人类不能在围棋上战胜人工智能 但人可以发明围棋

2017-06-08 21:36

  柯洁大战AlphaGo已经落幕AI这个话题,又开始被人们广泛讨论,人们眼中的AI更多的是《终结者》和《西部世界》那样的会思考且能力极其强大的存在。不了解AI的人,要么极度低估了AI,要么极度高估了AI,这样的论调,就是属于后者。

  在回答这个问题之前,先分享一个答案。知乎上我回答了一个问题——AlphaGo「理解」围棋吗?

  我们怎么判断人理解围棋?可以和对手下棋,理解规则。有布局有细节操作,根据对手有针对性下法,懂得怎么赢下来比赛。所以我们觉得人理解围棋。机器也可以做到相同的事情,甚至比人做得好。所以机器也理解围棋。

  只是人不理解机器而已。机器学习的算法,SVM也好,神经网络也好。不是机器不理解所输入的样本。而是人不理解怎么把机器输出结果的逻辑,用人能理解的逻辑表达出来。

  AI会思考围棋。但是,AI会思考么?我倾向于认为目前的AI并不会思考,或者换个角度,目前的AI不会像人类一样思考。

  人是怎么学习的呢?作为一个dota资深菜鸟玩家,当我第一次玩王者荣耀的时候,选了英雄,看了技能介绍,第一局就拿到了非常好的数据。在这之前,我没有看过任何王者荣耀的视频或者介绍。而整个学习过程只有几分钟。

  AI是怎么学习的呢?如果有一个dota碾压职业玩家的AI,想学习王者荣耀,之前训练出的模型瞬间失效。这个时候只能拿到职业选手的大量比赛视频,进行算法训练。整个学习过程需要大量的计算资源,并且需要一段较长时间的训练评估。

  这里面看到了人类为作为自然界46亿年进化出的生物算法,相比较婴儿期的AI算法,具有一个绝对优势:快速迁移学习的能力。目前AI并不具有这种能力,而且在可预期的时间内,不可能具有这种能力。

  脑科学领域研究目前没有突破性进展,我们并不知类怎么思考。而在机器学习领域,算法从规则算法升级到机器学习之后,我们也不知道机器怎么思考。

  在新场景下,人拿到的信息非常少,也能快速适应,比如鲁滨逊漂流荒岛,可以迅速适应并。而机器学习在缺少数据和规则不明确的情况下,无法发挥作用。

  在稳定场景下,有大量反馈数据的情况下,人的决策能力反而不如AI。这也是人类个体单个大脑算力决定。在面对大量数据的时候,人会归纳数据,分析数据,并从数据中提取大量规则。在遇到问题的时候用规则快速决策。

  这个归纳数据,分析数据的过程,本身就是信息丢失的过程。换句线条数据,对于人而言差别可能不大。而计算机基于统计算法和学习模型,最大规模的保存了信息量,数据量不断增长,决策效率也会不断提高。

  总结而言:人可以通过复杂的类比、联想等策略,在无明确目标的新场景下表现良好。AI在明确的场景,并且有足够数据反馈的情况下,可以超过人类的决策。

  总结而言:长期固定类型的脑力劳动工作者,决策数据来自线上数据库或者可以被线上数据大量收集,工作效果可以上数据的反馈或者记录。

  在这些行业中,需要根据数据做出判断。而由于数据过载,大量的数据人在决策是时候无法完全利用,只能挖掘数据中的一些规则,做出应对方案。在这样的领域,人是很容易被替代的。

  在互联网中,活动排期通常是需要依赖运营手动配置,在个性化推荐引擎面前,千人一面的活动排期本身就是有先天缺陷的。而个性化推荐引擎可以分期所有的历史用户行为,给出最优结果。素材设计目前淘宝已经上线,虽然有时候会有明显的Badcase,但是根据每个人的历史行为数据给出的banner素材,引流效果在总体上肯定是优于千人一面的banner样式的。

  广告投放也好,金融分析也好,都是需要分析历史的结果,以及进行不断优化过程数据,而高效处理数据则是算法的强项。

  在医生诊断领域,大量的检查数据,需要有效的处理,要求医生有足够多的背景知识,而无论哪个医生,有多么充分的经验,都不可能了解所有的案例。一方面人工智能知识储备和案例储备远远超过人,另一方面,对图像的处理和识别的能力也慢慢提高。人工智能通过大量的样本学习,目前顶尖的人工智能诊疗在一些领域已经超过了人类医生的水平。

  当然,随着信息化程度变高,语义识别图像识别的发展,计算机信息收集能力的提高。越来越多的固定直接可能被取代:同声传译,金融分析,自动驾驶等等。

  目前的计算机计算能力,和AI算法的发展情况来看,AI在短期内会快速普及,并渗透进信息化程度比较高,且人力成本比较高的行业。比如:互联网广告投放,互联网运营,金融,医疗等等。但与此同时,这些行业的人并不会完全消失,而是需要更少的人,需要这些人有更多的技能。

  机械化时代之前,农民种地,一个人能照看土地也就几亩,只要会翻地播种除草施肥就够了。而目前现代化的农场主。一个人可以照看公顷级别的土地。但是需要驾驶收割机,拖拉机,使用机械装置施肥,播种。

  计算机的发明,无数数学家物理学家从繁琐的计算中,而探索新的领域。未来人需要不断通过创造力发现和探索新的场景,而AI则可以通过数据,在定义好的场景下发挥到极致。

  人虽然不能在医疗诊断中战胜AI,但人可以研究新的诊断技术和方法。人虽然不能在Feed流排序的时候战胜个性化推荐,但人可以探索新的用户场景,引入新的内容模式。一个特定的医疗诊断,一个确定样式的Feed流,就是棋盘,人无法在这个棋盘上和AI争胜负,但并非就此被取代。人类要做的不是战胜AI,而是用自己独特的思考能力,不断开拓AI的使用场景。