搜狗CEO王小川：谷歌人工智能将完胜李世石
2 月 3 日消息，最近一段时间，人工智能领域很火。针对谷歌 DeepMind 团队研发的计算机系统 AlphaGo 在围棋比赛中击败欧洲围棋冠军樊麾一事，搜狗 CEO 王小川近日在知乎上发表评论，王小川认为，谷歌人工智能 AlphaGo 将完胜职业围棋手李世石。
王小川说，AlphaGo 的发布，是一个伟大的里程碑，深度学习的魅力在于只要一个领域里能够建模，并有充足的数据，就能够在这个领域里让机器做到超越人、取代人。
王小川大胆预测，3 月与韩国九段棋手李世石对弈，AlphaGo 依然会完胜。“除了围棋，人工智能在其他博弈类的封闭游戏里，也会横扫一切，完胜人类。”
据悉，在 AlphaGo 连赢欧洲冠军段樊麾五盘后，谷歌锁定的下一个对手就是世界冠军级别的李世石。李世石也已接受挑战，称“不应该把注意力放在奖金上，比赛意义更重大一些。”
李世石说：“谷歌这个大项目即将完成的试验阶段，我是作为人类代表接受挑战，如果输了的话……岂不是显得人类太绵软无力了？输两盘都不行，我要4：1 或5：0 拿下。”
以下为王小川知乎全文：
AlphaGo 的发布，是一个伟大的里程碑，又一次让我兴奋得需要说一说。
先说我的断言一：AlphaGo 在两个月后，将会完胜李世石。
留个关子，本文最后再说断言二。
从中学开始，我就着迷用算法来解决游戏的博弈问题，用搜索方法创新性完成过一些题目。这几年深度学习出现后，就感觉有机会能够突破围棋，和清华的联合实验室做过几次探讨，都认为这个方向可行，可惜限于气场和能力不足，没能组织进行这方面的投入。
而此次出手的，是 Google 旗下的 DeepMind 团队，在深度学习方面是最顶尖的，资源、能力、气场都没有问题，突破性的技术是基于深度学习进行估值和走棋。
看知乎里好多讨论，是从之前 AlphaGo 完成的棋局来判断其下棋风格，倒推这个算法的威力，有点刻舟求剑的感觉。我们核心还是要回到对这次 AlphaGo 用到的技术的深刻理解。
为了便于讨论，我们对比以搜索剪枝为核心的深蓝下国际象棋，和以搜索剪枝+深度学习为核心的 AlphaGo 的三个区别：
1. 围棋相对象棋，最大的区别是棋局的评价函数极难定义。象棋可以找到各种“特征”来计分，比如丢一个马扣多少分，兵往前拱到离底线近了加多少分，而围棋做不到，密密麻麻的黑白子挨着，互相之前又有关联，变化多，规律难以总结。这也是传统算法相对人最弱的几个问题之一。
就像是我们人做人脸识别，看一眼就知道是张三李四，而机器算法难以下手。这个问题恰恰是最近几年深度学习最大的突破之处，深度学习不需要人来设计算法“找特征”，通过大量原始数据和标签的积累，机器就能够自动找特征，并且并不比人差。
在几年前还有很多人认为机器在图像处理方面举步维艰，怎么定义和抽象鼻子？耳朵？眼睛？可就在这一两年深度学习突飞猛进，一举超过了人类。就在 2015 年，人脸识别方面，机器的识别能力已经超过了人了，这可是人进化了数千万年的核心能力之一呀。
一个围棋棋局，可以理解为一张 19*19 的图片，其他的走棋规则和非常简单（很容易翻译成计算机规则），正好落入了深度学习擅长的事情。
搜索+深度学习，这个算法完全可以覆盖围棋的规则，人下棋的思维过程和模式，只是 AlphaGo 的一个子集。这就决定了这个算法没有天花板，有机会在围棋领域“打通关”。
2. 深蓝相对 AlphaGo，AlphaGo 最大的优势是“学习能力”。深蓝的开局更多依靠数据库棋谱的建立，但没有泛化能力（不懂得举一反三），对于没有见过的走棋方法就可能犯傻。而之后的核心能力是计算力，通过暴力的搜索（当然也有最优秀的剪枝，但还是暴力），力图走出 10-20 步棋来选择最优的路径。
这个复杂度是指数级的，变成一个 NP 问题，受限于计算力。这个系统的算法是写死的，固定的参数下，就会有固定的表现。而调整参数和改变算法，都是工程师的事情。这个系统的天花板是计算机有多强，以及工程师有多聪明。
而 AlphaGo 更多是数据驱动的，喂给他更多的棋局数据，他就能够优化“神经元网络”，同样的运算资源下变得更聪明，并且具有举一反三的能力，这一点非常接近于人（或者说本身就是模拟人的方式来设计的）。
而且我们知道，机器处理数据的能力足够地快，以及没有情绪不会出错，这就决定了这个系统如果把今天互联网上能收集到的棋局都学一遍，就成为顶尖高手了。
3. 最最最可怕的还不只是前面这两点，对于下棋博弈问题，AlphaGo 还不只是从互联网上去收集数据进行学习，更可以自己和自己下，实现“自学习”。看过电影“超验骇客”没有？
人工智能可以做到随着时间的推移就能更加聪明。金庸小说中老顽童让自己左手和右手打架“左右互搏”，成为天下无敌的武功，那个只是故事，在下棋这个领域，而 AlphaGo 有这样的设计，让这种武功成真了！
往下还有两个月的时间，AlphaGo 这样一台算法上没有天花板的机器，很有机会在“左右互搏”下登峰造极，成为不可超越的围棋高手。
AlphaGo 的技术问题讲完了。怎么来看 Google 背后的完整动作呢？有人觉得是过度解读了，实际系统挺糙的——选的都是“欧洲冠军——说明系统并不行，这是一种错误的理解。
更有可能的原因是 Google 和 Fackebook 在竞争下围棋，Fackbook 的员工缺心眼提前放了好多消息出来泄密了，结果 Google 就赶紧把 Nature 的文章发了抢了个先，然后卖个期货两个月后和人类对决，那会儿系统就足够好了，这是在竞争环境下合适的做法。
事实上 Google 和 Facebook 两家都认识到了 AI 的重要性，以及就在最近几年会有大的突破。
Google 4 亿美金收购了 DeepMind，当时只有 20 人，现在已经突破 200 人了，并且是不计代价的疯狂投入。
下围棋只是体现人工智能进步绝佳的宣传点和切入点，从公开的文献可以看到，DeepMind 做围棋研发是基于通用的技术进行，领域无关的（Domain independent）。这样的技术未来可以用到合适的其他领域里去。
深度学习的魅力在于，只要一个领域里能够建模，能够有充足的数据，就能够在这个领域里做到超越人、取代人，短时间能从 0 分做到 99 分。
如果我们依然是老观念，用渐进的方式来理解机器智能，比如之前某位大佬宣传他家的 XX 大脑做到了X岁的智力，这是很误(che)导(dan)的。我们同样也会错误地估计下围棋方面机器的能力，按照人类的理解 1D-9D 来评价它。
一句话，不要用评价人的方法来评价机器的人工智能的能力，完全是不同的模式。
老罗曾经评价过人工智能的一句话：“人工智能就像一列火车，它临近时你听到了轰隆隆的声音，你在不断期待着它的到来。他终于到了，一闪而过，随后便远远地把你抛在身后”。
如果给这句话打上一个补丁，把人工智能的应用局限到一个一个的具体的封闭领域，这是一个很贴切的描述。我们不要过度自大，例如我们容易在自我优越感的驱使下，说动物不如人，比如人会直立行走、会说话、会实用工具，以区别于其他动物。事实证明，动物也会。
面对机器也一样，就在几个月前还有人叫嚣机器十年内不能够玩转围棋，理由也都是人一眼就能看明白，机器只会计算。这些自大会让我们误判。也不用过于自卑，觉得围棋上机器上胜利了人类整个智力就被碾压了，到今天机器还是有很多领域完全无能，只能在局部领域。
到结尾，再说断言二：除了围棋，人工智能在其他博弈类的封闭游戏里，也会横扫一切，完胜人类。
正文到此结束
热门推荐
相关文章
近期评论
-
你这基本没有更新呀，最近文章显示还是2019年的文章。不符合要求哈
-
关键词：慕云博客 链接：https://www.lilun.me 描述：分享原创文字的个人博客
-
-
-
可以提供一下源码吗
-
不是商业站，鸡娃学习笔记
-
-
-
-
听他们说很厉害的样子
Loading...
![[HBLOG]公众号](http://www.liuhaihua.cn/img/qrcode_gzh.jpg)
