译 | 连然
上周，谷歌旗下的人工智能公司DeepMind在Nature科学期刊上宣布了一项非凡的突破：去年十月，DeepMind的一个计算系统AlphaGo先后通过五场比赛击败了中国围棋的欧洲卫冕冠军。
所以，计算机已经在棋盘游戏中表现得越来越好了。在1997年，IBM的计算机深蓝就打败了当时国际象棋的世界冠军卡斯帕罗夫。但在围棋中，棋子可能的位置数比宇宙中的原子数还要多，并且远远超过国际象棋棋子可能的位置数。
插图来自Matt Murphy
DeepBlue的工作是通过建设“搜索树”的游戏方案进行的，如果想在围棋中进行，则需要在数百万次的计算中寻找答案。DeepMind的运算涉及到合并树搜索（由谷歌庞大的云计算能力所支持），其中程序的连接是通过实例和经验模拟神经元层加强深层神经网络之间的连接而实现的。
AlphaGo在围棋中首先从电路板播放的数据状态中吸收信息，研究30m位置处的专家，然后再通过电脑，与自己对战，并使用强化学习的方式实现迭代改善。这是DeepMind的一个实验，神经网络通过对真实比赛录像的反复观看，实现游戏水平的提高，其中并没有涉及到编程程序。
但AlphaGo和自己的创造者都无法解释自己的移动，不过它确实实现了对游戏的熟练操作。所以有说法称AlphaGo已拥有接近我们拥有的直觉能力——通过不自觉的推理得到知识。到现在为止，我们普遍认为这是属于人类的特权，就如牛顿在其Principia的第二版中写到的——“我不做假设，我只是知道。”
但是如果AlphaGo可以做出直觉般的演示，那我们肯定在某种程度上跨越了卢比孔河。不过直到现在，直觉还被普遍认为是人类的专属能力，基于牛顿是个天才，我们一般是要把他的话当真的。
麻烦的是，直觉有时候会，甚至是常常是错的。这就是为什么我们需要证据和合理的论据来支持结论。从目前来看，有关机器的对直觉的担忧是没有实际意义的，因为AlphaGo还不能为自己在围棋中“直觉式”移动给出合理的解释。不过，如果Demis Hassabis博士，DeepMind的创始人之一，有想出处理方式的话，这样的情形应该不会持续太久。他上周在博客中写道，“虽然游戏开发是快速高效地测试AI算法的完美平台，但最终我们希望能将这些技术应用于诸如气候和疾病分析等重要的现实问题上。因为方法都是通用的。”
一方面，Hassabis似乎在承担创造智能技术的人需要承担的责任。他一直在呼吁“有关伦理在人工智能发展中责任的辩论”。另一方面，在去年九月，当谷歌建立道德委员会对他公司的工作进行审查的时候，他试图把这个新闻压下去搪塞掉，这在当时也引起了热议。
像这个领域中的大多数人一样，Hassabis认为AI到强大到造成严重的道德和生存威胁还有很长的路要走。他的公司取得进展并不足以对人类造成威胁。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
