Yahoo奇摩新聞 
被AlphaGo之父刷屏了？3段視頻讓你了解人機大戰的真實意圖
AlphaGo與柯潔大戰在即，它的創造者傑米斯·哈薩比斯又是如何考慮這場的人機比賽的？他如何看待柯潔？哈薩比斯對深度學習和人工智能的理解又是怎樣的？他何以如此相信通用型人工智能，或者說強人工智能？
我們先看AlphaGo之父幾個相關的演講片段。之後，我們會請CSDN、極客幫創投和AI100的創始人蔣濤專門來點評這場大戰。
柯潔已經輸過，重要嗎？
參考影片
提起AlphaGo大戰柯潔，就不能不提年初大戰群雄的Master。
2016年12月29日晚七點，弈城圍棋網出現疑似為AI的圍棋高手“Magister”，後來改名“Master”；2017年1月1日晚十一點，它又轉戰至野狐圍棋網。Master以每天十盤的速度在兩個圍棋對戰平台上挑戰中、韓、日、台的頂尖高手，至結束時60戰全勝，大勝柯潔、樸廷桓、陳耀燁、古力、常昊、朴永訓等世界冠軍。
其中，柯潔三次敗北，他為此輾轉反側，夜不成寐。柯潔在微博中說，“人類數千年的實戰演練進化，計算機卻告訴我們人類全都是錯的。我覺得，甚至沒有一個人沾到圍棋真理的邊。”
因為，AlphaGo一直在自我創新，比如，下圖左側的棋局中：
右下角紅色圓圈處的黑子，落子所在的第二條線交點，在人類過往的認識中就不是那種有效的位置。
柯潔在微博中緊接著寫道，“從現在開始，我們棋手將會結合計算機，邁進全新的領域達到全新的境界。”哈薩比斯在演講中專門說到了這裡的異曲同工之處： “柯潔提到了圍棋的真理，我們在這裡談的是科學的真理。”
“就算阿法狗戰勝了李世石，但它贏不了我。”
相比去年AlphaGo大戰李世石時這句狂言，柯潔後來就收斂多了。問題是現在，他心裡還有人類必勝的信念嗎？
超越人類認知的極限
參考影片
在談Master前，哈薩比斯先解釋瞭如何進一步改進AlphaGo，特別是如何在圍棋上超越人類的認知極限：
首先，他要繼續研究李世石打敗AlphaGo的第四局比賽，以填補AlphaGo在知識上的空白。解決辦法是建立一個新的AlphaGo分系統，用以迷惑主系統。同時進一步優化系統性能，過去需要至少3個月才能完成的訓練，現在僅需一周時間。
其次，我們需要理解AlphaGo所採取的決定，並對其進行解釋——它這樣做的原因是什麼，是否符合人類的想法？通過對比人腦對不同落子位置的反應與AlphaGo對落子位置的反應，也許我們就能找到一些關於圍棋的新知識。
打造強人工智能
參考影片
這就說到了AlphaGo，或者說是DeepMind的使命。
解決什麼是智能的問題；用它來解決其他所有的問題。
哈薩比斯相信，如果人工智能最基本的問題得以解決，理論上任何問題都可以被解決。
他的方法是打造一台通用型學習機器，也就是強人工智能。哈薩比斯認為這是可能的，只要通過大量的數據資源找到最合適的解決方式和算法，具體的技術就是“強化學習”。
他的解釋是這樣的：
首先，想像這樣一個AI代理，它需要了解自己所處的環境，並儘力找出其要達成的目的。此處的環境可以是真實事件、機器人、虛擬世界；帶來通過兩種方式與周圍環境接觸——觀察並據此做出行動。
然後，在此基礎上，建模並找出最佳選擇，這會涉及到對未來的預期、想像，以及假設檢驗。通常，代理是處於真實環境中，到時間，系統會輸出當前所找到的最佳方案。而該方案會或多或少地改變環境，進一步驅動結果的觀察，並反饋給代理。
這就是強化學習的原理，示意圖很簡單，但其中涉及的是極其複雜的算法和原理。如果大部分的問題得以解決，我們就能打造出通用型的人工智能。
從數學角度講，在計算機硬件和時間無限的前提下，打造一個通用型的人工智能，所需要的只有信息，大量的信息。從生物機制講，人腦是受多巴胺控制的，它所執行的就是強化學習的功能。因而，強化學習會是解決人工智能問題的有效工具。
由此看來，就算打敗柯潔，AlphaGo依舊征途漫漫。
