未来人工智能：从AlphaGo到BeltaGo.docxVIP

????

???

未来人工智能：从AlphaGo到BeltaGo

???

?

?

?

?

?

?

???

???

?

???

?

?

?

?

?

?

?

作者按：2016年，人工智能60周年。

1956年夏，麦卡锡、明斯基等正式确立了人工智能（ArtificialIntelligence）这一术语，标志着人工智能学科的诞生。

60年后，AlphaGo战胜李世石，确立了人工智能新的里程碑。智能时代正在到来，站在人工智能的历史性关口，斯蒂芬·霍金、雷·库兹韦尔、尤瓦尔·赫拉利等一大批国际学者对人工智能的未来做过大胆预测。人工智能已上升为国家战略，国家“科技创新2030重大项目”将新增“人工智能2.0”。最近，我国一批院士以及专家学者对未来人工智能和人工智能2.0进行了深刻阐述。

近年来，本人承担了人工智能相关的课程和项目，也一直在苦苦思考。本文根据本人在中国计算机学会计算机视觉分会“CCF-CV走进高校系列报告会（第二十九期）”中的报告整理而成，分享对未来人工智能的若干初浅思考。若有不当之处，敬请指正和谅解。

一、从AlphaGo看人工智能现状

?

1、AlphaGo是谁？

根据世界围棋排行榜，AlphaGo的工作单位是GoogleDeepMind，性别：无，国籍：英国。它的战绩为，2016年一月份胜了欧洲冠军，两个月后胜了世界冠军，当时，有同学问我，如果AlphaGo和柯杰下，谁赢?当时，我说，我猜AlphaGo赢，因为AlphaGo是在科学原理上赢了李世石。很不幸，我猜中了。2017年1月份对决柯洁等，60胜1和，聂卫平随后在微博上赞叹：“它是围棋上帝派来给人类引路的”。

*来源：，2016.7.1

?

2、AlphaGo为什么能赢？

围棋是棋类游戏的皇冠上的明珠，最复杂的棋类游戏，最能体现人类智慧。在这么一个19*19的棋谱上，它的有哪些信誉好的足球投注网站复杂度高达250^150。

这有多复杂？

这是宇宙级别的复杂度，根据天体物理，整个宇宙粒子数量在10^80级别。由此可见，围棋有多复杂，这也是AlphaGo震撼人类的原因。我们知道人类高手下围棋主要靠宏观的直觉，加上局部的计算。AlphaGo能够赢在于利用必威体育精装版的深度学习技术，模仿高手，并通过自我学习超越高手。

?

AlphaGo的第一招：模仿高手，学习高手的棋形。

?

要模仿高手棋形，AlphaGo需要一个分类器来判断棋形象不象高手的棋形。围棋盘可以看成是19*19的图像，虽然这个图像很小很小，但是有250^150种变化，要对这些变化分成高手棋形、非高手棋形，是一个挺难的机器学习问题。难就难在高手棋形的特征不好定义、不好提取。在人脸识别、车牌识别中，我们可以定义颜色、边缘、关键点等特征，显然围棋棋形的特征不能这样定义。深度学习是一种必威体育精装版的特征学习方法，能够自动学出好的特征。

AlphaGo用了必威体育精装版的图像分类器，叫深度卷积神经网络（DCNN）。不同于传统的人工神经网络，他层数特别多，学习和分类的能力特别强。神经网络1943年就提出来了，50年代末和80年代中兴起过两波研究热潮，以前的人工神经网络层数很浅，一般只能训练两个隐层，只能解决一些简单识别问题。2000年左右，G.Hinton等提出了一套预训练后向传播的方法，当时就能训练10几层，现在的深度学习能够学习100多层。DCNN是专门针对图像识别的深度学习方法，对局部图像进行卷积计算，效率很高。

*来源：图片来自于互联网

?

Nature上有一篇介绍深度学习的综述，G.Hinton、Y.Lecan、Y.Bengio等深度学习三巨头是共同作者[1]。Hinton、Lecun相继去了Google、Facebook，而Bengio继续留在学术界。这是一个非常有意思的现象。一方面，深度学习跟以前的学术热点不太一样，之前，学术界曾经有过很多的热点，但工业界很少跟进，更谈不上花巨资去学术界挖著名科学家。Hinton、Lecun到工业界兼职，说明深度学习是真正有用的，有可能改变产业格局。另一方面，深度学习的成功更多是在应用层面的，很多理论问题还不清楚。两人去工业界，一人留在学术界，是一种很健康的现象。

深度学习能够发挥巨大威力的前提是，要有大量的数据用来训练深度结构，深度学习会涉及到到上百万、甚至上亿的参数，如果数据不够，很容易过拟合、降低性能。而要进行这样大规模的训练，就要有超强的计算能力。其实DCNN1998年就提出来了，当时只能解决NIST符号识别问题，现在能够解决ImageNet问题，其使用的深度学习结构基本没变，主要是用了更强的CPU和以前没有的GPU，并且用了千万倍的训练图像。据说，AlphaGo存有15万职业棋手、百万业余高手的棋谱，训练的时候会用到1202个CPU，176个GPU。现在GPU服务器在深度