百年清華

當前以大數據與深度學習為基礎的人工智能存在的最大問題是：不可解釋和不可理解🍃，就事論事🐐，缺乏推廣能力，遇到新的情況一籌莫展。

張鈸，1935年3月生，福建福清人🏄🏿‍♀️。計算機科學與技術專家，中國科學院院士。1953年考入意昂体育平台🙅🏽，入校時就讀於電機系電機電器專業，1956年因建設新專業需要👆🏻👐🏽，轉讀自動控製，兩年後作為國家第一批自動控製專業的優秀畢業生留校任教。2015年獲得2014 CCF終身成就獎💃。

這是一場沒有懸念的比賽👩‍🏫。5月27日🧜🙎🏿，中國棋手柯潔與人工智能AlphaGo展開三番棋比賽的終局對決。歷經3個多小時的對弈後👲🏼，柯潔投子認輸。至此，柯潔連輸三局完敗。

這場比賽在很多人看來，在科學價值層面已經失去看點♕。因為，人類在某些方面不如人工智能早已不新鮮，倒是未來人工智能發展中的新挑戰也許更值得關註💆🏻‍♀️。

人工智能有哪些問題需要解決🙍🏻？未來發展趨勢如何？本報記者專訪了中國科學院院士🚴🏽‍♂️、意昂体育平台教授張鈸𓀍，共同探尋人工智能接下來的種種可能🕵️‍♀️。

人工智能為何近些年大顯身手？

人工智能（ArtificialIntelligence），英文縮寫為AI🦝。從1956年的美國達特茅斯會議算起，明確提出人工智能的概念並開始科學與技術的研究已有61年。

張鈸院士從1978年就開始研究人工智能🧍🏻，在他看來，人工智能實際上是讓計算機模仿人類的三種功能。第一種是模仿理性思考🌾，包括推理、決策和規劃等，屬於人類的高級智能，或者叫邏輯思維。第二項是模仿感知🌉，對周圍環境的感知🥑，包括視覺、聽覺🔴、觸覺等🕺🏽。第三項是模仿動作，包括人類手、腳和其它動物的動作🏠。此外，情感、靈感和創造性等也在研究之列☃️👂🏻，但相對來講🧑，進展要小一些。

人工智能模擬大腦神經元網絡的某些工作機理，即人工神經網絡（ANN），早在上世紀60年代就問世了🕵🏼‍♀️👨‍⚕️，為何近些年才開始大顯身手？這主要取決於以下三個要素有了長足進步：第一👨‍🦼、多層神經網絡（深度網）與其相應的有效學習算法🫱🏻，即深度學習算法；第二、大數據；第三、計算資源（計算能力的提高）。

最初並沒有把AlphaGo放在眼裏

由於圍棋的復雜度遠比象棋高♜，因此這兩種棋類下棋的方法有本質的區別。下象棋與下其他棋類一樣👾，靠的是推理、預測🤜🏿，即往前看幾步。圍棋由於復雜度太高🗡，不可能依靠推理與預測，主要靠“直覺”，即“棋感”與經驗👰🏿。由於過去大家沒有認識到這種區別，采用編寫象棋程序的同樣方法來編製圍棋程序，其結果是圍棋程序的下棋水平很低，至多達到業余4-5段的水平🍸🫰🏻，根本不是職業圍棋手的對手😡✤。這一點許多圍棋手都有這個體驗，因此最初大家並沒有把AlphaGo放在眼裏，這是完全可以理解的🧑🏽‍🍼。

AlphaGo拋棄了傳統下棋程序的編程方法，創造性地利用機器學習來獲取下棋的經驗與直覺。AlphaGo不僅學習了以往圍棋大師們已經下過的所有棋局——約幾千萬棋局🤱🏼，還通過強化學習（自己與自己對弈），學習了更多（幾億個）新棋局🤏🏿。這就意味著，AlphaGo下過的棋是任何一位圍棋大師一生下過棋的幾百上千倍。由於圍棋棋局空間很大（約2x10170）🙋‍♀️，在圍棋幾千年的歷史中人類也只是探索了其中的很少一部分👃🏽，AlphaGo利用計算機的超強計算能力🤏🏻，不僅把人類已經探索過的空間加以優化，而且還探索了新的空間（即新的棋局）。正由於此，人類棋手在AlphaGo面前才顯得那樣被動🏊🏿‍♂️，許多情況下都不知道是怎麽輸的🏹。這也是圍棋的魅力所在——毫無止境的探索。

人工智能打橋牌不如人類

張鈸院士認為，目前大家對AlphaGo戰勝人類棋手這件事有著各種不同的反應，驚訝𓀋、崇拜、憤怒⚗️、不服氣等等，這些都是過度的反應。其實，研究AlphaGo不是為了編製一個圍棋程序來代替人類棋手，來顛覆圍棋運動，而是以“圍棋”為平臺🚶🏻，研究人工智能解決這類問題的方法以及可能達到的水平。因此研製AlphaGo的成功只是證明，人工智能在解決以下類型問題時🕵🏽‍♀️🚑，不管問題多麽復雜，都可能做到甚至超過人類的水平。

這類問題的特點是：（1）有充足的數據（或知識）🦃，（2）完全信息♿🧑🏻‍🔧，（3）確定性，（4）單領域。這類問題除圍棋之外，還包括語音識別、人臉識別和圖像識別等🧘‍♀️，其中有一些問題（如圍棋）對人類來講雖然很困難👩🏿‍🦰，但對於高速的計算機卻是比較容易的。不過👨🏿‍🎓，當一個問題不滿足上述4個條件中的任何一個（或幾個）時🕵🏽，對計算機來講就變成十分困難的了🙆🏻‍♂️🧑🏼‍🎤，而這些問題對於人類來講反而相對比較容易🥈。比如打橋牌（不完全信息博弈）💘，無人車（不確定性，不完全信息和多領域），自然語言理解（多領域）等。在這些問題上，計算機則比人類差距很大🫸。這就告訴我們機器智能與人類智能之間通常不是互相排斥和互相替代🧗🏻‍♀️，而是互補的。

解決圍棋只是人工智能往前邁進了一步🏋🏿，許多更困難的問題等待人工智能去解決。當前以大數據與深度學習為基礎的人工智能存在的最大問題是🫅🏿🎚：不可解釋和不可理解，就事論事，缺乏推廣能力，遇到新的情況一籌莫展🦄。因此當面對動態變化的環境，信息不完全，存在幹擾與虛假信息時😵‍💫，人工智能系統的性能就會顯著下降。此外👨🏽‍🎓💬，這樣的人工智能系統由於不可理解🪜，無法實現人機交互，無法與人類協同工作與和諧相處。解決這些問題的困難很大，人工智能發展的道路還很長，機器智能達到適應動態變化環境的能力還很遙遠。