AI研究院 | 为何20年后“深蓝”依然无法像人类一样思考

AI研究院 AI研究院 05-15 07:25 跟贴 14 条

  图示:位于曼哈顿市中心公平中心的超级智能机器,计算机在比赛中有自己的极限,深蓝在两场比赛中击败了Kasparov,三场比赛都是平局。

  本文系《AI研究院》栏目出品,专注人工智能行业热点与深度分析。栏目由网易智能工作室(公众号 smartman163)发起、网易杭州研究院等机构共同参与打造,每周一到周三更新。

  【网易智能讯5月15日消息】1997年5月11日,世界国际象棋冠军Garry Kasparov(左)在与IBM的“深蓝”计算机的比赛中。在1997年5月11日举行的人机大战中,IBM的电脑深蓝击败了当时世界上顶尖国际象棋选手Garry Kasparov,全世界为此震惊。这是人类棋手第一次被机器打倒。

  计算机专家说,人工智能的胜利具有历史意义,不仅证明计算机了在某些挑战中能够超越人类,而且也证明机器本身的局限性和缺点。“深蓝”的成功也表明,如果科学家们想要制造出智能机器,那么他们就必须重新定义“智能”和“思考”。

  “深蓝”主要通过推理许多动作和可能的组合。也就是被称为“决策树”的策略(考虑每一个描述树的分支决策)来下国际象棋。在比赛中,“深蓝”排除了一些不必要的决策,以减少“分支”树的量,从而加快计算速度,但其每秒钟依旧大约运行2亿次“思考”。然而,尽管可以进行令人难以置信的计算,但机器在其他领域仍然是短板。

  IBM研究公司研究科学家默里坎贝尔表示:“尽管他们功能强大,但在其他类型的决策过程中,电脑表现却很差。”一些人怀疑电脑是否能像人类一样出色。坎贝尔在接受Live Science杂志采访时指出:“更有意思的是,我们可以通过多种方式来对待复杂的问题。”“你可以用人类的方式来对待它,用经验和直觉,或者用类似于计算机的方式。”他说,这些方法互为补充。尽管深蓝的胜利证明了人类可以制造出伟大的棋手,但它也强调了建造一台能够处理棋类游戏电脑的复杂性和难度。坎贝尔说,IBM科学家花了数年时间来开发“深蓝”,而它所能做的仅仅是下国际象棋。他补充说,打造一台能够处理不同任务,或者能够学习如何完成新任务的机器,会更加困难。

  坎贝尔说,在深蓝问世的时候,机器学习的领域还没有像现在这样的计算能力。例如,目前IBM的新一代人工智能机器,名为“沃森”,其与“深蓝”的工作原理完全不同,运行原理更像是一个搜索引擎。沃森在2011年击败了智力竞赛节目“危险境地”(Jeopardy)的冠军,证明了它能够理解人类并作出响应。时隔20年后的机器学习系统能够利用1997年还不存在的大量数据。当时由于互联网还处于萌芽状态,这些数据还不存在。

  此外编程技术也有了进步。譬如谷歌的人工智能计算机AlphaGo打败了世界围棋棋局围棋冠军,其工作方式也与深蓝有所不同。AlphaGo能够运行各种棋类游戏,并利用相应模式来学习最优策略。这种学习方式是通过神经网络运行的,或者可以说像人脑中的神经元那样运作。

  坎贝尔说,上世纪90年代,当深蓝面世时,制造这些设备的硬件并不普及。威斯康星大学密尔沃基分校副教授Thomas Haigh他在计算机的历史上发表了大量的文章,他指出,制造深蓝是IBM当时最高的工程能力展示。这台机器采用了定制化芯片,个人电脑处理器也属高端设备。

  到底什么是智能?“深蓝”还表明,计算机的智能可能与人类的智力并没有太大关系。Haigh指出,“深蓝”是一种传统的人工智能,它试图通过一种可以进行通用推理的机器来复制人类的智力和理解力,”在这种理念指导下,制造出来的是一台更好的国际象棋机器。但这一策略更多地是基于计算机制造者对什么是聪明的思考,而非智力的本源。

  Haigh指出:“在上世纪50年代,国际象棋被认为是聪明人擅长的东西。”“就像数学家和程序员在国际象棋中表现得特别出色一样,他们认为这是一个测试机器是否能够显示智力的好测试。”然而这种情况在上世纪70年代发生了改变。Haigh指出:“很明显,把计算机程序变成越来越强大的国际象棋选手,这种技术与一般而言的智力没有任何关系。”

  “所以我们并没有因为计算机下象棋下的好就会认为它是聪明的,因为它们下象棋很好。我们认为下棋并不是智力测试。”坎贝尔说,科学家们对智力的定义也显示出某些人工智能任务的复杂性。深蓝可能是当时最先进的计算机之一,但它只是用来下棋的。即使到现在,电脑也不得不与“常识”作斗争。因为这些信息对于人类来说是显而易见的,我们通常不会考虑这种背景信息。坎贝尔说:“每个成年人都知道这个世界是如何运作的。”

  但机器不会。坎贝尔补充道,在某些类型的模式识别任务中,电脑常常遇到困难,但对于人类来说是轻而易举。他说:“过去5年中,关于人工智能的许多进步都存在于感知问题上,比如面部和模式识别。”坎贝尔指出,计算机不能做的另一件事是解释自己。一个人可以描述他的思维过程,以及自己是如何学习的。但电脑还不能真正做到这一点。“人工智能和机器学习系统有点像个黑盒,”他说。

  Haigh指出,即使是在“危险境地”中获胜的沃森,也没有像一个人那样“思考”。他在发给Live Science的电子邮件中写道:“沃森使用了新一代处理器,实现了一种统计学上的蛮力方法,而不是基于知识的逻辑方法。”“它并没有像人类那样思索,但也再一次证明了,智力竞赛冠军与智力并无太大关系,”大多数人都会这么想。即便如此,“随着计算机能够做得越来越好,我们要么会对智能有一个非常明确的定义,要么不得不承认计算机实际上也是智能的,但与我们不同,”Haigh说。

  人工智能的未来是什么?坎贝尔说,由于人类和电脑“思维方式”差异如此之大,电脑要独立完成诸如医学诊断等任务还需要很长一段路要走,此外根据实际情况完成为老年人设计住宅等问题对于电脑来说依旧很困难。

  “深蓝”显示了一台计算机出色完成某项特定任务的能力。但到目前为止,还没有人制造出一种通用的机器学习系统,性能堪比专用计算机。例如,计算机可以快速处理大量数据,并找到人类可能会错过的模式。然后,他们就可以把这些信息提供给人类来做决定。坎贝尔说:“一个互补的系统比人类或机器更好。”他说,现在也可能是解决不同问题的时候了。国际象棋或围棋类游戏允许玩家对对手的位置了如指掌,这被称为“完整的信息游戏”。

  但现实世界的问题并非如此。“我们现在应该吸取的教训是,我们从现实世界中得到的信息并没有棋盘游戏中那么多。”2017年,名为“图书馆”的人工智能电脑程序在20天的德州扑克锦标赛中击败了最优秀的人类扑克玩家,这被认为是一场信息不完整的游戏。

  至于现在“深蓝”的命运,他在完成与Kasparov的历史性比赛后被拆除,而零部件在华盛顿的美国国家历史博物馆和加州山景城的计算机历史博物馆展出。(英文来源/livescience 编译/机器小易 校对/晗冰)

特别声明:本文为网易自媒体平台“网易号”作者上传并发布,仅代表该作者观点。网易仅提供信息发布平台。
热门跟贴
打开网易新闻,查看更多跟贴(14)
大家都在看