|
|
[游戏讨论]
【深度话题】未来世界中人类是否还有足够的能力去掌控人工智能
13
13823
楼主
最近，李世石与AlphaGo的世纪大战引得了无数人的关注，互联网媒体、电视电台、以及纸媒都将大量版面贡献出来播报世纪大战的各种新闻。那么我们就来深度探讨一下人工智能与人类。
其实对于各位电竞爱好者，无论是CS玩家、Dota玩家、LOL玩家或是星际玩家，一定都有过人机经历，在大家的人机经历中，一定有过这样的感受：即使是再强再难的AI，我们都会有办法应对，因为AI打法思路相对固定，一旦找到突破口即可瞬间攻破。对于电竞高端玩家来说，和AI一起游戏是一件非常无聊的事情，他们更愿意和打法更灵活，思路更具创新性的人类一较高下。
然而，在围棋圈，一个更加强大的人工智能程序——AlphaGo出现了。AlphaGo是一款围棋人工智能程序，由位于英国伦敦的谷歌（Google）旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子。2015年10月阿尔法围棋以5:0完胜欧洲围棋冠军、职业二段选手樊麾。
那么问题来了，为什么AlphaGo如此厉害？
阿尔法围棋（AlphaGo）的主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。
阿尔法围棋（AlphaGo）是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。
这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好。这个处理器有大量的随机性元素，所以人们是不可能精确知道网络是如何“思考”的，但更多的训练后能让它进化到更好。
第一大脑：落子选择器 （Move Picker）
阿尔法围棋（AlphaGo）的第一个神经网络大脑是“监督学习的策略网络（Policy Network）” ，观察棋盘布局企图找到最佳的下一步。事实上，它预测每一个合法下一步的最佳概率，那么最前面猜测的就是那个概率最高的。这可以理解成“落子选择器”。
第二大脑：棋局评估器 （Position Evaluator）
阿尔法围棋（AlphaGo）的第二个大脑相对于落子选择器是回答另一个问题。不是去猜测具体下一步，它预测每一个棋手赢棋的可能，在给定棋子位置情况下。这“局面评估器”就是“价值网络（Value Network）”，通过整体局面判断来辅助落子选择器。这个判断仅仅是大概的，但对于阅读速度提高很有帮助。通过分类潜在的未来局面的“好”与“坏”，AlphaGo能够决定是否通过特殊变种去深入阅读。如果局面评估器说这个特殊变种不行，那么AI就跳过阅读在这一条线上的任何更多落子。
通过以上这些关于AlphaGo的介绍资料，我们可以看到，这个人工智能系统相比于以往的AI更具学习能力，“思维”更加缜密，计算维度更多；而与人类相比，AlphaGo更加冷酷，不会讲个人感情色彩掺杂在思考中，也不会产生心理波动，当然，电脑更不会出现随着体力的消耗对个人能力上的影响。
那么~真正的问题来了，再未来世界中，人类是否还有足够的能力去掌控自己设计的人工智能系统呢？会不会出现人类无法控制人工智能系统而被AI反补的情况出现呢？AlphaGo强大的学习能力以及多维度的计算能力让他已经拥有击败世界最顶级围棋选手的能力，让人们瞠目结舌。之前我们经常在一些科幻大片中看到，人类自己研发的AI系统，由于过于智能，通过其内部的深度运算和强大的学习能力，在内部多维度快速发展，终于有一天，人类无法控制这过于强大的AI系统………………虽然这只是科幻片的桥段，但是看看如今人工智能系统的发展速度，科幻片中的情景会不会真的成为现实？大家的后背有没有感受到一丝寒意？
欢迎大家以此话题展开一系列的讨论~聊一聊人类与人工智能谁更胜一筹~~~
【相关话题】细思极恐，人工智能占领了地球怎么办？
话又说回来，不管李世石和AlphaGo最终的战绩如何，真正的超级赢家其实是Google，Google通过这次世纪大战，在短时间内赚足的关注度以及各种噱头，我猜，这会儿Google的各路高管指不定美成什么样了呢…………然而。。在我发布文章的过程中，李世石再度投降，以0：2的比分落后AlphaGo机器人，那么问题又来了。。李世石会被零封吗。。。
|
|
微信分享
变色卡
显身卡
