难度不亚于人工智能“阿波罗计划”的围棋挑战赛，最终被机器“狗”获胜。它的致命法宝是模仿人类“深度学习”的工作原理。机器如何像人类一样学习？有一天它会无所不能，人类的未来会怎样？北京晨报记者采访国内专家进行解读。
AlphaGo的原理就是“深度学习”
AlphaGo是由谷歌位于英国伦敦的子公司DeepMind开发的。其主要工作原理是“深度学习”。
面对任何棋局，一种直观又懒惰的思维方式就是暴力枚举所有获胜方案，这些方案就会形成一个树形图。然而，计算机想要在规定的时间内用这种方法击败人类下围棋并不容易，因为围棋有太多的可能性。
一种理论认为，围棋的可能性数量远大于可观测宇宙中的原子总数。同时，围棋的规则也非常微妙。在一定程度上，招式的选择依赖于积累经验形成的“直觉”。因此，围棋挑战赛被称为人工智能的“阿波罗计划”。这次，研究人员终于拿出了终极武器——“深度学习”，可以让机器模仿人类高端棋手的下棋方法。机器可以通过向人类学习来击败人类。
北京邮电大学教授、中国人工智能学会理事刘志清在接受北京晨报记者采访时表示，AlphaGo通过“神经网络”学习所有高级围棋记录，这是历史上大约20万条专业记录，从而获得了如何在棋盘上走棋的直觉。“假设我们看到了很多猫，当我们看图片时，我们会通过第一直觉来判断图片中是否有猫。这种直觉不是天生的，而是通过学习获得的。”柳芷晴说道。
“那么，阿尔法狗的王牌真的只是直觉和第六感吗？”在回答这个问题时，刘志清表示，它获得的直觉与人类不同。背后有坚实的数学模型，计算机做了大量的计算，在大量的悬念中发现胜率与人脑的直觉并不完全一样。它是数学和科学的体现，是人类不可能实现的。
瞄准医学领域识别癌细胞
刘志清表示，类似的深度学习近年来已经出现，国内外一些公司和研究机构也在做，但谷歌现在做的无疑是最好的。目前，这项技术也有了一些应用。最简单的例子就是通过深度学习识别猫。通过这样的识别验证，引入了更多的实际应用，比如识别某张图片中是否有癌细胞，某条铁路沿线的铁轨是否有磨损，甚至是在军事行动中，对手是否就在视线范围内。有坦克，都可以通过深度学习来实现。谷歌自动驾驶最重要的方面之一就是对道路、红绿灯、路标等的识别，这些都是通过深度学习获得的。
谷歌还表示相信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，例如建立复杂的气候变化模型和分析传染病。
在昨天第四场AlphaGo与围棋冠军李世石的激战中，李世石的第78手被赞为“神棋”。这一招之后，AlphaGo的程序似乎出现了“BUG”。随后又做出了一些“糟糕的举动”，输掉了比赛。赛后，大家都关心AlphaGo未来会向医疗领域发展。这样的“BUG”也会出现吗？DeepMind创始人哈萨比斯表示，AlphaGo是一个初级程序，而不是升级版本，所以要看是否有缺点。希望李师师能帮忙找出不足，进一步改进。目前，AlphaGo还只是一个程序，尚未进入医学领域。将进行更严格的测试。
有了深度学习，未来的智能时代会是什么样子？刘志清表示，未来有很多事情是人可以被替代的，比如驾驶飞机、汽车、操作机床、翻译等。但创造力是人类特有的智能特征。对此，未来机器能否超越人类，学术界仍是一个未知数。
中国研究人员提出“寒武纪”
据了解，我国也有科技人员从事“深度学习”研究并取得了一定成果。近日，中科院计算技术研究所陈云霁、陈天石研究团队提出的深度学习处理器指令集“计算机语言”被计算机系统领域顶级国际会议接受。在近300份提交的作品中，其得分排名第一。2014年，陈云霁、陈天石研究团队提出了全球首个深度学习处理器架构“寒武纪”，而“计算机语言”就是“寒武纪”的指令集。
陈天石在接受采访时表示，深度学习技术已被微软、谷歌、Facebook、阿里巴巴、科大讯飞、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、音频识别和生物信息学等领域，并已取得了极好的效果。深度学习的基本运算是神经元和突触的处理，而传统处理器指令集是为通用计算而开发的，处理效率不高。谷歌甚至需要使用数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。未来，如果使用具有“计算机语言”指令集的“寒武纪”处理器，深度学习的计算速度将会显着提升。
刘志清表示，未来这项技术可以应用到各个方面，比如智能交通。路上有很多选择。每个“水滴”都是一个红绿灯。从家到工作可能有三到四种选择。下围棋和规划交通路线是同样的问题。另一个例子是物流。一辆卡车装载了60%的货物。剩余空间就是找A点还是B点加载。我们面临着很多选择。按照类似的方法，结果给出了优化目标。
不过，刘志清坦言，目前中国的技术差距还很大，大家重视不够，没有认识到这才是真正的创新以及它能带来的价值。
