昨日,谷歌的围棋AI AlphaGo在韩国首尔取得了对阵韩国职业九段棋手李世乭的首场胜利。南京大学机器学习与数据挖掘研究所的所长周志华向科学人提出了他对这场比赛的感想。
周志华,南京大学计算机系教授、美国人工智能协会会士、IEEE会士。最近中国亚马逊计算机类最畅销书《机器学习》的作者。作为南京大学机器学习与数据挖掘研究所 (LAMDA)的所长,他主要从事人工智能、机器学习、数据挖掘、模式识别等多个领域的研究工作。
(文/周志华)围棋人机大战第一盘,我作为机器学习研究者有如下感想:
AlphaGo的表现验证了对很多具体的任务,只要收集到足够多的高质量数据样本,就可以利用机器学习技术构建出达到或接近人类顶级专家水准的模型。
以往这已经在很多应用任务上得到了验证,今天在围棋这个迄今所知最困难的棋类任务上也得到了验证。无论AlphaGo最终是否能获得总比分胜利,今天的表现已反映出它非常接近于人类顶级专家水准。
当然,即便最后总比分是AlphaGo获胜,这个验证也只完成了一半。需要等AlphaGO程序开放出来,使得更多的职业棋手能够跟它对弈,在相当时间之后,职业棋手群体确认了它的能力,才是最终完成了这个验证。
同时,这也验证了所谓“自我对弈”能无限提升性能是不成立的。这样的做法从机器学习技术的角度看存在理论上限。
就好比两个业余1段的小孩,如果让他们自己不断对弈也许能提升到2段,但如果没有更多的高手信息(例如棋谱或者指导),那他们俩哪怕每天互相下一千万盘棋,仍然提升不到4、5段。AlphaGo必然已经收集并使用了李世石乃至其他所有能收集到的人类顶尖棋手的棋谱来进行学习,如果“自我对弈”能无限提升性能,那么它应该已经能够“碾压”李世石。但是从第一场的局面来看,至少在102手之前李世石明显优势,这说明“自我对弈”不能帮助AlphaGo提升到超越李世石水准的程度。
不要以为再训练几个月AlphaGo就能“更上一层楼”。事实上,再多几个月,它能够收集使用的人类顶尖棋手的新棋谱不会增加很多,利用这个机制能够获得的提升会很有限。
从机器学习研究者的角度,个人认为首战比赛之后AlphaGo已经没多少值得关注的了,相反,李世石在后面几盘的表现更值得关注。
因为目前机器学习技术的一大瓶颈,是需要大量的高质量样本才能构建出强大的模型;但是人类在许多任务上往往只需很少的样本就能显著提升能力,这是目前的机器学习技术做不到的。我们不知道人类是如何做到这一点的,也不知道人类在这方面的能力到底有多强。现在有了一个非常好的实验观察对象。
李世石在今天得到了他关于AlphaGo的第一个样本(几个月前的AlphaGo和今天的AlphaGo,从机器学习角度看已经不是同一个东西),他将如何根据这个样本来提高自己对付AlphaGo的能力?能提高到什么程度?非常值得观察,因为这一定程度上代表了该任务上人类顶级专家的学习能力。如果能从中得到启发,那……
不说更多了,以免引起大众不必要的惊扰。大家请务必放心,人工智能技术是安全的,不比造飞机火箭的技术更危险。
(编辑、排版:Calo)
联系客服