在李世石两战告负后，人工智能界相对平静，但围棋界却反响激烈。似乎围棋这个被认为是天才的领域被冒犯了。因为围棋需要大量直觉思维，需要在人类逻辑推理难以企及的巨大不确定空间做出最优决策。

其实，无论是“阿尔法围棋”（AlphaGo）赢，还是李世石赢，双方都是一个学习的过程。人工智能开始深度学习，而人类也从与机器的较量中不断学到新知，不断成熟心智。

各有优劣 博弈不限于棋局

曾打败李世石的明升中国九段柯洁放言：就算“阿尔法围棋”战胜了李世石，但它赢不了我。去年樊麾落败后曾感言，因为我们是人，人类有时会犯大的错误，会疲惫，会因为太想赢而有压力，但程序不会，它强大而且稳定。

据今年1月《自然》杂志上的论文介绍，“阿尔法围棋”的程序使用蒙特卡洛树搜索算法，并引入了两种神经网络技术，通过“值网络”评估大量位置的价值，通过“策略网络”选择落点。研究人员让“阿尔法围棋”模仿人类学习的过程，观看学习人类专家的对弈布局，训练这些深度神经网络，还自己跟自己下棋以增强学习。利用这种搜索算法，“阿尔法围棋”在和其他围棋程序的对弈中获胜率达到99.8%。

即使人工智能在各类游戏中击败人类，也并不意味着机器比人类更智慧。大多数人工智能系统是“专才”，只能完成一种特殊任务。虽然在理论上，“阿尔法围棋”学习围棋的方法和人类的学习过程一样，有很强的通用性，但要从“专才”变成“通才”，还有很长距离。

“阿尔法围棋”创始人德米什·哈萨比斯说，DeepMind的目标就是开发出人工通用智能（AGI）系统，要实现这一目标还有许多挑战。尤其是这种程序尚不能有效地把一种学习系统如围棋，转变成另一种新任务系统。而人类却能在各种学习任务之间无缝转接。“目前，我们还不知道怎样做到这一点。”

从“人工智能”到“人工通用智能”

德国人工智能研究中心的安德烈亚斯·登格尔说，从人工智能的角度看，“阿尔法围棋”胜出是证明深度学习技术潜力的有力证据。这些进步可能意味着人工智能正在走向快速发展的时代，或能引领新一轮明升创新与变革的到来。

app家预测，从“人工智能”到“人工通用智能”是发展趋势。在哈萨比斯的未来愿景中，人工通用智能将能够与人类专家协作，解决癌症、气候变化、能源、基因组学、宏观经济学、金融系统、物理等方面的几乎所有问题。他说：“我们想要掌握的学科越来越复杂，即使是最聪明的人，穷其一生也难以掌握其中一个领域。我们将AGI看做一个能够自动将非结构化信息转化为可用知识的过程，那么通过筛选泛滥的数据得出合理的观点就指日可待了，我们正在努力研究的是一种可以解决任何问题的超级解决方案。”

深度学习 只为当好人类助手

DeepMind公司的研究领域包括深度神经网络、增强学习、神经app仿生模型等。虽然他们还未能把“阿尔法围棋”变成“通才”，但已在今年2月发布了用于医护领域的深度学习程序DeepMind Health。这是一款手机应用程序，包括“识别风险病人”（Stream）和“早期临床护理管理”（Hark）两个模块。这意味着人工智能可以在医疗领域当好人类的助手。

Streams能及时发现急性肾病损伤（AKI）的病人，让医生更早介入，改善护理。Hark模块由伦敦帝国学院专家花了5年时间开发，还需进一步整合，它能帮医生制定方案和采取行动。Hark模块和AKI检测这类项目还在早期阶段，研究团队希望这一工具有助于医疗资源从疾病的被动应对转移到主动预防上来，让医护人员把更多时间集中在更重要的事情上。

据公司网站称，他们的目标是开发解决社会难题的技术，并集中在医疗护理方面，因为在这个领域，他们能给全世界人带来不一样的东西。

（科技日报北京3月10日电）