AI在围棋上初露锋芒
但还远不能统治世界
作者：刘成林
转载自：中国人工智能学会
昨天（2016年3月9日），Google的Alpha Go围棋系统与韩国围棋世界冠军李世石开始五番棋人机大战。前两盘棋的结果出乎多数人预料：李世石输了！我不懂围棋，也没有把这次比赛的结果看得很重，但多少被这出乎意料的结果震动。这次人机大战也引起了全社会的高度关注，科技界的，非科技界的，懂围棋的，不懂围棋的，都在谈论此事。媒体界更是不放过这十载难逢的炒作良机，在近几年人工智能（AI）技术借着深度学习之势快速发展和应用的基础上，重提“AI何时统治世界”的话题。我作为人工智能领域的研究者（我从事的模式识别方向虽不是人工智能的核心，但也是重要分支之一），虽不喜抛头露面，却也不能不发出自己的声音。
双方对战现场
关于Alpha Go的具体技术，Google DeepMind在2016年1月在Science杂志上发表的论文中已有详细介绍，社会上已谈论得较多，我不十分懂，在此就不班门弄斧了。文中提到系统在去年10月的测试中与欧洲围棋冠军，职业二段棋手樊麾对弈五盘全胜。我就被这个职业二段迷惑了，以为跟职业九段还差得远，机器在短短几个月不可能进步这么快。其实，在这次人机大战之前，我已想到机器下围棋超过人类、胜过人类顶尖高手是迟早的事，因为计算机和人工智能、机器学习技术在快速发展，只是没想到来得这么快。
樊麾败北
Alpha Go和李世石对弈的后三盘结果已经不那么重要了，机器只要赢一盘就已经是历史性事件。我们研究者更想说的是，这次对决无论结果如何，都只是一个技术领域的里程碑事件之一，不会对世界造成多大影响，更不能说明AI全面超过人类。下面是几点分析和看法：
1.机器在围棋水平上的快速进步是对已有AI理论和机器学习技术的应用和扩展的结果，不等于AI理论有了大的发展。
尤其是，Alpha Go采用深度学习技术，对大量的围棋对弈历史数据进行了分析和学习，可能对围棋名人的棋谱有过专门研究，而人类棋手还没有机会去研究Alpha Go的棋谱。因此是人在明处，机器在暗处，对样的对决有点不公平。
李世石战绩统计成为Alpha Go的绝佳学习数据
2.机器下围棋胜过人类顶尖高手不能说明机器的智能水平达到了多高的程度，更谈不上AI全面胜过人类。
Alpha Go在对棋谱的研究和学习中肯定掺入了大量研发人员的干预，比如根据围棋的特点设计相应的学习和搜索程序并反复调试。因此，本质上这还是人造的智能，机器的自我发育和自主学习能力还不强。在不同的智能能力方面，机器在一些方面（如限定环境和领域的语音识别、人脸识别、文字识别等）已经超过人类，在很多单一智能方面依靠大规模深度学习会很快超过人类，但也有一些方面未来长时间也难以超越人类，比如常识推理、综合思维、直觉等。
围棋的复杂性分析图
将来的人机围棋对决趋势：
机器有了胜过顶尖高手的开始后，将来人机对决将成拉锯之势，因为人类棋手也会开始研究机器下棋的特点和棋谱，人和机器相互研究，相互学习，共同提高，水平维持在伯仲之间。
围棋人机大战对社会和科技界的长远影响：
这次比赛过去之后会很快回归平静，老百姓继续过自己的生活，产业界继续赚自己的钱（围棋技术赚不了多少钱），研究者继续探索解决AI领域的其他科学技术问题，主要目标是提高机器的自主学习能力（包括交互学习和从多种模态数据中同时学习多种技能）和综合思维能力。
刘成林
中国人工智能学会（CAAI）常务理事
CAAI模式识别专业委员会主任
模式识别国家重点实验室主任
IEEE Fellow, IAPR Fellow
研究领域：
模式识别、图像处理、机器学习、文字识别、文档分析
主要研究成果：
在手写字符识别的图像归一化、特征提取、分类器设计、手写字符串的切分与识别等方面提出一系列有效的方法；研制的文字识别算法在日本的邮政分拣机、表格处理系统等产品中获得成功的应用，尤其是用于邮政分拣的日文手写地址识别系统是该领域第一个成功的应用。近年来在联机和脱机自由书写文字与文档识别及检索、场景图像和视频中的文本定位与识别、基于图的机器学习、基于判别学习的分类器设计与自适应、视频目标检测跟踪与行为分析等方面开展了深入研究。研制的技术在移动设备文字输入、金融票据处理、网络图片文字识别、视频文字识别等领域获得了成功应用。
获得奖励：
2005年在国际模式识别协会主办的国际文档分析与识别会议上获得IAPR/ICDAR Young Investigator Award （青年科学家奖）。2008年获得国家杰出青年科学基金。
CAAI原创丨 作者刘成林，
未经授权严禁转载及翻译。
如需转载合作请向学会或本人申请。
转发请注明转自中国人工智能学会