这两天看了《AlphaGo世纪对决》纪录片与南大周志华老师的《机器学习》,想谈谈对人工智能的感想。

  首先概述一下视频的内容吧,AlphaGo与李世石对战的过程大家都有基本的了解,而AlphaGo的技术架构是大家陌生的内容。AlphaGo由三部分网络组成,走棋网络、估值网络和树搜索,走棋网络使用数以万计的高阶棋局训练使其模仿棋手的招式,估值网络用来衡量棋局的形式判断当前形势下获胜的几率,树搜索分析各种可能变化的情形推演未来的演变,所以本质上就是个十分深层的神经网络。而后AlphaGo与李世石的对战过程举世瞩目,作为围棋迷的我当然也十分关注,记得在第一盘结束后,李世石失误惜败,古力老师评价说AlphaGo的水平在业余七八段左右,有几步棋下的有些莫名其妙。然而,在第二盘棋AlphaGo异军突起靠着前无古人的怪招取胜,那些看似不合棋理的招式起到了极大的作用,国手们这才意识到AlphaGo的可怕之处,开始怀疑自己对围棋的理解。后面李世石包括柯洁的失败都衬托出AlphaGo的强大,聂卫平、古力等人都对其心服口服。

  但是我并不认为AlphaGo表现出了里程碑式的智能性,这一切本质上还是源于计算能力的提高以及在围棋这一种博弈问题的算法优化。

  machine learning里有个核心问题是bias-variance tradeoff,需要人们反复权衡模型中的参数,而深层神经网络也存在复杂的调参问题,比如CNN中卷积层的连接数等,很难有一个明确的方式找到合适的tuning parameter。像我上学期参加过datafoutain的比赛,用过tensorflow的架构,我深深感觉到设置CNN的结构真的很玄学,咨询有经验的学长都说先随便试试,看看结果再调整参数。所以我想说明的一个问题是:现在的人工智能并不是真的智能,本质上还是跟着人类的思维在走,或者说,只是人类的一种工具,一种好用的算法。

  谷歌在AlphaGo身上下了大血本,投人才堆资源,用最好的Nvidia硬件加速,造就了这么一款吸引大众眼球的人工智能。对很多缺乏相关知识的人,人工智能这个东西仿佛突然从电影中走进了现实,他们在惊叹的同时也产生了深深的担忧:有一天人工智能会不会统治人类?这个问题过会再说,AlphaGo在我眼中,与其说是人工智能的崛起,不如说是对过往人工智能领域发展状况的总结,无论是算法上还是计算能力上,都是在宣告我们人类已经做到了这一步。一切让人感到骄傲又不值得惊奇,毕竟一切都还在曾经神经网络的框架内,并没有根本性的突破,只不过更深、更快而已。

  那人工智能这个东西到底会往什么方向发展,或者说会不会统治人类呢?前段时间刚刚去世的霍金先生发表了关于人工智能的演讲,许多貌似有素养的明星还表达了对其演讲的思考。我觉得在现在的背景下整天思考或担忧这些问题是没有任何意义的,就比如说,物理学预言太阳系总有一天会毁灭,人类想要绵延不绝必须开拓别的星系,拥有一颗健康的恒星,现在人们已经开始登陆火星相关工作,为什么没有人担忧这个问题呢?一方面是活不了那么久,眼不见心不烦,另一方面也得看人类有没有那个能力造出超级宇宙飞船啊。

  其实人工智能也是一样,我认为现在的人工智能完全是人类的工具,还完全达不到智慧“涌现”的地步,现在的技术框架内谁也不能保证是否能实现机器的自主意识,人类对自己的大脑只有很浅的认识,哪能复现人类的智慧呢?深度神经网络模仿人类神经元间的连接结构,使用了反向传播算法,但是没有任何理由说人类的大脑是以这样的方式组织的,反向传播算法也没有任何生理学依,所以说深度神经网络复现人类智慧暂时还看不到希望。

  可见脱离了技术细节在黑匣子外看人工智能才会产生各种奇怪的担忧,虽说人工智能的滥用不可避免地会对人类社会造成一定破坏,但这跟泛滥的黑客攻击也没什么本质区别。这种杞人忧天可以算是一种泡沫,也是人工智能从业者希望看到的。

  任何技术在刚问世的时候都会产生泡沫,特别是在这个信息全球化的时代,人工智能这种大IP无疑会在全世界掀起惊涛骇浪。各种人工智能取代人类的流言不绝于耳,许多领域甚至夸大了人工智能的功能,这就是所谓的泡沫。而当热度逐渐下来,人们意识到人工智能的本质,特定的市场环境和用户需求也早已确定了,人工智能领域也成功站稳了脚跟。虽然machine learning并不是多么新颖的东西,但随着人们计算能力的提高,deep learning也是在近些年才愈发火爆,到现在都有着很大的泡沫存在,而吃瓜群众们的杞人忧天也正是人工智能领域大鳄们希望看到的。就像AlphaGo这么一个大噱头,谷歌的股票直接起死回生,与前期的投入比真的算是一场稳赚不赔的买卖。

  说了这么多,我也不是对人工智能的前景不看好,我只是说从现在的技术框架看,要实现真正的智能还有很长的路要走。当然,现在的框架也不是就一定做不到智慧“涌现”,辩证得看,就算人类的大脑不是深层神经网络的架构,深层神经网络也不一定就比人类的大脑差。就比如去年Facebook两台机器人Bob和Emily失控后的对话,吓得技术人员关掉了它们的电源,谁说的好这是不是人类创造的超越自身的新的智能呢?

  所以,梦想还是要有的,万一哪天人工智能真的统治世界了呢?

《AlphaGo世纪对决》与周志华《机器学习》观后感的更多相关文章

  1. 周志华-机器学习西瓜书-第三章习题3.5 LDA

    本文为周志华机器学习西瓜书第三章课后习题3.5答案,编程实现线性判别分析LDA,数据集为书本第89页的数据 首先介绍LDA算法流程: LDA的一个手工计算数学实例: 课后习题的代码: # coding ...

  2. 机器学习周志华 pdf统计学习人工智能资料下载

    周志华-机器学习 pdf,下载地址: https://u12230716.pipipan.com/fs/12230716-239561959 统计学习方法-李航,  下载地址: https://u12 ...

  3. 【Todo】【读书笔记】机器学习-周志华

    书籍位置: /Users/baidu/Documents/Data/Interview/机器学习-数据挖掘/<机器学习_周志华.pdf> 一共442页.能不能这个周末先囫囵吞枣看完呢.哈哈 ...

  4. (二)《机器学习》(周志华)第4章 决策树 笔记 理论及实现——“西瓜树”——CART决策树

    CART决策树 (一)<机器学习>(周志华)第4章 决策树 笔记 理论及实现——“西瓜树” 参照上一篇ID3算法实现的决策树(点击上面链接直达),进一步实现CART决策树. 其实只需要改动 ...

  5. 周志华《机器学习》高清电子书pdf分享

    周志华<机器学习>高清电子书pdf下载地址 下载地址1:https://545c.com/file/20525574-415455837 下载地址2: https://pan.baidu. ...

  6. 偶尔转帖:AI会议的总结(by南大周志华)

    偶尔转帖:AI会议的总结(by南大周志华) 说明: 纯属个人看法, 仅供参考. tier-1的列得较全, tier-2的不太全, tier-3的很不全. 同分的按字母序排列. 不很严谨地说, tier ...

  7. 【转载】 AI会议的总结(by南大周志华)

    原文地址: https://blog.csdn.net/LiFeitengup/article/details/8441054 最近在查找期刊会议级别的时候发现这篇博客,应该是2012年之前的内容,现 ...

  8. AI产业将更凸显个人英雄主义 周志华老师的观点是如此的有深度

    今天无意间在网上看的了一则推送,<周志华:AI产业将更凸显个人英雄主义> http://tech.163.com/18/0601/13/DJ7J39US00098IEO.html 摘录一些 ...

  9. 【深度森林第三弹】周志华等提出梯度提升决策树再胜DNN

    [深度森林第三弹]周志华等提出梯度提升决策树再胜DNN   技术小能手 2018-06-04 14:39:46 浏览848 分布式 性能 神经网络   还记得周志华教授等人的“深度森林”论文吗?今天, ...

随机推荐

  1. socket agent统一模板

    # -*- coding: utf- -*- # data:-- : # user:DIY # file:agent_eay.py import socket def work(i): sock = ...

  2. [JavaScript] js获取当前页面url网址信息

    在WEB开发中,时常会用到javascript来获取当前页面的url网址信息,在这里是我的一些获取url信息的小总结. 下面我们举例一个URL,然后获得它的各个组成部分:http://i.cnblog ...

  3. 读Lock-Free论文实践

    论文地址:implementing Lock-Free Queue 论文大体讲的意思是:Lock-Base的程序的performance不好,并且a process inside the critic ...

  4. git问题--Push rejected: Push to origin/master was rejected

    解决git问题 Push rejected: Push to origin/master was rejected 意思是git拒绝合并两个不相干的东西 此时你需要在打开Git Bash,然后进入相应 ...

  5. 剑指offer四十九之把字符串转换成整数

    一.题目 将一个字符串转换成一个整数,要求不能使用字符串转换整数的库函数. 数值为0或者字符串不是一个合法的数值则返回0 二.思路 详见代码. 三.代码 public class Solution { ...

  6. (转) MySQL分区与传统的分库分表

    传统的分库分表 原文:http://blog.csdn.net/kobejayandy/article/details/54799579 传统的分库分表都是通过应用层逻辑实现的,对于数据库层面来说,都 ...

  7. ubuntu生成core转储文件

    1.ulimit -c 判断是否开启转储 为0 则没有开启 2.ulimit -c unlimited 设置转储core大小没有限制 3.设置转储文件位置 echo "/var/core/% ...

  8. mongodb-添加或删除字段

    1 .添加一个字段.  url 代表表名 , 添加字段 content. 字符串类型. db.url.update({}, {$set: {content:""}}, {multi ...

  9. redis-springdata-api

    使用StringRedisTempalte操作redis五种数据类型 spring-data中继承了redisTemplate, 提供redis非切片连接池 代码github地址: https://g ...

  10. FindBugs:Java 静态代码检查

    在使用 Jenkins 构建 Java Web 项目时候,有一项叫做静态代码检查,是用内置的 findBugs 插件,对程序源代码进行检查,以分析程序行为的技术,应用于程序的正确性检查. 安全缺陷检测 ...