AI研究院 | 為何20年後「深藍」依然無法像人類一樣思考

本文系《AI研究院》欄目出品，專註人工智慧行業熱點與深度分析。欄目由網易智能工作室（公眾號 smartman163）發起、網易杭州研究院等機構共同參與打造，每周一到周三更新。

圖示：位於曼哈頓市中心公平中心的超級智能機器，計算機在比賽中有自己的極限，深藍在兩場比賽中擊敗了Kasparov，三場比賽都是平局。

【網易智能訊 5月15日消息】1997年5月11日，世界國際象棋冠軍Garry Kasparov(左)在與IBM的「深藍」計算機的比賽中。在1997年5月11日舉行的人機大戰中，IBM的電腦深藍擊敗了當時世界上頂尖國際象棋選手Garry Kasparov，全世界為此震驚。這是人類棋手第一次被機器打倒。

計算機專家說，人工智慧的勝利具有歷史意義，不僅證明計算機了在某些挑戰中能夠超越人類，而且也證明機器本身的局限性和缺點。「深藍」的成功也表明，如果科學家們想要製造出智能機器，那麼他們就必須重新定義「智能」和「思考」。

「深藍」主要通過推理許多動作和可能的組合。也就是被稱為「決策樹」的策略(考慮每一個描述樹的分支決策)來下國際象棋。在比賽中，「深藍」排除了一些不必要的決策，以減少「分支」樹的量，從而加快計算速度，但其每秒鐘依舊大約運行2億次「思考」。然而，儘管可以進行令人難以置信的計算，但機器在其他領域仍然是短板。

IBM研究公司研究科學家默里坎貝爾表示:「儘管他們功能強大，但在其他類型的決策過程中，電腦表現卻很差。」一些人懷疑電腦是否能像人類一樣出色。坎貝爾在接受Live Science雜誌採訪時指出:「更有意思的是，我們可以通過多種方式來對待複雜的問題。」「你可以用人類的方式來對待它，用經驗和直覺，或者用類似於計算機的方式。」他說，這些方法互為補充。儘管深藍的勝利證明了人類可以製造出偉大的棋手，但它也強調了建造一台能夠處理棋類遊戲電腦的複雜性和難度。坎貝爾說，IBM科學家花了數年時間來開發「深藍」，而它所能做的僅僅是下國際象棋。他補充說，打造一台能夠處理不同任務，或者能夠學習如何完成新任務的機器，會更加困難。

坎貝爾說，在深藍問世的時候，機器學習的領域還沒有像現在這樣的計算能力。例如，目前IBM的新一代人工智慧機器，名為「沃森」，其與「深藍」的工作原理完全不同，運行原理更像是一個搜索引擎。沃森在2011年擊敗了智力競賽節目「危險境地」（Jeopardy）的冠軍，證明了它能夠理解人類並作出響應。時隔20年後的機器學習系統能夠利用1997年還不存在的大量數據。當時由於互聯網還處於萌芽狀態，這些數據還不存在。

此外編程技術也有了進步。譬如谷歌的人工智慧計算機AlphaGo打敗了世界圍棋棋局圍棋冠軍，其工作方式也與深藍有所不同。AlphaGo能夠運行各種棋類遊戲，並利用相應模式來學習最優策略。這種學習方式是通過神經網路運行的，或者可以說像人腦中的神經元那樣運作。

坎貝爾說，上世紀90年代，當深藍面世時，製造這些設備的硬體並不普及。威斯康星大學密爾沃基分校副教授Thomas Haigh他在計算機的歷史上發表了大量的文章，他指出，製造深藍是IBM當時最高的工程能力展示。這台機器採用了定製化晶元，個人電腦處理器也屬高端設備。

到底什麼是智能?「深藍」還表明，計算機的智能可能與人類的智力並沒有太大關係。Haigh指出，「深藍」是一種傳統的人工智慧，它試圖通過一種可以進行通用推理的機器來複制人類的智力和理解力，」在這種理念指導下，製造出來的是一台更好的國際象棋機器。但這一策略更多地是基於計算機製造者對什麼是聰明的思考，而非智力的本源。

Haigh指出:「在上世紀50年代，國際象棋被認為是聰明人擅長的東西。」「就像數學家和程序員在國際象棋中表現得特別出色一樣，他們認為這是一個測試機器是否能夠顯示智力的好測試。」然而這種情況在上世紀70年代發生了改變。Haigh指出:「很明顯，把計算機程序變成越來越強大的國際象棋選手，這種技術與一般而言的智力沒有任何關係。」

「所以我們並沒有因為計算機下象棋下的好就會認為它是聰明的，因為它們下象棋很好。我們認為下棋並不是智力測試。」坎貝爾說，科學家們對智力的定義也顯示出某些人工智慧任務的複雜性。深藍可能是當時最先進的計算機之一，但它只是用來下棋的。即使到現在，電腦也不得不與「常識」作鬥爭。因為這些信息對於人類來說是顯而易見的，我們通常不會考慮這種背景信息。坎貝爾說:「每個成年人都知道這個世界是如何運作的。」

但機器不會。坎貝爾補充道，在某些類型的模式識別任務中，電腦常常遇到困難，但對於人類來說是輕而易舉。他說:「過去5年中，關於人工智慧的許多進步都存在於感知問題上，比如面部和模式識別。」坎貝爾指出，計算機不能做的另一件事是解釋自己。一個人可以描述他的思維過程，以及自己是如何學習的。但電腦還不能真正做到這一點。「人工智慧和機器學習系統有點像個黑盒，」他說。

Haigh指出，即使是在「危險境地」中獲勝的沃森，也沒有像一個人那樣「思考」。他在發給Live Science的電子郵件中寫道:「沃森使用了新一代處理器，實現了一種統計學上的蠻力方法，而不是基於知識的邏輯方法。」「它並沒有像人類那樣思索，但也再一次證明了，智力競賽冠軍與智力並無太大關係，」大多數人都會這麼想。即便如此，「隨著計算機能夠做得越來越好，我們要麼會對智能有一個非常明確的定義，要麼不得不承認計算機實際上也是智能的，但與我們不同，」Haigh說。

人工智慧的未來是什麼?坎貝爾說，由於人類和電腦「思維方式」差異如此之大，電腦要獨立完成諸如醫學診斷等任務還需要很長一段路要走，此外根據實際情況完成為老年人設計住宅等問題對於電腦來說依舊很困難。

「深藍」顯示了一台計算機出色完成某項特定任務的能力。但到目前為止，還沒有人製造出一種通用的機器學習系統，性能堪比專用計算機。例如，計算機可以快速處理大量數據，並找到人類可能會錯過的模式。然後，他們就可以把這些信息提供給人類來做決定。坎貝爾說:「一個互補的系統比人類或機器更好。」他說，現在也可能是解決不同問題的時候了。國際象棋或圍棋類遊戲允許玩家對對手的位置了如指掌，這被稱為「完整的信息遊戲」。

但現實世界的問題並非如此。「我們現在應該吸取的教訓是，我們從現實世界中得到的信息並沒有棋盤遊戲中那麼多。」2017年，名為「圖書館」的人工智慧電腦程序在20天的德州撲克錦標賽中擊敗了最優秀的人類撲克玩家，這被認為是一場信息不完整的遊戲。

至於現在「深藍」的命運，他在完成與Kasparov的歷史性比賽後被拆除，而零部件在華盛頓的美國國家歷史博物館和加州山景城的計算機歷史博物館展出。

（英文來源/livescience 編譯/機器小易 校對/晗冰）

推薦閱讀：