付這樣極其複雜的情況的呢?他們很大的程度上依賴於直覺和本能,常常描述某些走法就是「感覺上是對的」;相反,國際象棋棋手更多的依靠準確的計算。

做阿爾法狗我們意識到為了抓住圍棋的直覺這個特點我們得採用和深藍等國際象棋程序完全不同的思路。與其手工編碼人類專業棋手的各種策略,我們使用通用目的技術,包括深度神經網絡去製作出一個學習系統,然後為它演示幾千局高水平的業餘選手的比賽棋局去幫助它發展出它自己對人類選手是怎樣下圍棋的理解。下一步,我們讓不同版本的阿爾法狗互相對局,幾千局下下來,它的棋力就變得無比強大,因為每一次對局它都能從錯誤中學習從而不斷地循序漸進。2016年3月,我們已經完成準備去接受最終的挑戰:和傳奇圍棋棋手李世石對壘,李世石擁有18個世界冠軍的稱號,被認為是過去十年最偉大的圍棋棋手。

超過2億人在線觀看了比賽,結果阿爾法狗以4比1奇蹟般地勝出,專家一致認為這個突破被提前了10年。更為重要的是,比賽中,阿爾法狗下出了五六手極為創新的走法,其中一步走法,第2局第37步,是如此的令人吃驚,它打破了幾百年來人類下法的定規,一直到現在眾多棋手們還在不斷研究這一步棋。在贏得比賽的過程中,阿爾法狗不知不覺中地教給了我們全新的知識,這些棋局有可能成為被研究得最多的棋局。


這一些人工智能算法歷史上鼓舞人心的時刻,讓我們窺視到為什麼人工智能可以幫助科學研究:在機器幫助下的科學發現是有可能的。我們相信,支撐着阿爾法狗的技術具有目的的通用,能夠用在一系列廣泛的場合,特別是那些具有能夠被優化的有明確目的性的函數,加上能夠被精確模擬的環境,從而允許進行高效高速實驗的領域。譬如,在節能領域,我們使用一個稍作變化的這些算法發現了一系列創新的技術,能夠把谷歌數據中心的空調電費降低40%,我們正在推
廣這個技術到所有的谷歌數據中心,它能夠給我們節省很多開支並且有益環境。

我們相信今後的幾年內,科學家和研究者會使用類似的方法去研究很多的領域,從超導材料設計到新葯研發。在很多方面,我把人工智能類比於哈勃望遠鏡—它是一個科學的工具,讓我們看得更遠,更好的認識我們所在的這個宇宙。當然,就像任何強大的技術,人工智能的使用必須要有責任、有倫理,並惠及每一個人。我們也必須繼續高度關注人工智能算法的適用性和有限性。但是,如果我們繼續嚴格關注程序的能力,更多地研究輸入數據的質量對結果產生的影響,以及算法運作的透明度,我們就有可能會發現,人工智能可以支持各行各業的專家,幫助他們發現原本難以發現的規律和原因。

人類和算法之間的親密合作將會在未來幾十年裡帶來不可思議的科學上的進步。我相信,人工智能將會變成某種形式的輔助解決方桉,成為科學家解決問題的助手,從而充實我們每一天的生活,讓我們能夠更快更有效的工作。如果我們能多方而合理的配置這些工具,營造出一種人人都能參與和受惠的環境,我們就有機會去充實和發展整個人類文明。

我們這樣做的時候,也可能會更多的了解我們自己。我總有這樣的感覺,物理學和神經科學在某些方面是兩門最基礎的學科:一門是關於外部世界,另一門是關於我們思維的內部世界。兩者之間包括了所有的東西。人工智能有潛力去幫助我們更好認識這兩個世界。當我們更多的了解學習過程本身並把它和人類的大腦比較,有一天我們或許會獲知究竟是什麼東西造就了人類與眾不同的特性,包括去解釋人類思維的這些秘密:夢想、創造力,甚至可能某一天解決什麼是意識
這個問題。

如果人工智能能夠幫助我們的社會不僅僅保護環境,征服疾病,探索宇宙,而且更好的認識我們自己—那樣的話,歷史將證明這可能是人工智能最偉大的發現之一。

作者是深度思維公司的共同創始人和首席執行官

(XYS20170511)


【來源】:http://www.xys.org/xys/ebooks/others/science/dajia18/ai.txt