马克·戴森罗特：机器击败人类只是时间问题

专访伦敦帝国理工学院人工智能学者马克·戴森罗特

我们可以对比“阿尔法围棋与深蓝”，后者在上世纪90年代击败了国际象棋顶尖选手卡斯帕罗夫，这种电脑程序在完成某一项特别任务时，能够做得远远好于人类。

“即便阿尔法围棋在今年三月的比赛中无法击败顶尖的人类围棋选手，那也只是时间问题。”他说。

戴森罗特认为，为了能够达到职业围棋选手的水平，“阿尔法围棋”结合了“深度学习”和“蒙特卡洛树搜索”方法。“蒙特卡洛树搜索”是一种启发式的搜索策略，能够基于对搜索空间的随机抽样来扩大搜索树，从而分析围棋这类游戏中每一步棋应该怎么走才能够创造最好机会。“蒙特卡洛树搜索”在此前一些围棋智能程序中也有采用，它们在相对较小的棋盘中能够很好地发挥作用，但在正规的全尺寸棋盘上，这种方法就无法使用，因为涉及的搜索树实在太大了。

但“阿尔法围棋”关键是它采用了很聪明的策略，利用深度学习的方法降低搜索树的复杂性。因此“深度学习”和“蒙特卡洛树搜索”就成为它的两个关键因素，这两项技术单独来说都有成功的实际应用——“深度学习”已被应用在包括图像识别、文本翻译、音频、文本处理、脸部识别、强化学习以及机器人等领域。“蒙特卡洛树搜索”则经常被用于可进行不同游戏对抗的人工智能程序中，比如像围棋、国际象棋、《卡坦岛拓荒者》这样的桌面游戏、电子游戏或者扑克等。

戴森罗特认为，对人工智能研究者来说，人机对抗这类比赛很有趣，因为它们是人工智能迈向人类般思考的里程碑。过去很长一段时间里国际象棋是衡量人工智能是否能达到人类般思考水平的标杆，“深蓝”在90年代攻克了这一目标后，我们再次把这一标准提高了；随后IBM的WATSON在《危险边缘》电视智力竞赛节目中击败了最好的人类对手，这成了另一个里程碑；围棋是最新的里程碑——因为比起国际象棋，围棋更复杂，此前的预计是到2025年前在这方面都很难突破。

不过他也警告说，我们在诠释这类人机对抗的比赛结果时需要特别谨慎，因为至今人工智能领域实现的所有里程碑都还没带来一个真正意义上的智能系统——即我们认为具有近似人类智力和思考方式的系统。

他说：“电脑程序仍然没有达到人类所展示的智力水平。一些人类习以为常的学习能力目前对人工智能系统来说还很困难。比如人们能够把解决某一个问题的知识用于另一个新问题的破解过程；从有限的经验中就能学习一定技能（相比而言， 阿尔法围棋 需要玩数千万次围棋才能逐步学会，并且还要再与自己下棋数百万次才能达到目前的水平）；在抽象层面进行推理的能力；与其他人合作的能力等等。”