首頁>科技>

人工智慧能取代圍棋老師教圍棋嗎?

這是一個所有圍棋愛好者,尤其是圍棋老師非常關注的問題。表面看似乎非常簡單,AlphaGo都戰勝世界冠軍了,還不能教圍棋嗎?總不能說做個圍棋老師比戰勝世界冠軍還難吧?

這個回答似乎非常犀利,然而犯了概念混淆的邏輯錯誤,把完全不同的兩個東西在做類比。就像郭德綱說的,不想做司機的裁縫就不是好廚師。

現在無論正方反方,都收起情緒化的表達,冷靜的以邏輯推導。具體看一看這個問題的答案。

先說一段20年前的軼事

1996年IBM的深藍電腦利用演算法戰勝了國際象棋世界冠軍卡斯帕羅夫,在全世界引起了轟動。雖然那個時候沒有微信,但謠言的傳播從來都不用藉助技術的手段,很快就出了一個小段子。

大意就是說機器人與人類進行對弈,輸棋之後惱羞成怒,當場放電把對手電暈。船長看了一笑置之,不過許多人信以為真,憂心仲仲地開始杞人憂天,擔心發生機器人接管人類的世界末日,甚至驚呼——終結者來了

船長耐心地解釋:電腦能在國際象棋上戰勝人類,利用的是演算法,簡單的說就是“軌跡法”。因為國際象棋每一步走法位置都是相對固定的,棋盤又不是很大,只要算清了變化,利用窮舉法就能找出那條取勝之路。

然而輸棋之後放電殺人那就另一回事了。這裡面牽扯到一個極大的突破就是——電腦要有一個輸棋之後惱羞成怒生氣的程式

這個玩意兒可怎麼解決呀,情緒應該是自發的,沒有生命沒有靈魂之物,他可以生氣嗎?這個要是有了才是創舉

生氣之後還要有一個放電殺人的程式

。設計這麼一個程式技術上沒難度,但是不違法嗎?而且下棋這個事情大家都知道,AlphaGo下棋的時候有開發團隊的黃博士做人工臂。假如輸了棋可以放電殺人的話,難道還要外接一隻高壓電棍嗎?什麼樣的比賽允許這樣進行

總之,船長從邏輯上進行了耐心地推導,做出了自以為專業的回答。然而不出所料,換來的是周圍的一臉懵逼。好在船長習慣了也不太介意。

其實這個小例子就是說明很多事情看上去很簡單,然而卻沒法做類比,因為不是一回事。

那麼,回到圍棋程式AlphaGo上來,我們先研究一下現在的人工智慧跟以前有什麼不同,它是利用什麼方法擊敗世界冠軍的。下一步我們再來研究一下,如果是教圍棋尤其是教小孩下棋,跟著上面有什麼相同之處,不同之處,是否能利用擊敗世界冠軍的能力去教孩子下棋呢?

首先,把AlphaGo下圍棋並不是單純利用計算,也沒有采用窮舉法。簡單地說AlphaGo下棋需要三步。

第一步、圖形識別

人工智慧運算的路徑是模仿人腦,並非是在後臺計算一大堆座標,而也要像利用人類視覺似的,先對著棋盤進行圖形識別。

第二步、卷積層

這個術語比較專業,這裡面還有一個神經網路的概念,船長也不大懂。只能儘量簡單的說,就是對於一種下法的結果要進行多層次的綜合的邏輯判斷,是得是失,是好是壞,等等有很多指標。進行判斷的層數越多就是考慮問題越全面越周密越深刻。

第三步、深度學習

這一步最容易引起大家的誤解。機器的所謂深度學習,其實重點不是深度而是廣度,主要利用的就是大資料。這點電腦的優勢發揮的淋漓盡致,比如說AlphaGo可以一天自我對局100萬盤,一個月就是3000萬盤。試想一下,一個頂尖棋手一生能下多少盤棋呢?

假如我們也來個穿越,回到棋魂上所描寫的秀策時代。那個時候沒有網路,正式對局記錄的幾百盤加上各種練習對局,上萬盤不得了了。而AlphaGo的一個月的對局量就相當於秀策3000世!俗話說,三個臭皮匠,賽過一個諸葛亮。僅從數量上比,電腦一個月的對局就等於一個頂尖棋手一生對局量的3000倍,能不厲害嗎?所以說人工智慧2016年的突破所依賴的深度學習,其實核心就是現代的大資料收集與處理。

2017人工智慧元年:圍棋創世紀

那麼,現在從技術控理工男的路子中跳出來,以一個人類圍棋愛好者的角度來簡單總結一下要點。

1圖形識別——就是人類的打譜,學習棋形找棋感

2卷積層——就是邏輯判斷,或者說學習棋理,建立棋盤上的三觀。

3深度學習——對於人類來講是不可能,只能儘量提高學習效率。從自己下過的幾百盤幾千盤對局中自行積累經驗,這個就看每個人的天賦了。

多年前日本的林海峰九段寫過一本圍棋書《九段的感覺》重點剖析了許多職業棋手下棋計算的思路。其中就明確的提出,圍棋有三個層次:最基本的計算,再高一步是判斷,最頂級的是感覺。我們不妨把這幾個思路逆推過來,跟AlphaGo下圍棋學圍棋的原理基本是一致的。

現在回到主題:AlphaGo都能戰勝世界冠軍了,還教不了圍棋嗎?這句話感覺上政治正確,但實際上是在拿不同的東西做類比。圍棋愛好者都有數,當世界冠軍跟教5歲的孩子下棋完全是兩回事。那麼我們現在用技術的語言來分析一下,教小孩兒下圍棋需要用什麼功能。

第一步、自然語言識別

對弈不牽扯語言識別的事,只是圖形識別就好。而教一個小孩下棋,一定是雙方的交流,不能只是單方面的灌輸。機器的語言可以表達的極為精確,但孩子可能聽不懂,而小孩說出的話來機器能明白嗎?

況且很多孩子說話都是詞不達意。原本就是語言學習的敏感期,有的話不是有經驗的老師都聽不懂,何況電腦。

況且,最關鍵的就是目前AlphaGo技術的方向是圖形識別,根本不牽扯不了自然語言識別這一塊。

第二步、卷積層

如果說AlphaGo的卷積層重點進行的是棋盤上的大小邏輯判斷,那麼要來教學的話在卷積層中還要判斷如何進行表達。比如需要找出什麼棋形例題,舉什麼例子,用什麼語言組織,甚至開什麼玩笑。小孩兒學棋下棋過程中可能會分心走神,輸棋了可能會灰心失望,這個時候兒是否進行一下安慰,是否進行一下鼓勵呢?

這裡面牽扯到另一個問題——人工情緒識別。(這個術語是船長編的)老師可以是機器,孩子卻是真人啊。雖然現在有的電腦已經通過了圖靈測試。然而。在船長看來,能編段子,能說笑話的人工智慧才是方向。在教課這上面,我們需要的的是一個AlphaGo版的憨豆先生。

第三步、深度學習

AlphaGo在這一步是利用自我對局實現的。而教課這個環節資料的採集樣本怎麼解決呢?難道找1萬個孩子讓他來教,機器倒是不嫌麻煩,家長恐怕受不了吧,我們家就這一個孩子,可別讓機器給弄蒙了。當然啦,真要研發這項技術,一定會有方法,不見得用那麼笨那麼土的招。船長只是開個玩笑。

第四步、商業驅動

開發AlphaGo的深度思維公司是一家英國公司,後來被谷歌收購。之所以對人工智慧深度學習感興趣,是要用它解決一些應用非常廣泛的大問題。(下圍棋只是一個實驗專案,當然也是一次頂級的公關營銷活動。)只有這樣,鉅額的資金投入,頂尖的知識團隊才能有回報,比如醫療問題、法律問題、財務問題等等,這些都是人工智慧的重點方向。如果開發了這麼尖端的技術,只是用來做教圍棋這麼小眾的專案,作為驗證是可以的,作為一項商業應用,就有點得不償失,頗有牛刀殺雞的感覺。

第五步、社會倫理

這條似乎有點兒扯淡,一個技術問題跟社會倫理有啥關係呢?實際上,西方大公司對此非常看重,這就是他們公司的社會責任和價值觀,船長認為還是非常人性化的。比如AlphaGo為啥退出中國,為啥宣佈不再參加圍棋比賽呢?簡單的說,他們不願意打亂圍棋市場,破壞人類的一項產業。

假如AlphaGo真的帶頭開發人工智慧教學了,以這些公司的技術實力很可能成功。然而,在他們成功的同時,可能一項產業被摧毀了,成千上萬的人要失業,要流離失所。按照中國邏輯,我成功了就好,你們這些事兒和我有啥關係。按照西方的觀點,這是一個企業的社會責任感,不可以隨便的去做。這就是阿爾法狗功成身退,退出中國的社會倫理背景。

不管國人如何看待,船長深為佩服。如果不以為然,請以某中國公司聲稱中國消費者願意用隱私換取便利去做對比。順便說一句,請大家祈禱,這項技術千萬別被中國公司開發出來。否則,全體圍棋老師沒有商量餘地的失業。

總之,船長看來人工智慧教圍棋短期內是不可能實現的。

1這一項功能跟AlphaGo下棋的完全是兩條線,不是一回事

2要想開發這個功能,需要一些新的演算法,新的邏輯,未必會有人願意進行商業開發。

3目前有實力的公司是有社會倫理的,不一定幹這些事。國內的某些大公司是一定會這麼幹的,但目前商業利潤又讓他們無利可圖。當然,打著人工智慧旗號的一些騙子是有的。

總之,暫時不會有人衝擊圍棋老師的飯碗。這就是船長一個偽理工男,關於人工智慧教學這件事所作的假專業,真燒腦的“科學論斷”。

最後說一個笑話

1867年的平安夜,美國西部一個小鎮傳出了世界末日的準確訊息。居民們聽了人心慌慌,只有一個二愣子大叔不以為然,照樣傻吃傻睡。

平安夜鐘聲一過,全村的男女老幼們都舉著十字架蠟燭,來到了一座能看見海岸的小山上進行祈禱,許多人留下了虔誠的眼淚。然而一驚一乍的一夜過去了,末日遲遲沒有到來,大家有些懈怠了,甚至有人心裡面開始偷偷地對信仰產生了動搖。

黎明了,太陽馬上要升起,突然響起了一陣刺耳的喇叭聲,眾人驚得跪倒在地上。緊跟著一個粗俗的大嗓門(二愣子大叔)在村邊上大喊:“快下地幹活兒吧,大天使是不會幫你收土豆的!”

  • 整治雙十一購物亂象,國家再次出手!該跟這些套路說再見了
  • 小米版“禪定模式”來了,一起來看看吧!附帶下載方式