阿法狗原理是“深度学习” 人工智能瞄准医疗领域

　　阿法狗原理是“深度学习”

　　AlphaGo（阿法狗）由位于英国伦敦的谷歌旗下DeepMind公司开发。它的主要工作原理是“深度学习”。

　　面对任何棋类，一种直观又偷懒的思路是暴力列举所有能赢的方案，这些方案会形成一个树形地图。然而，在规定时间内想要让计算机利用这种方法战胜人类下围棋，并不容易做到，因为围棋的可能性太多。

　　有一种说法是，围棋的可能性数量要比可观测到的宇宙中原子的总数还要多得多。同时，围棋的规律十分微妙，在某种程度上落子选择依靠的是经验积累而形成的“直觉”。因此，围棋挑战称作人工智能的“阿波罗计划”。这一次，研究者们终于拿出了终极武器——“深度学习”，让机器模仿人类高端棋手的下棋方式，机器可以通过学习人类打败人类。

　　北京邮电大学教授、中国人工智能学会理事刘知青在接受北京晨报记者采访时说，阿法狗通过“神经网络”学习所有高水平围棋棋谱，大概是历史上有的20万个左右职业棋谱，从而获得了在盘面上如何落子的直觉。“假设我们看过很多猫，再看图片的时候，就是通过第一直觉判断图片上是否有猫，这种直觉并不是天生而来的，而是通过学习获得的。”刘知青说。

　　“那么，阿法狗取胜的杀手锏真的就是直觉和第六感？”针对这样的疑问，刘知青说，它获得的这种直觉又和人类不同，背后有坚实的数学模型，计算机做了大量的计算，在大量悬念中找到一个胜率，这和人脑的直觉不完全相同，是数学、科学的体现，人类是不可能达到的。

　　瞄准医疗领域能识别癌细胞

　　刘知青说，类似的深度学习是在近几年出现的，一些国内外公司、科研院所也在做，但谷歌现在做的这个毫无疑问是效果最好。目前，这项科技也有了一些应用，最简单的例子就是通过深度学习识别猫。通过这项识别验证，已经引申出了更多具有实际意义的应用，比如识别某一个图片中是否有癌细胞，某一个铁路沿线上的轨道是否存在磨损，甚至军事作战中，对方的视线中是否有坦克，都可以通过深度学习实现。谷歌的自动驾驶，其中很重要的就是识别道路、交通信号灯、路标等，这都是通过深度学习获得。

　　谷歌也表示相信，自己未来终将有一天能够利用人工智能技术解决许多现实生活中的问题，比如建立复杂的气候变化模型以及传染性疾病分析等。

　　阿法狗与围棋冠军李世石在昨天进行的第四局激战中，李世石第78手被赞为“神之一手”。从这招之后，阿法狗的程序疑似出现了“BUG”，它此后连出数招“臭棋”，输掉了这一局。赛后，大家关心，阿法狗将来会向医疗领域发展，这种“BUG”是否也会出现？DeepMind创始人哈萨比斯表示，阿法狗是初级程序，不是升级版，所以就要看看有何缺陷，希望李世石能帮助找到缺点，以进一步完善。目前阿法狗还只是个程序，尚未进入医疗领域，还会进行更严格的测试。

　　有了深度学习，未来的智能时代会是怎样？刘知青说，将来有很多东西，人是可以被替代的，驾驶飞机、汽车，操作机床，翻译等。但创造力是人独有的智慧特征。在这方面，未来机器是否能够超越人类，目前还是学术界的未知。

　　据了解，我国也有科技人员在从事“深度学习”的研究，并取得了一定成果。近日，中科院计算技术研究所研究员陈云霁、陈天石的课题组提出的深度学习处理器指令集“电脑语”，被计算机体系领域顶级国际会议接收，在近300篇投稿中，其评分排名第一名。2014年，陈云霁、陈天石课题组在国际上提出了首个深度学习处理器架构“寒武纪”，而“电脑语”则是“寒武纪”的指令集。

　　陈天石在接受采访时说，深度学习技术已被微软、谷歌、脸书、阿里、讯飞、百度等公司广泛应用于计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并取得了极好的效果。深度学习的基本操作是神经元和突触的处理，而传统的处理器指令集是为了进行通用计算发展起来的，处理效率不高。谷歌甚至需要使用上万个中央处理器运行7天来训练一个识别猫脸的深度学习神经网络。将来如果使用了带有“电脑语”指令集的“寒武纪”处理器，深度学习的运算速度会得到明显提升。

　　刘知青说，未来，基于这项技术可以应用到方方面面，比如智能交通，道路有很多选择，每一个“落子”就是一个红绿灯，从家到单位可能有三四个选择。下围棋和交通路径规划是等价问题。再比如物流，一辆货车装了60%货物，剩下空间是找A点还是B点装货，面临很多选择，按照类似的方法，结果给出优化目标。

　　不过，刘知青坦言，目前中国这项技术差距还是很大，大家的重视程度不够，并没有意识到这才是真正的创新和能够带来的价值。北京晨报记者 韩娜

　　■名词解释

　　厚势

　　围棋术语，指对周边能产生巨大影响的棋形。此次人机大战所展现的技术进步将大幅改变人类未来的生活方式。

　　■链接

　　科幻大咖细说阿法狗

　　科幻小说《三体》的作者刘慈欣也非常关注阿法狗和人类的对决，他认为，计算机在很多方面超越人类已经是不争的事实，这点毋庸置疑。相较于前两次人类与计算机的对决，这次计算机的进步仍属于量变，而不是质变。举个例子，当前计算机能够识别出人的面孔，但是还不能理解表情，更无法通过人的肢体动作获取人类内心的想法。当前距离实现成熟的人工智能技术很遥远，甚至可以说，未来能不能实现还是个谜。如果脑科学无法实现重大突破，那产生真正意义上的人工智能就是天方夜谭。另外，有些网友对人工智能心怀恐惧，这是大可不必的。假如有朝一日成熟的人工智能技术真的诞生了，人类还是有很多办法可以对它进行约束。