人工智能非万能 人类可反败为胜(组图)

人工智能非万能，人类可以反败为胜。（图片来源：Adobestock）

如今谷歌的人工智能下棋软件 AlphaZero 取得重大突破，也许连最强的半人马队都得在自由搭配棋赛里甘拜下风。先前的西洋棋软件是采硬干法，大量计算可能的棋步，依程式人员设定的标准评分排序，但 AlphaZero 则会教自己如何下棋，只需要知道规则，然后下无数盘棋，追踪行得通与行不通的棋步，借此提升棋力。这软件很快就胜过最好的西洋棋软件，连可能棋步远远更多的围棋也顺利攻克。不过半人马队的启示依然成立：涉及的宏观战略愈多，人类能着墨的愈多。

AlphaZero 的程式人员取得耀眼成功后，宣称这软件已经从一块“白板”变成独当一面的大师。

然而从棋局起步绝非白板一块，这软件仍是在受规则限制下的世界里发挥。事实上，连在战术模式限制较少的电玩游戏上，电脑都面临巨大的难题。

人工智能遇到的最新难题是《星海争霸》。这是一款即时战略游戏，许多虚构外星物种在银河系的远方厮杀争雄，游戏涉及的复杂决策远多过下棋，有战场要顾，有刺探要做，有建设要规画，有地景要探勘，有资源要搜集，全部环环相扣。

纽约大学教授朱利安．托格留斯研究游戏人工智能，在2017年跟我说，电脑很难在《星海争霸》获胜，就算一时半刻赢过人类玩家，但人类玩家具备“长期调整策略”的能力，后来会开始反败为胜：“思考有很多层面。人类算是在每个个别层面很糟，但对各层面大致有概念，有办法加以整合，协调适应，这下子就厉害了。”

2019年，人工智能在简化版《星海争霸》首次赢过专业玩家（后来这位玩家调整修正，在连输多局后击败电脑）。《星海争霸》的复杂战局反映出一件事：愈考验宏观战略的游戏，人类能发挥的空间愈大。我们最大的优势跟狭隘专业背道而驰，反而在于广泛整合的能力。

人类碰到真实世界的开放式问题仍能胜过机器。（图片来源：Adobestock）

盖瑞．马库斯是心理学暨神经科学教授，先前把自己的机器学习公司卖给私人叫车服务公司 Uber，他说：“在很局限的领域里，人类也许再过不久就难以做出多少贡献；在更开放式的领域里，我想人类绝对还能做出长足贡献。不光是游戏而已，我们碰到真实世界的开放式问题仍能胜过机器。”

在西洋棋等有序的封闭式领域，回馈即时，数据庞大，人工智能迅速取得长足进展。驾驶方面，虽有交通规则，却带混乱模糊，人工智能即便有长足进展，仍面临不少难题。至于真实世界里没有硬性规则的开放式领域，历史数据无从完备，人工智能步履蹒跚。

IBM的人工智能系统“华生”在益智问答节目《危险边缘》打败人类冠军，接着号称能替癌症治疗掀起革命，但人工智能专家告诉我，他们很担心华生会破坏人工智能研究在健康相关领域的名声。诚如某位癌症医师所说：“称霸《危险边缘》和治疗所有癌症的差别在于，我们知道《危险边缘》里面那些问题的答案。”

至于癌症，我们连提出对的问题都尚难办到。

2009年，地位崇隆的科学期刊《自然》宣称，谷歌的流感趋势系统能靠搜寻序列模式迅速预测流感的散播，跟美国疾病管制与预防中心的准度不相上下。然而谷歌流感趋势系统很快便开始跌跌撞撞，在2018年冬季的预测值比实际情况高出两倍。

如今谷歌流感趋势系统不再发布预测，只在页面打上“技术尚未成熟”等字样。马库斯以一个类比向我点出人工智能目前的限制：“人工智能系统就像学者症候群患者。”人工智能只能在封闭的稳定架构胜任有余。
 

本文整理、节录自大卫．艾波斯坦（David Epstein）《跨能致胜：颠覆一万小时打造天才的迷思，最适用于AI世代的成功法》一书，文章仅代表作者个人立场和观点。由采实文化授权转载，欲阅读完整作品，欢迎参考原书。