吴韧
NovuMind（异构智能）创始人兼CEO
我最早接触人工智能是30年前，可以说见证了人工智能的发展史。我想用自己的经历告诉大家，人工智能已经发展到什么程度，以及它可以怎样改善我们的生活。
今年3月份发生了一个历史性事件，谷歌的AlphaGo在这场世纪大战中，击败了世界级围棋手李世石。
比赛之初，大众一边倒地认为计算机是完全没有可能去和最顶尖的人类棋手抗衡的，但结果让所有人大跌眼镜。不过像我以及其他在这个领域深耕很多年的人知道，从2006年至今的这些年里，人工智能产生了多么巨大的进步。

人类的历史，或者说地球上生物的进化史，实际是一个非常漫长的过程。但这一过程让每个生物变得更加聪明，让它能够适应地球的环境变化。
动物逐渐有了头脑，有了越来越复杂的脑结构，最后出现了人脑这样一个非常精妙和强大的思维机器。这是地球物种演变数百万年的历史所带来的巨大成果。
数百年前开启的工业革命开始让我们某些部分身体的工作可以被机器替代，并且做得更好。如果说工业革命让人类的肢体从体力劳动中解放出来，那么上世纪计算机的发展，则代替我们做了很多耗费脑力的工作。
纵观计算机的发展史，从算盘到计算器，再到晶体管计算机，以及现在人手一部的桌面电脑、智能手机，这里面其实是计算能力进步的一个缩影。我们试图通过提升计算能力，来让所做的事情更加简单、更加美好。
从很早开始，人们就开始思考，能否用电脑来进行棋类竞技？在上世纪60年代，计算机科学家们开始研究国际象棋程序，那么电脑是如何来下棋的呢？ 
在每一个牌面上，我们都有很多种不同的落子选择，国际象棋有35个，中国象棋可能40到45个。打比方说，现在有三种选择，我会选择其中的第一种，走这一步后去看对手有多少种可能的应对方式。
假设对手针对我也有三种应对方式，那我再继续展开看对此每一种又有多少不同的走步。
也就是说，我要选择对我最有利的走步，对手也一定会选择对他最有利的走步，如果我们把所有的可能性展开，如此反复，最后选择出一个最有利的棋步，这是计算机下国际象棋的基本思路。当然，下好国际象棋光靠这个是不行的，这就要回到计算机国际象棋的发展史。
1974年，世界上第一次国际象棋人机对抗赛，计算机程序是苏联的Kaissa，它每秒可以进行500步棋的计算；到了1997年，深蓝可以每秒钟走两亿步棋。
由此可以看到计算机的运算能力在这20多年间得到了多么巨大的提升。当然大家也知道，在1997年的这个历史性时刻，深蓝击败了苏联历史上最著名最有天赋的国际象棋棋王——卡斯帕罗夫。
这个例子实际上最深刻地告诉世界，计算机在国际象棋这个人类引以为傲的智力游戏中，已经超越了人类变成了世界的最强者，告诉了我们人工智能已经发展到了一个什么样的境界。
计算机已经可以把人类左脑的一个重要属性——Calculation（计算）能力完美地重现，这是人类历史和计算机科学历史上一个重要的里程碑。
既然计算机国际象棋已经击败了世界冠军，我们能否推而广之来做其他更复杂的人类智能活动？比如，我们可不可以用它来下围棋？
我刚才说过，国际象棋在每一个局面有35到40种选择，但围棋不同的是它的一个棋面可能有多达300种不同的选择。把国际象棋和围棋的运算步数写成数字，就是10的50次方和10的170次方之间的区别。
对大家来说，这也许只是两个冰冷的数字。我举一个例子，我们宇宙中所有原子的数目只不过是10的80次方，尚且远远小于围棋的变化量。也就是说，沿用国际象棋单靠计算和演绎的做法，实际上没有办法把围棋程序做得更好。
国际象棋所采用的暴力计算、暴力推理的方法，并不能够重现人类其他方面能够展现出来的智能，比如下围棋。
为什么人类可以下好围棋？究竟是什么原因让我们面对一个如此复杂的智能游戏，能做到心中有数，并且非常漂亮地走步？爱因斯坦说过，真正有价值的东西就是直觉。
直觉是人类智能中大家觉得通过计算机不可重现的高级能力，一个人类棋手可以给予对手的最高的荣誉就是：他的棋感比我好。这种感觉远远超出棋步上的计算，超出人类辛苦的付出。直觉在围棋上的表现就是所谓的棋感，这是围棋领域里关键之关键的一项能力。
世界上有这样一群科学家，从上世纪40年代就开始神经网络的研究，这中间有非常多的起伏。最重要的里程碑来自于2006年，Geoffrey Hinton发表的论文《A fast learning algorithm for deep belief nets》，这件事让深度神经网和深度学习重新回到舞台。
大家可能会问，为什么这个东西40年代就有了，算法在80年代就成熟了，为什么到2006年才重回舞台，并且像风暴一样席卷全球？这中间到底发生了什么事情？我想给大家讲讲这中间发生的两件重要的事。
第一是互联网将人类带入大数据时代，我们现在有能力收集到非常海量的数据，我们的电脑可以从极多不同的案例中学习再学习。这个学习的过程又来源于另一个重要突破，就是计算机运算能力的提升。
如今每个人面前的桌面电脑的运算能力，可以说和2000年世界上最大的超级计算机的能力想媲美。这种计算能力的普及和提升加上大数据，就让深度学习重回舞台，并且占据重要位置。
有了深度神经网以后，怎样来模拟围棋的棋感？大家知道，围棋棋盘的格子是19乘19，可能的选择步数是361个。这就是为什么国际象棋的办法在围棋上行不通：我们每考虑一个棋步，就会产生361个可能性。
但是如果我们有了一个好的深度神经网络、围棋棋感网络的话，计算机就会告诉我，只有某两步棋在这个局面上是相关的，也就是说这个感觉已经给了我们非常强的引导作用，我们只需要在这两步棋里面进行展开。
也就是说，计算机可以让我们从非常复杂的棋局中，挑选出几个关键棋步来展开并进行推理，这就是计算机下围棋的基本原理。计算机的直觉是怎么来的？实际上电脑和人脑训练直觉是用的同样的方法。
汉朝的班固说过，「元元本本，殚见洽闻。」见多则识广，当我们把这些历史看多了以后，人脑或电脑就会形成直觉；当我们遇到类似情况，这种直觉就会做出本能的反应。这种反应就是我们所要追求的，而我们如今知道人脑和电脑可以用同样的办法获得直觉。
具体到人脸识别的例子，我们先是有了非常复杂和巨大的人脸数据库，再设计一个深度神经网络，用智能的方法来设计和训练超级计算机，借助强大的计算能力、复杂的神经网络、庞大的训练集，就会拿到非常好的人脸识别神经网模型。
同样的道理，我们可以形成非常聪明的围棋直觉网络。计算能力、大数据处理能力和深度学习能力，是形成直觉网络的关键所在。
再总结一下，深蓝的故事告诉我们，计算机能够完美重现人类左脑的计算能力；AlphaGo则告诉世界上所有人，计算机可以搞定人类的右脑能力之一——直觉。
计算和直觉，这两项基本的人工智能能力，会为我们将来的生活带来翻天覆地的变化。如今，人脸识别、语音识别、智能家居、医疗图像…我们越来越多地看到人工智能从方方面面进入现实生活，将来会形成所谓的智能互联网时代。
我自己非常幸运，30年前就开始开始做人工智能研究。我走过了非常多的路，也见证了人工智能的成长，我记得自己做的第一个中国象棋程序，当时在苹果电脑上运行，能够一秒钟判断一个棋步，也就是NPS等于1；
到1997年我们看到深蓝击败了国际象棋的世界冠军；今年更是看到AlphaGo在围棋上也击败了世界冠军。
实际上我想说的是，计算能力才是真正的内在驱动力，是计算能力让我们做到以前不可想象的事情，做到以前绝对没法做到的事情。
再下一步，我们要做的事情，就是从所有人的连接到所有物的连接。我们要给每一个小东西装上一个大脑，就像我们开头说过的地球物种进化史一样，以后我们会看到一个新的物种，它也有感知，也可以处理，也可以反应，也可以适应。
同时所有地球上其他的这些聪明的小东西，能够进行更智能、更高层面的通讯。世界到那一刻，就会真正变得更加简单，更加美好！谢谢大家！

吴声 | 新物种起源：人类进化成网红？
廖宇 | 未来人人皆可售电
虞晶怡 | 我要制造像人眼一样的VR技术
李磊 | 我是一个非典型律师
蒋琼耳 | 美以致用
谷好好 | 我如何让一场昆曲卖出百万票房
点击标题 查看往期回顾

继续阅读
阅读原文