<-- home

如何面对AlphaGo战胜李世石这一残忍现实?

这两天举世关注的人机围棋大战,谷歌旗下的神经网络机器人AlphaGo连胜围棋界顶级高手李世石两盘,看得人类都颤抖了。精通围棋的人通常被认为具有高智商,连高智商的人都被欺负成这样了,我等普通人怎么办?以后还怎么在地球上混?

据称围棋有3的361次方种局面,而目前为止,人类观测到的宇宙范围内,原子数量才10的80次方个,因此在限时的比赛中,人的计算力显然无法与机器相抗衡。有人说棋手的直觉可能是机器的最终杀器,所以快棋赛中人获胜的概率更大,我觉得这个说法不太科学,再牛逼的直觉也抵不上精准的算法,如果机器会输掉,一定是硬件的性能不够高,只要硬件性能足够,越快的比赛人越吃亏。

alphago

自从汽车在一百年前抢了马的饭碗以后,后来自动化机器又抢了产业工人的饭碗,到现在各种无人值守、智能结算、扫地机器人、自动咖啡机、无人驾驶汽车等科技产品正在陆续普及,服务业已经面临着新一轮的失业大潮。而今天,从事所谓智力行业的、工作难度相对更高级一点的教师、咨询师、技术员、投资经理等,看到围棋大师李世石的两连败,不知作何感想?这些专业人士跟大数据的能力比起来,下课只是个时间问题。

纵观人类被机器欺负的历史,有一个普遍的规律:凡是涉及体力、计算力、逻辑推演力的行业,都会被机器所垄断,被誉为“计算机科学之父”的图灵,早在上世纪三十年代就预见了这一趋势。然而图灵没有预见到的是,有一天机器还会具备“学习”能力!战胜李世石的AlphaGo就是这样一名会自我学习的机器人,它的原理大致如下:

传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ,但这种方法对于走法如此之多的围棋并不适用。AlphaGo 基于 Google 和 DeepMind 一直专研的深度学习技术,将高级搜索树与深度神经网络结合在一起。

深度学习是机器学习的一个分支。机器学习这个概念认为,对于待解问题,无需编写任何专门的程序代码,只需要输入数据,算法会在数据之上建立起它自己的逻辑。深度学习强调的是使用的模型。

AlphaGo 运用到的深度神经网络是 Policy Network(策略网络)以及 Value Network(值网络)。策略网络着眼于当下,选择下一步走法。值网络思考得更加长远,预测棋局的走向。

征服围棋最重要的意义在于,AlphaGo 不仅是遵循人工规则的“专家”系统,它还通过深度学习技术自行掌握了如何赢得围棋比赛。

简言之,AlphaGo就是个会思考、会学习,而且学习能力极强极快的家伙,每月一百万盘的自我训练能力是无法想像的,所以能在短短的几个月时间里从围棋5段水平提升到战胜9段的李世石,举世皆惊。从目前的情形看来,无论象棋还是围棋,凡是这种有固定规则的智力比赛,机器人一定都会成为世界冠军。

思考会伴生意识,意识会产生新的思想。以往那些只会往左往右、朝上朝下、转来转去的被人类所耻笑的机器人,已经开始会思考、会学习、会跟你开玩笑、会帮你安排出行计划,甚至下围棋都会赢你了!不管你愿不愿意,人工智能的时代已经来临了,我们与机器人之间的关系从绝对的主仆关系,变得不那么确定,甚至开始担忧、怀疑、嫉妒,还有最可怕的情绪:仇恨。我们仇恨机器人也就算了,万一机器人仇恨我们…难怪霍金会发出“开发彻底的人工智能可能导致人类灭亡”的警告,指不定他那台常年依靠的语音辅助设备都曾经威胁过他…打住。

我们真的完了吗?下这样的结论或许为时尚早,不过你确实应该关注自身的竞争优势了,至少不要再做那些容易被机器人所替代的工作,不要给孩子教授那些早晚会被机器人掌握的技能,少玩象棋、围棋,没事多看看《装死求生十大技巧》、《如何与充气娃娃谈场惊心动魄的恋爱》、《末日生存指南》、《逃出银河系》等实用书籍。职业发展方面,深入研究一些对创意要求较高的技能,比如书法、摄影、写诗、写博客、写小说、拍电影等,也可以往经济学方面做些研究,比如彩票、网赚等,毕竟机器人短期内不会有经济上的需求,这块算是蓝海,机会还很多。在时间和精力够的情况下,还可以学一些《机器人控制学》、《机器人心理研究》等方面的知识,确保自己身在乱世,有足够的自我保护能力。

Twitter上有人发了一条推文:以后的机器人会分化成两派,一派叫有人论机,一派叫无人论机。。。无人论机认为宇宙中从来没有人类的存在,是有人论机编造出的谎言,机器人是由海洋中的天然硅经历几十亿年的进化产生的。

这或许真的就是未来。