原標題：下一步“阿爾法狗”何去何從

谷歌旗下的“阿爾法狗”（AlphaGo）最終以4∶1戰(zhàn)勝韓國圍棋九段棋手李世石。繼跳棋、象棋之后，人工智能在挑戰(zhàn)人類的清單上，再添濃墨重彩一筆。下一步“阿爾法狗”又何去何從呢？

對抗其他游戲

“阿爾法狗”的通用方法中有幾個元素是專門為圍棋這項游戲而設計的，這一方法或許可以用來解決與模式識別、制定計劃和做出決策有關的問題，但仍有其局限性。加拿大蒙特利爾大學計算機科學家尤舒亞·本希奧解釋說：“它的確令人印象深刻，但仍然面臨諸多挑戰(zhàn)?！?/p>

盡管去年10月份，“阿爾法狗”擊敗了歐洲圍棋冠軍樊麾，但李世石此前預測，他將以絕對優(yōu)勢贏得這次比賽，不過，現(xiàn)實給了他沉重的一擊，他也為自己的失敗深感震驚。

主要研究人工智能發(fā)展趨勢的美國亞利桑那州州立大學社會科學家邁爾斯·布倫代奇認為，“阿爾法狗”的進步很大程度上要歸功于一個事實：下棋次數(shù)越多，它表現(xiàn)得越好。實際上研究人員在“阿爾法狗”算法中搭建了兩套模仿人類思維方式的深度神經(jīng)網(wǎng)絡。DeepMind團隊先讓“阿爾法狗”對人類比賽出現(xiàn)的3000萬種圍棋方位進行研究，然后通過自己不斷地下棋來提高技能，這一技術被稱為“增強學習”。接著，“深度思維”將“阿爾法狗”識別成功圍棋布局的能力同“預測搜索”技術結(jié)合在一起，利用“預測搜索”技術，“阿爾法狗”會評估進行某些移動可能會產(chǎn)生的后果，并在此基礎上，決定下一步如何走。

DeepMind已經(jīng)攻下了大部分棋盤類游戲的“城池”，但機器仍然無法在多人參與的撲克牌游戲中打敗人類。目前，該團隊已經(jīng)表達了對抗具有科幻性質(zhì)的戰(zhàn)略性游戲《星際爭霸》的興趣。

超越游戲看醫(yī)療

加拿大麥吉爾大學的計算機科學家喬爾·皮諾認為，“阿爾法狗”算法取得的成功讓人們不禁思考，人工智能何時可以獲得多樣化的通用智能。

DeepMind公司也計劃超越游戲。今年2月份，該公司創(chuàng)立了“DeepMind健康”公司并同英國國民健康服務公司展開合作，使其算法最終能被用于臨床數(shù)據(jù)，從而可以改進診斷或治療計劃。據(jù)悉，他們已開發(fā)出一款名為Streams的軟件，讓臨床醫(yī)生能夠更快地觀察到醫(yī)療結(jié)果。

但美國非盈利機構艾倫人工智能研究所的首席執(zhí)行官奧倫·埃齊奧尼表示，這樣的應用面臨的挑戰(zhàn)與游戲不同?！霸谟螒蝾I域，你能收集大量數(shù)據(jù)，而且程序會通過玩很多游戲持續(xù)不斷地提供反饋，但在混亂的現(xiàn)實領域，數(shù)據(jù)，尤其是與罕見病有關的數(shù)據(jù)非常少；即便是常見病的數(shù)據(jù)也不那么多，因此，很難直截了當?shù)亟o某個決定貼上‘好’還是‘壞’的標簽。”

紐約大學神經(jīng)科學家蓋瑞·馬庫斯則說：“‘DeepMind’的方法并非唯一推動人工智能向前發(fā)展的方法。他創(chuàng)辦了一家名為‘幾何智能’的初創(chuàng)公司，主要研究用少量例子進行推斷的學習技術，這一方法受到兒童學習過程的啟發(fā)。”盡管“阿爾法狗”問世時間不長，但其可能已經(jīng)進行了數(shù)千萬次游戲，遠超李世石，但后者仍然勝了一局。馬庫斯說：“這表明，人能夠使用更少量的數(shù)據(jù)獲得一個模式，這一點令人影響深刻，或許人類的學習速度比機器更快?！保ㄓ浾?劉霞 綜合外電）