除了大數(shù)據(jù)，在博弈均衡上AI也超過人類了？

　　人工智能發(fā)展到頂級(jí)之后，只要人類擁有的智能，它無所不能。而且，基于數(shù)據(jù)處理能力以指數(shù)級(jí)高于人類，從理論上來說，人工智能將遠(yuǎn)超人類智能。但事實(shí)上，囿于其在大數(shù)據(jù)積累上的欠缺，以及數(shù)據(jù)處理能力背后的邏輯能力缺乏，包括不成熟的行業(yè)業(yè)態(tài)，都給人工智能能否超越人類智慧畫上了大大的問號(hào)。

　　但在競(jìng)技領(lǐng)域，人工智能相較人類智能的優(yōu)越性已經(jīng)越來越明顯。1997年5月，卡斯帕羅夫輸給 IBM 的計(jì)算機(jī)程序“深藍(lán)”，開啟了公眾視野里的人工智能在棋牌競(jìng)技領(lǐng)域?qū)θ祟惖摹澳雺骸薄?/p>

　　然而，隨著互聯(lián)網(wǎng)的興起，在新千年之后AI逐漸進(jìn)入沉寂期，直至2006年，大數(shù)據(jù)和深度學(xué)習(xí)再次爆發(fā)，它又一次進(jìn)入公眾視野。在競(jìng)技領(lǐng)域，這次人工智能選擇了難度更高的圍棋、德?lián)?，以及游戲等領(lǐng)域。

　　那么，在這些領(lǐng)域，人工智能都是怎樣“碾壓”人類的?

　　“深藍(lán)”：我對(duì)人類智慧的碾壓只是AI的開始

　　很多人以為1997年深藍(lán)贏卡斯帕羅夫是人工智能第一次戰(zhàn)勝人類。事實(shí)并非如此。早在1988年，深藍(lán)的師兄“深思”便已在與國(guó)際象棋特級(jí)大師的對(duì)弈中獲得勝利。具有象征意義的是，深藍(lán)是第一個(gè)戰(zhàn)贏國(guó)際象棋世界冠軍的人工智能。事實(shí)上，在1996年2月的對(duì)弈中，深藍(lán)敗給了卡斯帕羅夫，他也曾經(jīng)表態(tài)說，電腦要想戰(zhàn)勝世界冠軍得等到2010年。結(jié)果這個(gè)時(shí)刻實(shí)際上只等了一年零三個(gè)月，可見人工智能的學(xué)習(xí)能力，并非人類智力所能判斷。

　　“深藍(lán)”：我對(duì)人類智慧的碾壓只是AI的開始。

　　Alpha GO、絕藝、DeepZenGo：其實(shí)我們已經(jīng)不屑與人類比拼了

　　“深思”和“深藍(lán)”之后，人工智能再次爆發(fā)將聚焦點(diǎn)轉(zhuǎn)移到了圍棋上。

　　這次和“深藍(lán)”獨(dú)霸天下不同，圍棋界的人工智能則是“群雄激戰(zhàn)”。

　　事實(shí)上，最初Alpha GO在網(wǎng)絡(luò)里是匿名，直到最后挑戰(zhàn)李世石并最終獲勝才進(jìn)入到公眾視野。至于Alpha GO為什么能夠戰(zhàn)勝人類，除了與深藍(lán)相似的數(shù)據(jù)處理能力，其基于深度神經(jīng)網(wǎng)絡(luò)可以預(yù)測(cè)到最遠(yuǎn)40步之后的可能情況，而且可以憑借運(yùn)算能力隨時(shí)判斷最優(yōu)結(jié)果。即使在開局不利，或者讓子的情況下，也可以在全局上進(jìn)行把控。

　　而在亞洲，2017年最有看點(diǎn)的還是絕藝和DeepZenGo的“撕逼大戰(zhàn)”。其中，最吸引公眾矚目的兩次分別發(fā)生在3月和8月。3月，第10屆UEC杯世界圍棋AI大賽在日本進(jìn)行，最后決賽與DeepZenGo的對(duì)決中，絕藝在大局劣勢(shì)的情況下出其不意的逆轉(zhuǎn)，最終首次捧起UEC杯冠軍。而8月首屆世界智能圍棋賽，本來的奪冠大熱門絕藝在四分之一決賽中被半路殺出的程咬金——來自臺(tái)灣的“CGI”打敗，最后依然由絕藝的老對(duì)手DeepZenGo奪冠。

　　雖然Alpha Go、絕藝、DeepZenGo還沒有來一場(chǎng)終極對(duì)決，但它們的“江湖地位”還是有譜的。在進(jìn)階版AlphaGo Zero推出后，三天內(nèi)通過自我對(duì)抗賽，超過了AlphaGo的實(shí)力，贏得了100場(chǎng)比賽的全勝。之后，DeepMind發(fā)表了AlphaGo的謝幕感言。確實(shí)，在圍棋界已經(jīng)沒有敵手，高處不勝寒的DeepMind將它的下一個(gè)對(duì)手對(duì)準(zhǔn)了乳腺癌

　　德?lián)洌喝斯ぶ悄荛_啟思維開掛新領(lǐng)域

　　2017年12月，《科學(xué)》雜志發(fā)布文章稱，美國(guó)專家研制出新人工智能系統(tǒng)，擊敗四名“德州撲克”頂級(jí)高手。據(jù)卡內(nèi)基梅隆大學(xué)專家Noam Brown表示：“我們?cè)趧?chuàng)造這一人工智能系統(tǒng)時(shí)所開發(fā)的技術(shù)并不是專門用來打撲克的，它還可以在‘不完美信息’條件下幫助解決其他問題。而這種難題隨處可見，我們希望研發(fā)Libratus時(shí)采用的理念將來能夠?qū)θ斯ぶ悄艿倪M(jìn)一步發(fā)展和推廣起到?jīng)Q定性的作用。”

　　但究竟人工智能為什么能夠打德?lián)?，這與國(guó)際象棋和圍棋的大數(shù)據(jù)分析處理能力還是有不小差異，主要運(yùn)用的方法是博弈論和運(yùn)籌學(xué)，關(guān)鍵需要理解四個(gè)概念：納什均衡策略、反事實(shí)最佳策略、抽象，以及終局。以納什均衡為例，如何在信息不對(duì)稱的情況下，估算對(duì)方的下注策略概率，從而獲得博弈矩陣中的占優(yōu)策略。

　　“深藍(lán)”、“圍棋爭(zhēng)霸”、“德?lián)洹苯o到人類的思考：

　　深藍(lán)之所以能夠讓世界為之震撼，就是因?yàn)樗某錾憩F(xiàn)給人類提出了一個(gè)哲學(xué)問題——什么是真正的思考?平均運(yùn)算速度200萬步/秒，指數(shù)級(jí)超人類對(duì)于棋盤的運(yùn)算能力。但沒有感性波動(dòng)以及直覺的能力，完全通過數(shù)據(jù)計(jì)算，這可以算是真正思考嗎?除了卓越的速度，這種思維能力究竟有什么價(jià)值?人類是否也應(yīng)該讓自己的智力進(jìn)行這樣的量級(jí)式開發(fā)?

　　這些思考一直延續(xù)到了“圍棋爭(zhēng)霸”。

　　而另一方面，人工智能在德?lián)渲械膽?yīng)用，又說明它除了能在數(shù)據(jù)計(jì)算等統(tǒng)計(jì)學(xué)思維領(lǐng)域有好的表現(xiàn)，在博弈均衡等社會(huì)和經(jīng)濟(jì)學(xué)方面亦有出色表現(xiàn)。