马克·戴森罗特：机器击败人类只是时间问题

本篇文章1203字，读完约3分钟

电脑程序“阿尔法围棋”和韩国明星李世石之间的五场象棋比赛即将开始。对于这场“人机大战”，伦敦帝国理工学院的人工智能学者马克·戴森罗斯(Mark Deisenroth)认为，即使“阿尔法围棋”(Alpha Go)不能在这场比赛中击败李世石，电脑获胜也只是时间问题。

在接受新华社的独家采访时，戴森罗斯说，如果“阿尔法围棋”击败了顶尖围棋手，这意味着终于有一个电脑程序可以在围棋上达到惊人的水平。我们可以将《阿尔法围棋》与《深蓝》相提并论，后者击败了卡斯帕罗夫，后者是上世纪90年代的顶级棋手。当完成一项特殊任务时，这个计算机程序能做得比人类好得多。

“即使阿尔法围棋不能在今年3月击败顶尖的人类围棋手，这也只是时间问题。”他说。

戴森罗斯认为，为了达到职业围棋手的水平，“阿尔法围棋”结合了“深度学习”和“蒙特卡洛树搜索”的方法。“Monte Carlo Tree Search”是一种启发式搜索策略，它可以基于空之间的随机抽样来扩展搜索树，从而分析如何在围棋等游戏中采取每一个动作来创造最佳机会。“蒙特卡罗树搜索”以前也在一些围棋智能程序中使用过，在相对较小的棋盘上可以起到很好的作用，但是这种方法不能在常规的全尺寸棋盘上使用，因为涉及的搜索树太大。

然而，“阿尔法搜索”的关键在于它采用了一种智能策略，并使用深度学习来降低搜索树的复杂性。因此，“深度学习”和“蒙特卡罗树搜索”成为其两个关键因素，这两项技术单独具有成功的实际应用——“深度学习”已被应用于图像识别、文本翻译、音频、文本处理、人脸识别、强化学习和机器人学等领域。“蒙特卡洛树搜索”经常被用于人工智能程序中，可以对抗不同的游戏，如围棋、国际象棋、卡坦岛先锋、视频游戏或扑克等桌上游戏。

戴森罗斯认为，人机对抗等竞赛对人工智能研究人员来说非常有趣，因为它们是人工智能走向类人思维的里程碑。在过去很长一段时间里，国际象棋是衡量人工智能能否达到人类思维水平的基准。在“深蓝”在上世纪90年代征服了这个目标之后，我们再次提高了这个标准；然后，ibm的沃森在电视智力竞赛节目“危险边缘”中击败了最好的人类对手，这成为了另一个里程碑；围棋是最新的里程碑——因为它比国际象棋更复杂，而且预计到2025年在这方面将很难突破。

然而，他也警告说，在解释这种人机对抗的结果时，我们应该特别谨慎，因为迄今为止，人工智能领域取得的所有里程碑都没有带来真正的智能系统——即我们认为具有类似人类智能和思维方式的系统。

他说:“计算机程序还没有达到人类所显示的智力水平。目前，一些人类认为理所当然的学习能力对于人工智能系统来说仍然非常困难。例如，人们可以用解决某个问题的知识来解决另一个新问题；你可以从有限的经验中学习某些技能(相比之下，“阿尔法围棋”需要玩数千万次才能逐渐学会，而要达到目前的水平，它必须和自己下数百万次棋)；抽象推理的能力；与他人合作的能力等等。”

来源：零点娱乐时刊