原标题：人类进入与人工智能共舞的时代
       号称“千古无同局”的围棋对弈，正在迎来一场史无前例的千古变局。

       2016年3月，在世界职业围棋排名网站GoRatings.org上，非人类棋手的名字前所未有地出现了——它就是人工智能围棋程序AlphaGo。目前，AlphaGo的职业排名仅次于中国的柯洁、韩国的朴永训以及日本的井山裕太。本月与AlphaGo对战五局四度落败的韩国世界冠军李世九段，排名屈居其后。

       根据AlphaGo的设计方、谷歌（Google）旗下Deep Mind公司披露的技术资料，与人类棋手对弈的 AlphaGo，其背后有170个GPU和1200个标准CPU组成的计算网络，使用蒙特卡洛树搜索（Monte Carlo tree search），借助值网络（value network）与策略网络（policy network）这两种深度神经网络，通过值网络来评估大量选点，并通过策略网络选择落点。在这种技术机理的支持下，“AlphaGo的表现让人惊叹”，中国科学院计算所研究员、中国计算机学会高性能计算专业委员会秘书长张云泉接受《中国发展观察》采访时说，以超级计算能力的提升为基础，AlphaGo通过深度学习（deep learning）获得整体态势判断能力，这是它能够战胜人类优秀棋手的根本原因，也体现了近年来人工智能至为关键的突破性发展。

       AlphaGo的优异战绩掀起了世界范围内普通公众对人工智能的好奇。公众由之得以了解，人工智能中的机器学习技术（machine learning）近年来取得巨大进展。“进展到什么程度呢？现在对很多具体的任务，只要能收集到足够多的高质量数据，那么我们就可以利用机器学习技术构建出达到或接近人类顶级专家水准的系统”，南京大学计算机科学与技术系副主任、机器学习与数据挖掘研究所（LAMDA）所长周志华教授对本刊说。

       AlphaGo是一个象征，一个里程碑。它告诉人类，人类与人工智能共舞的时代，正在来临。

       有趣的新时期

       当前，人工智能和人的关系进入了一个有趣的新时期——专注于无人驾驶技术研究的驭势科技CEO吴甘沙这样判断。他告诉本刊记者，现在的情况与十几年前大不相同。2000年吴甘沙刚刚加入英特尔时，这家公司的语音识别研究水平是顶级的，但很快，人工智能的冬天来临。他们遇到的瓶颈是，英特尔希望找到一个重度计算的“杀手级”应用（给用户一个升级的理由），而一台奔腾3就能轻松地跑起最好的语音识别算法；同时，语音数据的采集也是个大问题。由此，语音识别研究销声匿迹，只有计算机视觉的血脉尚存。

       最近十年，人工智能发展提速。随着成本可控的超级计算能力的突破，1960－1970年代就已初出茅庐的深度学习算法得以快速发展，“像是一个徒步赶路的人骑上了快马”，张云泉研究员形容。同时，在这一过程中，大数据功不可没——深度学习的背后，是大数据驱动的大规模分布式机器学习的勃兴，文本翻译、语音识别、无人驾驶、智能机器人等领域均实现突破。

       智能机器人微软小冰是一个典型案例。小冰在与人的交互中获得了大量数据，得以不断延长与人的对话轮数，目前已经达到23轮。与第一代小冰亮相时，很多用户觉得它的回答让人“完全不想接着聊”相比，如今的第三代小冰已有相当的进步。

       另一个趋势则是，深度学习从普通认知进入专家认知领域，甚至非认知领域。最近一两年，深度学习在医学影像识别中的应用得到了广泛共识。大量医务人员参与数据标注，使得深度学习在识别病理特征的能力上迅速逼近专业医生。而在医疗健康的另一个领域，深度学习在药物研发和精准医疗等非传统认知领域也突飞猛进。“这一领域的发展预示着人工智能可能会先取代白领（需要专业领域知识的人），而不是蓝领（需要精细操作的人），这可能超越大多数人的想象”，吴甘沙判断。

       谁更聪明？

       李世6岁学棋，20岁成为九段棋手；AlphaGo为迎战他，特训5个月。1∶4的战绩背后，人类智能和人工智能，有何可比性？

       张云泉研究员说，人工智能程序的“智能”与人类智能，二者的形成机制未必一致。超级计算能力并不能线性地直接转化为人工智能，必须经由合适的模型和算法（特别是深度学习）才能实现。深度学习算法的出现和实用化，加之大量的数据训练（即大数据），其结果才会是：超级计算机的计算能力能够转化为人类所感知到的某种特定的“智慧”。就像微软小冰，它利用了微软必应的知识图谱，但实际上并不能理解聊天中的多数语义。

       周志华教授亦坦言，人类智能的“鲁棒性”极好，遇到新事物后很快就能适应，而人工智能则不行。目前机器学习技术的一大瓶颈，是在每遇到一个新任务时，就需要收集大量高质量样本才能构建出强大的模型；但人类在做许多新任务时往往只需很少的样本即可显著提升能力，这是现在的机器学习技术尚无法做到的。

       比如驾驶技术，人只需要在驾校学习几十个小时、上路几百公里即可适应各种不同路况。但另一方面，人可能一年只能驾驶一万公里，而且随着行驶里程的增加，到一定程度后，人的驾驶技能的提升反而没有前期那么明显。对比应用人工智能的无人驾驶技术，一万辆车搭载人工智能驾驶系统，每辆车每年行驶一万公里，人工智能就学习到一亿公里的经验。也许在五千万公里的时候人工智能驾驶系统还远逊于人，但到一亿公里时，它将超越人类驾驶员。现在已经实现的增强驾驶（augmented driving），就是人在驾驶时机器同时在驾驶，机器是在学习人的驾驶偏好、行为和对不确定情况的处理。

       “人工智能是人帮助机器实现殊途同归”，谈及该问题，吴甘沙引用了一句西谚：“If it looks like a duck, swims like a duck, and quacks like a duck, then it probably is a duck.”（如果一样东西看上去是鸭子，游泳起来像鸭子，叫起来像鸭子，那它也许就是鸭子。）人工智能就是这样的类人智能。

       未来的图景

       “人类进入屏幕时代。屏幕可以弯曲，除了直接在手机上阅读的电子书，桌子、椅子、衣服上也可以有屏幕，无处不在。我们不用坐在电脑前，整个身体可以与屏幕互动。屏幕也在看我们，追踪我们的眼球、细微的动作，分析我们的注意力集中在哪里，将结果输出，与我们进行互动。”

       这是科技杂志《连线》（Wired）创始主编凯文·凯利（Kevin Kelly）在他的著作中描述的一个未来场景。人工智能技术的进步，给人类带来很多想象。

       接受本刊采访的中国科技大学科技与战略风云学会研究员陈经认为，从微观上讲，人工智能推广应用，将会产生一些面向普通公众的流行产品，如更为智能化的智能手机、智能家居等，这会产生新的需求，促进经济增长。从更为长远的技术发展路径角度看，人工智能将是继上一次IT革命后的下一代人类工业技术革命，其意义无比重要。这将有力促进人工智能相关技术本身的发展，也会促进这些技术在各个行业中的应用。

       在他看来，人们关注人工智能下棋，也会对其背后的技术产生兴趣，对技术细节及技术潜力更为了解。可以预见人工智能行业将会得到更多的投资，相关投资可能迎来爆发式的增长。对于IT业来说，人工智能确定无疑是未来的方向。

       “人工智能的发展速度，超越了人们的预期”，张云泉研究员说。即便是最前沿的科学家，在做出关于其研究领域发展程度的预判时，也有不准确的可能。科学技术后来的发展超出此前人类对它的预期，在科学史上，这样的事情并不鲜见。正如AlphaGo与李世对弈前，许多人甚至包括相关领域的科学家，并不看好甚至嘲笑它，但后来的事实表明，它的表现震撼了所有人。

       也正因如此，有人开始担心出现疯狂的人工智能研究者或利用者，通过尖端的人工智能技术，做出违背人类伦理的行为；或者机器人某一天拥有了“自意识”，脱离人类掌控，以人类为敌。在陈经等人看来，随着人工智能技术的继续发展，可能科学界会找到“强人工智能”的研发路线图，即计算机科学家知道如何创造有自主意识的电子生命。

       霍金等科学家曾郑重警示人类，人工智能表面上看似乎是一种有益的智能技术，但在未来，这种技术可能会造成人类的终结。霍金认为，人类正面临来自智能技术的威胁，随着技术体自身开始学会自我思考，拥有超级大脑的机器将能够不断进行自我改进，从而不断提升自身的能力，并学会适应环境，人类将面对不确定的未来。

       考虑到这种可能存在于未来的风险，一些研究者已经有所动作。2015年12月12日，非营利性人工智能项目——OpenAI宣布正式启动，Y Combinator 总裁 Sam Altman 和特斯拉 CEO Elon Musk 共同担任联席主席。OpenAI的使命是 “推动数字智能的发展，同时不被财务回报限制，从而造福整个人类”。

       但是在现阶段，科学家们的看法是，人工智能还处在早期起步期，无须杞人忧天。人工智能是一门科学，使用了什么技术，能达到什么能力，研究者心中有数。“就像人造出飞机，一定知道再怎么发展它也不会像真鸟一样能生小鸟”，周志华教授说，“人工智能”这一名词虽然容易引人遐想，但其实我们不妨把它当做高级一点的仿生学。人工智能绝不比造飞机、火箭的技术更不安全。“就像菜刀本身很安全，但是有人会拿着它出来砍人……拿人工智能技术砍人当然比菜刀厉害。”如果人工智能存在危险性，其根源也在人类自身。

       人类应当怎样看待人工智能？“螳臂当车只会适得其反。以一种警醒的态度来拥抱新科技则有效得多”，凯文·凯利在他的书中这样说。（记者?杜悦英）