10月19日，英國《自然》雜志發表論文報道，一款新版的“阿爾法狗”（AlphaGo）計算機程序能夠從空白狀態起，在不需要任何人類輸入的條件下，無師自通，自學成才。

創造者給它起名叫“Zero（零）”。道家說，道生一，一生二，二生三，三生萬物。這從零開始，能超越人類頂尖棋手的圍棋技藝，聽起來顛覆常理，讓很多人心生畏懼。

加上被AlphaGo擊敗的世界知名圍棋選手柯潔不久后在社交平臺上表示：“一個純凈、純粹自我學習的AlphaGo是最強的……對于AlphaGo的自我進步來講……人類太多余了（請聯系上下文，注意語境）。”

“人類多余”的概念被斷章取義，一個算法僅憑自己就能學習出高超的棋藝，人工智能能夠“零”生萬物，就這樣被解讀出來，然而事實是這樣嗎？科技日報記者專訪了業內學者，聽聽他們怎么說。

正聽：Zero也需要數據庫

“Zero可以自己產生數據，下一秒的數據和上一秒的數據‘對打’，贏了就再生成，如此循環往復，勝招就逐漸被‘進化’出來了。”中國首席數據官聯盟專家組成員、瀚思科技創始人高瀚昭說。

那么，沒有數據庫的支持，Zero是如何產生數據、又如何知道產生何種數據的呢？難道真的有了“聰明才智”？

華大基因CEO尹燁并不贊成“自學成才”的說法。他將AlphaGoZero，和AlphaGo就學習源頭進行了對比。“后者被輸入了人類歷史上的3000萬個棋局、一步一步從中學到了對應圍棋規則的算法，Zero就是站在AlphaGo的‘肩膀’上，繼承了后者規則明確的確定算法，才能懂得圍棋的規則，遵循這個規則，左右互搏。”

也就是說，Zero從前輩處學習規則，“它不需要的只是以往人類的比賽數據，并不意味著不需要數據庫。”高瀚昭說。

北京語言大學教授荀恩東將Zero之所以能“棋高一著”解讀為兩個原因，一是“在同樣的規則下，機器抓到的落子策略，和人抓到的不同”；二是“它的運算速度比人快，因此能夠進行更深入的、甚至窮舉的計算，完全知道后招。”

也就是說，既找對了路，還跑得快。但是，這樣的狀況是有前提的——“規則是簡單的！勝負是明確的！策略是可以窮舉的！”荀恩東說。

分析一下Zero的學習過程，就能了解為什么必須是這類問題，它們才能勝出。

根據規則，它不斷產生新數據，進而新舊數據相互對抗比賽，最終產生一個勝負結果。也就是說，在固定的規則下，不斷地對“勝負”進行驗證，讓Zero獲得了精進的棋藝，而當把這些策略全部驗證一遍的時候，它就無敵了。

1997年，電腦“深藍”戰勝了國際象棋著名棋手卡斯帕羅夫。“這個事件當時也引起了轟動，”尹燁說，“那個時候國際象棋還不能窮舉，但是隨著硬件運算速度的進步和算法的提升，到2005年前后，國際象棋已經能夠窮舉了，意味著不管走哪一步，電腦都可以‘走一步看N步’，算出所有可能，進而給出所有對應的方法。”隨著量子計算的應用，圍棋走法的窮舉也是可能的。

“在算法方面，Zero采用對抗的強化學習，是機器學習算法的最新進展。它對推動人工智能發展有著重大理論和應用意義。”荀恩東說。

定位：仍處于計算智能階段

“其實下圍棋是簡單的‘計算智能’，之所以它這么受關注，是因為圍棋一直以來是策略的象征。”荀恩東說。

“運籌帷幄之中，決勝千里之外”總能讓人聯想到這樣一幕——中軍帳中，一炷香煙霧繚繞，擺定棋盤棋子，帳內是黑白子對弈，帳外千軍萬馬搏殺。

圍棋是智慧的象征，當人類無法進行全樣本分析的時候，如何根據部分樣本選取最優策略，體現了判斷的智慧，而當計算能力能夠計算全樣本時，智能的類型發生了轉變——

“通過卓越的計算能力，Zero根據算法能有一個快速的收斂（趨向準確），按照策略能達到接近全局優的結果。”荀恩東說，這意味著它不需要判斷選擇，而需要不知疲倦地找最優解、不斷嘗試。“由于計算深度更深了，采用了優化的參數計算策略、優化過程得到了加速、得到了更好的計算模型。”

“目前為止，落地應用的AI是從速度、自動化、易部署等方向入手‘進化’——速度進化基于硬件提升、分布式處理等；自動化是指無需人工大量標記，AI可自動選擇有用的信息進行記憶訓練，這也是易部署的一部分。”高瀚昭說，這樣的“進化”是Zero使用4個TPU（神經網絡訓練所需的專業芯片）、嘗試490萬盤棋局就可以超越前任的原因。

但是，它并不比人類更擅長處理復雜問題。還記得小時候無窮盡的考試嗎？更有明確答案的選擇題和判斷題AI可以做，作文題差點。

荀恩東給出了更專業的分類，“人工智能發展分三個層次：能存會算的計算智能、有視聽觸覺的感知智能、能理解會思考的認知智能。Zero仍處于計算智能這個階段。”

尹燁也認為，不依賴數據庫的互搏算法無法應對規則不明確的計算，“比如醫療健康行業，依然是數據為王，算法會根據數據的積累而不斷修正，從人工智能（AI）走向真智能（RI）。”

展望：更高級的智能還在路上

荀恩東舉了一個詼諧的例子。“比如‘你妹’這個詞，什么時候是指代人物、什么時候是在表達一種情感，讓AI分清楚就非常難做到。”

尹燁也認為，語言有兩種，僅為了交流而存在的語言無需再學，但為了表達思想和情感的語言學習會更加受重視。

事實上，讓AI獲得感知、認知智能等的研究一直在進行，“目前認知智能需要走的路還很長。”荀恩東說。

數據顯示，AI產業中的技術類企業有55%在計算機視覺領域、13%在自然語言處理領域。力觸覺的研究也被納入到了國家重點研發計劃中。

感知智能的視覺、聽覺、觸覺、正在產業研究、基礎研究等領域不斷拓展。荀恩東說，“語言智能是人工智能的重要研究方向，中文句法語義分析是語言智能的核心技術。計算機缺少足夠的特征去捕捉中文上下文語言信息，在分析準確度上始終未取得實質性突破。”

為了讓中文能夠不落人后地納入到AI語系，北京語言大學語言資源高精尖中心開展中文語義分析攻關，以期獲得具有高魯棒性、高正確率和線速計算復雜度的中文句法語義分析器。“魯棒性就是讓機器具有處理各種語言形式，包括不規范表達的能力。”荀恩東說，“我們建立了TB級別以上的漢語分析大數據，未來AI可以聽懂書面語、口語、雙關語、玩笑話……”

視覺方面，公安部上海消防研究所等單位已經做到可以看火苗發送火警警報了。觸覺方面，手勢、體態、觸控、語音、表情、眼動、生理等非精確交互信息正在被捕捉、認知、理解，甚至綜合呈現。

“這些都不僅僅是端對端的問題，而是需要復雜策略解決的問題。AI系統需要多要素的輸入，也期待多要素的輸出。”荀恩東說，在這些領域，人類經驗的數據庫仍不能被拋開，“就比如砌墻，Zero可以被看作是砌一道新墻，而更高的階段是彌補一道殘缺不全的墻。”

更多資訊請關注嵌入式頻道