Alphago会让中产阶层失业吗？

孙婧

我们是在焦虑人工智能还是在焦虑未知，害怕的是人类自己还是焦虑本身，这并不重要。对待一件新鲜而影响重大的事情，人的感情永远摆脱不了自身的角度和立场。然而客观现实从不以个人意志为转移，总是以万马奔腾之势发展着。

人类顶尖棋手李世石在3月9-15日与人工智能阿尔法的“世纪5局”中，以1胜4负的成绩败北。这场比赛让公众对AI和围棋同时产生了浓厚兴趣：围棋被认为是人类棋牌游戏的最高水准、人类智能最后的领地，最终被人工智能“攻占”。

不同人在这场比赛中看到了不同的事情。科幻迷们看到了类似《终结者》系列电影的恐惧；技术派看到了人工智能的春天；有人看到了科技极权，有人看到了贸易逆差；甚至有人在千古不同局的比赛中看到了异乎寻常的“美”：正是人类智能的多元化丰富了我们的世界，而今天的世界，有了人工智能的参与。

卷积神经网络与蒙特卡洛算法

这两个名词可以笼统地解释阿尔法为什么能够打败世界排名第一的李世石。AlphaGo是一个由模拟人脑的卷积神经系统，和深度强化学习模型所组成的人工智能系统，卷积神经神经系统是由多节点、多台超级计算机组成的网状神经网络系统。在与李世石的比赛中，Alphago从来不是一个“机”在战斗，而李世石却在以一颗头脑对抗着一个超级计算机群，不管结局如何，李世石都是人类智能的英雄。

蒙特卡洛算法是一种机器学习的算法，计算接下来一步或者几步搜索最优策略。单从围棋这项智力游戏来看，人类棋手与Alphago的思维模型大不相同，人类想的是怎样下能有最高胜率，而机器想的是怎样行棋最优。不懂围棋的人可能分辨不出最高胜率与最优算法的区别，其实很容易分辨。

机器：这样走最棒。人类：这样走能赢。

在第二局比赛中出现了对于“劫争”的争议，中国棋手甚至出现了“阴谋论”一说，其实用最优算法很容易解释这个问题：对人类而言，“劫争”便于把局部问题转化为整体问题，提高逆袭成功率；而对于计算机而言，这样的复杂局面尽管能够提升比赛的可看性，但还有更简单粗暴且高效的下法，并非必要之选。

目前，将生物技术与计算机技术相融合，进行“微生物信息学”方面的研究已经成为科学研究领域的前沿阵地。

“美丽新世界”会到来吗？

作为反乌托邦代表作赫胥黎的科幻小说《美丽新世界》，还有好莱坞的《终结者》系列电影，均传达出人类对科技极权的恐惧与警惕，Alphago大胜李世石时，不少人产生了莫名其妙的焦虑感。

“单台计算机计算能力的局限性，是可以被多台计算机组成的集群计算能力弥补的。Alphago系统就是基于一个计算机集群来做具体的计算分析的。但是蒙特卡洛算法的一个重要瓶颈问题是随着计算步数的增加，搜索空间急剧扩大，导致最优策略的分析无法在有效时间内完成”，华中科技大学生命科学与技术学院生物信息与系统生物学系系主任宁康说。

在生物学与信息技术跨学科学者、楚天学者特聘教授宁康的眼中，人工智能与人类智能的比赛远没有那么跌宕起伏：“Alphago这类算法的通用性并不如我们想象中的强大，因此其中的‘智能也是有限的。究其本质，还是利用计算机的高性能计算来服务于较优策略的生成，是一种可重复、可预测的智能。而人类的智能具有一定程度的不确定性和不可预测性，同时还具有遗传性和变异性，因此这两种智能目前还是不可比的。”

机器人取代人类？在宁康看来，AI的发展是可以跳出计算机硬件的框架，并不断优化的，从弱人工智能变成强人工智能。“这个过程中可能会涉及到：AI被动优、AI主动优化、AI遗传和进化、AI的成熟和自主意识等若干革命性的跨越”，但宁康同时强调，“这是数十年到数百年的一个过程。”

围棋和象棋经过专业训练，人类在儿童期就能达到一定的水平，对人工智能而言却需要技术上的一项项历史性突破。数学家与计算机先驱，伟大的冯·诺依曼早在上世纪五十年代提出，大概在2029年左右，机器智能将赶上人类智能；到2045年，人和机器将深度融合，那就是所谓的“奇点时刻”。

《终结者》系列电影、《我，机器人》、著名的预言家雷·库兹韦尔的引申皆来自此处。似乎人工智能又成熟了一大步，奇点时刻又近了一点。

在《机器人时代》一书中，有一项针对两百名人工智能相关领域研究人士调查显示，有42%的人认为能思考的机器将在2030年前制造出来，甚至有人提议增加一个2020前的选项，只有2%的人认为永远不会发生。

回顾历史，1989年，IBM研制的计算机“深蓝”（Deep Blue）就可以和国际象棋高手对弈，1997年则击败国际象棋世界冠军卡斯巴罗夫。直到不久以前，Alphago才用自己的棋力震撼了世人，速度并没有想象中那么快。

“算天、算地、算人”的“天河二号”

掌握自然语言、阅读法律条文、进行财务审计等一些属于中产阶层的工作机会，会被人工智能取代吗？“我们大可不必担心如人工智能攻占地球、与人类大战等情况。因为时间是有限的：在AI数十年到数百年的发展过程中，自然灾害、生态灾难等等各类自然或者非自然的情况，对人类生存可能是更大的威胁。同时其它的科学发展，如航天科技的飞速发展，有可能需要AI的更快发展而不是更慢”，宁康用不太“科幻”的思路解答了这个问题。

2006年提出蒙特卡洛树算法尽管强大，但应用的范围目前来看仍然有限。Alphago的能力仍然没离开“可重复、可预测”的智能本质，离掌握复杂的自然语言，离能够阅读法律文书、审计财务报表、甚至较高层次的写作还非常非常远。

但是这种弱人工智能迟早会发展到强人工智能，到时候一些具有“可重复、可预测”性质的工作可能会被替代，“如传统的翻译、质检、图书馆管理等工作”，宁康说。未来人工智能似乎会为人类解决一些没人喜欢的缺乏创意的单调劳动，这看上去很美。

关于人工智能的种种焦虑，还有一种是担心这么强大的技术只被发达国家掌握，中国会受制于人。其实中国的机器学习算法研究在国际上是比较先进的，尤其是以天河二号为代表的超级计算平台和中科院计算所提出的深度学习指令集，均代表了计算硬件和机器学习算法软件方面较高的水平。只是相关的应用和推广可能还不如欧美公司化运作的Alphago这类系统。

当Alphago在下围棋的时候，“天河二号”在做什么呢？“天河二号”的应用概括起来说，就是“算天，算地，算人”。包括天气预报、地震监控、石油开采、基因分析等，甚至还包括我们在电影院里看到的电影特效很多也是基于“天河二号”渲染出来的。尽管不那么吸引眼球，但这些应用大多数比下围棋更有现实意义。

除了下围棋，Alphago还能做什么？谷歌研究人工智能当然不光是为了打败人类棋手。从字面上理解，这只是Google在围棋领域人工智能研究的第一步，可以预见以后的BetaGo等系统将会更为强大。

无论是技术方还是市场方，都希望Alphago这样的计算机系统尽快被定制成服务于人类日常生活的应用系统，其中，中小学学习辅导（智能题库）是一个较好的应用。另一个较有前途的应用是人体健康助手：通过结合可穿戴设备和基因测序等技术，实时监控人体健康指标并给与适当建议。目前一些基于人工智能的辅助学习和健康应用已经在欧美和国内开始萌芽，预期将会发展为巨大的产业。