2016年3月，谷歌用可進行深度學習的人工智能機器人“阿爾法圍棋”跟圍棋世界冠軍棋手李世石進行圍棋人機大戰，并最終以4：1的比分獲得了勝利。

為什么機器人可以在智能上贏得了人類？人工智能真的會成為人類未來的危機嗎？

在人機圍棋大戰中，谷歌使用人類對圍棋設定的規則來培訓阿爾法圍棋，讓它經歷數百萬場的圍棋對戰，這對戰最終不只讓它學會了人類在對戰過程中施展過的所有戰術，甚至它還會自己創造出了之前還沒有的戰術出來，意思就相當于說，它已經具備了形成“意識”的基矗

對于阿爾法圍棋來說，不僅限于人類的知識，沒有給出數據，只需要遵守基本的游戲規則，然后僅用了40天的學習時間，它就超越了人類玩了2500年才積累下來圍棋戰術。

從這個事實中可以看得出來，假如這種水平的人工智能再繼續學習進化，那么結果就是很多電影中所描述的，人類未來的危機，無可避免的就是人工智能。

它們誕生于為人類服務的，最終也可能會終止人類的存在，但這真的會發生嗎？

在電影中，我們一般都將大部分的人工智能描述為一些要滅掉人類的大反派，但也有像《星際穿越》那樣的，看起來描述得更符合現在大家所看到的那種智能機器人。

可實際上，人工智能本身的類型遠比我們想象的要多，因為它們被人類創造出來的目的就是為了滿足人類不同的需求的。

這種單純為人類某種服務而存在的弱智人工智能是目前它們唯一能存在的形式。

但阿爾法圍棋跟那些側向于能力比較單一的機器人不同，它擅長語音和圖像識別，而且在玩象棋或者圍棋等游戲的時候，它會自己跟自己玩，并如同進行了數百萬年的一比一的比賽一樣，不斷的學習。

剛開始的時候，它幾乎就跟一個剛學走路的孩子一樣，連路都走不好，可隨著時間的流逝，它通過機器學習的方法最終超越了人類的智力水平。

通過所謂的機器學習，人工智能是怎么做到跟人類一樣的學習和思考的呢？

其實機器學習的本質跟嬰兒學習的方式是一樣的，我們人類從出生就開始接觸世界，然后在接觸世界的過程中會慢慢的學習，并且還會改善學習以從我們觀察或者交流的過程中獲取更多的數據和更多的信息。

現有的使計算機模仿人類大腦的術語叫“神經網絡”，而我們的大腦雖很善于解決問題，可大腦中的每個神經元可負責解決問題的能力確實非常微小的。

這就好比將它們理解成一條生產線上的某個工序，為了生產出一個完整的產品，大腦中的每個神經元都要有特定的工作要做。

我們以電腦神經網絡來舉個簡單的例子，為了驗證某個人是否還活著，那么他就必須要有脈搏的跳動，或者是要有呼吸。

電腦神經網絡中的神經元，它的功能就跟我們大腦中的神經元一樣，會接收信息，也會輸出信息。

如果這個神經元接收到了這個人有脈搏，有呼吸的信息，那么神經元就可以破譯并輸出的信息就是這個人還活著。

如果沒有接收到脈搏或者呼吸的輸入信息，那么它輸出的信息就是這個已經死了。

本質上，人工智能的工作原理就是這么簡單，當然，原理是簡單，但真正運行起來卻遠不是這么回事，因為在分析數據的時候，它們需要處理的參數可能就達到數百萬個之多。

這個世界充滿了各種聲音，各種色彩和畫像，無論是從計算機的角度還是從我們大腦神經角度來看，本質上，它們都只是一些數據而已。

可當一些我們沒見過的，或者是我們很難處理的事物出現在我們眼前時，也就是我們的大腦沒辦法分析處理那些數據的時候，機器學習就派上用場了。

機器不僅可以分析給它提供的數據，并且還要從中學習并產生自己的看法，阿爾法圍棋在短短40天內就超越了人類數千年的圍棋戰術積累，并還創造了一些自己的戰術，那它是怎么快速的做到這些的呢？

我們人腦中的生物神經元的運作頻率大約是200赫茲，這看起來雖然很低，但事實也說明了，這對我們人類來說早已完全夠用了。

可是計算機的呢？它們的平均運作頻率高達2G赫茲，完全屬于數量級上的碾壓。

而我們大腦神經元以每秒約100米左右的移動速度來傳遞信息，其實這已經非常的快了，它完全可以給我們應對日常的各種狀況提供足夠的反應時間。

可計算機的呢？它們卻可以用光速來進行信息傳遞，從這我們就可以明顯地看得出來，在速度的方面，人腦跟計算機之間的差距到底有大多了。

人工智能可以在短短的一周之內完成相當于人類需要2萬年才能得到的知識積累，或者通過極短時間的訓練而能完全勝任的一些腦力上的任務。

相較于計算機，我們的大腦必須要適合頭部的大小，因此它們可以占用的空間是很有限的，但是一臺計算機卻可以占據整個房間，甚至是整棟大樓。

人腦的速度跟體積都沒法跟計算機的比，而且計算機的機器學習是指數式的，意思就是它剛開始時的學習會很慢，但只要它學到了一個臨界點，那么它的學習速度就會急劇的加快。

一旦我們有了可以像人類大腦一樣運作的人工智能，至少在大多數情況下，它們就可以在短短幾個月，甚至是幾周的時間內達到超級智能的水平。

這種程度給人的感覺就像是今天還在看螞蟻的人類，到了明天可能就是超級人工智能將人類當作是螞蟻來看了。
責任編輯：YYX