人工智能“零”生万物？ 未来更高级智能或还在路上(2)

分析一下Zero的学习过程，就能了解为什么必须是这类问题，它们才能胜出。

根据规则，它不断产生新数据，进而新旧数据相互对抗比赛，最终产生一个胜负结果。也就是说，在固定的规则下，不断地对“胜负”进行验证，让Zero获得了精进的棋艺，而当把这些策略全部验证一遍的时候，它就无敌了。

1997年，电脑“深蓝”战胜了国际象棋著名棋手卡斯帕罗夫。“这个事件当时也引起了轰动，”尹烨说，“那个时候国际象棋还不能穷举，但是随着硬件运算速度的进步和算法的提升，到2005年前后，国际象棋已经能够穷举了，意味着不管走哪一步，电脑都可以‘走一步看N步’，算出所有可能，进而给出所有对应的方法。”随着量子计算的应用，围棋走法的穷举也是可能的。

“在算法方面，Zero采用对抗的强化学习，是机器学习算法的最新进展。它对推动人工智能发展有着重大理论和应用意义。”荀恩东说。

　　定位：仍处于计算智能阶段

“其实下围棋是简单的‘计算智能’，之所以它这么受关注，是因为围棋一直以来是策略的象征。”荀恩东说。

“运筹帷幄之中，决胜千里之外”总能让人联想到这样一幕——中军帐中，一炷香烟雾缭绕，摆定棋盘棋子，帐内是黑白子对弈，帐外千军万马搏杀。

围棋是智慧的象征，当人类无法进行全样本分析的时候，如何根据部分样本选取最优策略，体现了判断的智慧，而当计算能力能够计算全样本时，智能的类型发生了转变——

“通过卓越的计算能力，Zero根据算法能有一个快速的收敛(趋向准确)，按照策略能达到接近全局优的结果。”荀恩东说，这意味着它不需要判断选择，而需要不知疲倦地找最优解、不断尝试。“由于计算深度更深了，采用了优化的参数计算策略、优化过程得到了加速、得到了更好的计算模型。”

“目前为止，落地应用的AI是从速度、自动化、易部署等方向入手‘进化’——速度进化基于硬件提升、分布式处理等；自动化是指无需人工大量标记，AI可自动选择有用的信息进行记忆训练，这也是易部署的一部分。”高瀚昭说，这样的“进化”是Zero使用4个TPU(神经网络训练所需的专业芯片)、尝试490万盘棋局就可以超越前任的原因。