人工智能實際還只停留在“識別智能”？

2016年即將過去，這一年中相信諸位ICT業(yè)內(nèi)人士聽得最多的詞就是AI（人工智能），無論是企業(yè)還是媒體，凡是和ICT著邊的，都多少要冠以AI的字眼，否則就有OUT之嫌。但實際情況又如何呢？

所謂追根溯源。這里我們不妨回溯下今年比較重要或者說引起媒體和業(yè)內(nèi)對于AI關(guān)注或者炒作的幾個節(jié)點或者說是標志性事件，而對于這些標志性事件的解讀和延展無疑會讓我們看到AI的本質(zhì)。

一、谷歌旗下AI公司DeepMind開發(fā)的Alpha Go神經(jīng)網(wǎng)絡在與世界圍棋冠軍李世石的“人機大戰(zhàn)”中以絕對優(yōu)勢獲勝，進而引發(fā)了業(yè)內(nèi)對于AI的關(guān)注，之后AI開始頻頻出現(xiàn)在科技媒體和企業(yè)的報道中；

二、谷歌主打AI的無人駕駛汽車在路側(cè)中出現(xiàn)首例事故和特斯拉的Autopilot（自動駕駛系統(tǒng)）頻頻出現(xiàn)的致死事故，盡管是負面的新聞，但還是激發(fā)了業(yè)內(nèi)對于AI的關(guān)注，并以自動和無人駕駛汽車的熱炒體現(xiàn)出來；

三、是亞馬遜裝有Alex語音識別技術(shù)的Echo音箱所謂的暢銷以及有“互聯(lián)網(wǎng)女皇”之稱的 Mary Meeker 發(fā)布 2016 年度網(wǎng)絡趨勢報告時對于Echo以及AI的熱捧和向好的預測；

四、美國總統(tǒng)大選中名為MogIA的人工智能系統(tǒng)成功預測出川普將成為美國總統(tǒng)；

五、是圖形芯片公司或者說是其自己標榜為人工智能公司的英偉達股價的暴漲。

首先我們看下Alpha Go在圍棋中戰(zhàn)勝李世石究竟依靠的是什么？其實對于計算機與人類在棋類的博弈，早在1997年計算機首次擊敗了等級分排名世界第一的棋手。加里?卡斯帕羅夫以2.5:3.5 1勝2負3平）輸給IBM的計算機程序“深藍”，當時全球媒體和高科技界都驚呼標志著人工智能進入了新時代。

此前1988年，“深藍”的上一代“深思”是第一個贏過國際象棋特級大師的電腦；1996年，“深藍”成了第一個贏了國際象棋世界冠軍的電腦。需要說明的是。深藍重1270公斤，有32個大腦（微處理器），每秒鐘可以計算2億步，輸入了一百多年來優(yōu)秀棋手的對局兩百多萬局。

相比之下，AlphaGo最初通過模仿人類玩家，嘗試匹配職業(yè)棋手的過往棋局，其數(shù)據(jù)庫中約含3000萬步棋，計算能力是當初“深藍”的3萬倍。這里我們看到的與“深藍”相比最大的不同是AlphaGo在數(shù)據(jù)和計算能力上的優(yōu)勢。

在此也許有人會說AlphaGo贏在其龐大復雜的神經(jīng)網(wǎng)絡，但根據(jù)Tian yuandong和AlphaGo的論文，如果不做任何搜索（實際上考驗的是計算能力），只是根據(jù)“棋感”（其實就是估值函數(shù)），CNN（神經(jīng)網(wǎng)絡）最好能達到KGS 3d的水平，也就是業(yè)余1段的水平。

而MCTS算法在沒有Value Network的情況下在9x9的棋盤上能戰(zhàn)勝人類高手，其實印證了AlphaGo在殘局的實力是搜索（計算）起重要作用，也就是殘局的計算能力碾壓人類。但眾所周知的事實是，計算機的計算能力遠強于人類早已經(jīng)是常識。

對此，微軟亞洲研究院常務副院長芮勇在評價AlphaGo時曾對媒體表示：

“今天所有的人工智能幾乎都是來自于人類過去的大數(shù)據(jù)，沒有任何一個領(lǐng)域的能力源自自我意識，不管是象棋還是圍棋，計算機都是從人類過去的棋譜中學習。其他領(lǐng)域也是類似，計算機在做圖像識別的時候，也是從人類已有的大數(shù)據(jù)中學習了大量的圖片。

在面對人類從來沒有教過的問題時，計算機就會一竅不通。假如讓 AlphaGo 去下跳棋，它就會完全傻掉。甚至說把圍棋的棋盤稍作修改，從 19×19 的格子變成 21×21 的格子，AlphaGo 都招架不住，但是人類就沒有問題?！?/p>

牛津英語詞典對智能（intelligence）的定義為“獲取并應用知識的能力”。以數(shù)字經(jīng)濟麻省理工學院（MIT）數(shù)字經(jīng)濟倡議的研究員兼AI意見領(lǐng)袖湯姆?達文波特（Tom Davenport）的話來說：“深度學習并不是深刻的學習。”

另一位專家奧倫?埃佐尼（Allen Institute of AI）也有類似意見：“AI只是簡單的數(shù)學的大規(guī)模執(zhí)行。”簡單說，現(xiàn)在的AI實質(zhì)只是一種強大的計算方式，并沒有達到人腦那種堪稱智能的方式。

而花了15年的時間在IBM研究院和IBM Watson團隊工作的專家Michelle Zhou，作為該領(lǐng)域的專家，其將AI分為三個階段。

第一個階段是識別智能，在更加強大的計算機里運行的算法能從大量文本中識別模式和獲取主題，甚至能從幾個句子獲取整個文章的意義；第二個階段是認知智能，機器已經(jīng)超越模式識別，而且開始從數(shù)據(jù)中做出推論；第三個階段的實現(xiàn)要等到我們能創(chuàng)建像人類一樣思考、行動的虛擬人類才行。

而我們現(xiàn)在只處于第一階段，“識別智能”，也就是說，人們說的“人工智能”里面有很大一部分其實是數(shù)據(jù)分析，還是原來的套路或者說是“舊瓶裝新酒”而已。

無獨有偶，如果說上述AlphaGo最終還是依靠強大的計算能力體現(xiàn)出所謂AI優(yōu)勢的話，那么接下來我們要說的谷歌和特斯拉的自動和無人駕駛汽車則在簡單的數(shù)據(jù)分析上都出現(xiàn)了偏差。

最典型的表現(xiàn)就是此前一直被吹捧的谷歌無人駕駛汽車，今年在時速低于2英里的情況下竟然發(fā)生了交通事故，且按責任劃分當屬谷歌。

如果我們拿當時谷歌無人駕駛汽車發(fā)生事故時的選擇和結(jié)果與此次人機大戰(zhàn)中的每步棋的選擇與結(jié)果比較的話，對于AI（例如AlphaGo）來說，前者不知道要容易多少倍（谷歌無人駕駛系統(tǒng)比人類最大的優(yōu)勢就是預判對方的行為，并做出應對）。

可惜的是，谷歌無人駕駛汽車在這次事故中體現(xiàn)出了智能系統(tǒng)沒能完全判斷準確人類的行為，還做出了最令人失望，可能也是最有悖于人類駕駛員的選擇，并最終導致事故的發(fā)生。

至于特斯拉，在今年屢屢發(fā)生事故之后，其升級了到了Autopilot 2.0系統(tǒng)，并發(fā)布了第二段自動駕駛技術(shù)的演示視頻。