围棋人机大战，AlphaGo能以4：1战胜李世乭，这出乎我的意料，众所周知高端围棋的战术难度之大，很多时候如何下一步棋，各路高手都有不同意见，战略选择以及取舍之类很主观、感情的判断，如今居然被冰冷冷的电脑用算术方式解决了。简单比喻，原本讲究技术与艺术相结合的博弈游戏，到如今只剩下技术派炫耀赢棋的实力，怎不让人唏嘘感叹？
AlphaGo是赢了，但我们仍旧可以说AlphaGo并不懂围棋。都说这棋盘之上可见人品，故围棋也称手谈。这不同心性的人有不同的走棋风格。当今AlphaGo追求唯胜走法，说好听是不拘一格，说难听点就如李开复所言，AlphaGo大局虽强，但其实它根本不知道什么叫大局。
无怪乎AlphaGo之父、DeepMind联合创始人德米斯-哈萨比斯表示，人工智能的下一步目标是让计算机自己学棋。也就是说，下个版本的AlphaGo将从零开始，不接受人类的灌输的特定知识。这有助于AlphaGo形成自我棋风，但也不能保证AlphaGo一定会懂得围棋。照说，能赢李世乭的机器不懂围棋，是很奇怪的一件事。但这背后牵扯了意识的本质问题。
人类现在创造的人工智能，都是被用于特定领域解决针对性问题。即便AlphaGo可以自我学习，也仅限学下围棋罢了。这说明所谓人工智能，本质上仍只是工具，是一种按照人类定义各种规则、进行加减乘除比较计算然后给出指定结果的高级工具，它再怎么高级也只是死的工具。须知我们心中理想的智慧，应该是有通用性，能触类旁通，并具备极强可塑性，目前看来，这真正意义上的人工智能距离咱仍比较遥远。
另外，现在表现比较好的人工智能都用了神经网络技术不断强化训练过，通常情况下做识别、判断都有很不错的正确率，但在意料不到的对抗样本面前也会表现的很蠢。这所谓的对抗样本，就是针对正常情况，正常的数据做了一些有针对性的、极为细微的变化。就好比在一张猫的照片上加了一根毛，这种变化对人来说可以忽略不计，但机器遇到了这种有针对性的对抗样本，立刻会犯错认为那照片不是猫，而是马。对抗样本是所有以神经网络技术构建出来的人工智能共同的BUG，目前还难以避免。
而且，目前的人工智能遇到对抗样本犯错，就是揭露了上文所说的一个深刻的问题，即，你以为机器被训练出来做这一件事，它就是这领域的专家，其实，它并非真的懂，或则说，它所认识的这件事的眼光，跟人是完全不同的。如此说来，李世乭第四局那所谓神一般的妙手，可能正好是构建出了AlphaGo棋盘识别的对抗样本，李世乭这一手明明极好破，可AlphaGo硬是犯傻连错好几步，以至于输掉了整局棋。
最后，假如机器真的学会像人一样看待所有的事物了，便不会犯下遇到对抗样本这样愚蠢的错误，那它还是机器么？而具有高速运算，精确无比的机器，又需要像人一样看待所有事物么？
(3个赞)
Loading...
(暂无人赞)