662
机器人
从1.0到2.0，人工智能学会了学习
如果人工智能的启蒙阶段称为1.0时代，那么现在很明显已经进入2.0时代了，机器翻译和下棋就是典型案例。
过去的机器翻译方法是基于词和语法规则进行翻译——人类不断地把语法规则总结出来告诉机器，但却怎么也赶不上人类语言尤其是语境上的多变，所以机器翻译总会出现把“how old are you”翻译为“怎么老是你”的笑话。
后来出现了SMT（统计机器翻译），通过对大量平行预料进行数据分析，找出常见词汇的组合规则，尽量避免奇怪的短语组合。SMT已经具有了机器学习的基本功能，有训练及解码连个阶段：训练阶段是通过数据统计让计算机构建翻译模型，通过模型进行翻译；解码阶段就是利用所估计的参数给定的优化目标，获取翻译语句的最佳翻译结果。
SMT研究在整个业界已经持续了二十多年，对于较短的句子，翻译效果显着，对于较长的句子来说翻译效果就一般了，尤其是对语言结果差异较大的语言。直到近几年 NMT（基于神经网络的翻译）方法崛起，NMT的核心是一个拥有无数节点的深度神经网络，一种语言的句子被向量化之后，在网络中层层传递，转化为计算机可以“理解”的表达形式，在经过多层复杂的传导运算，生成另一种语言的译文。NMT在语序学习上的优势带来了它翻译的流畅性，尤其是在长句翻译上有明显优势。
在这种机器翻译的模式中，人类要做的不是亲自寻找浩繁的语言规则，而是设定数学方法，调试参数，帮助计算机网络自己寻找规则。人类只要输入一种语言，就会输出另一种语言，不用考虑中间经过了怎样的处理，这就叫做端到端的翻译。这种方法听起来很神奇，其实概率论里的贝叶斯方法、隐马尔科夫模型等都可以用来解决这个问题。
再以下棋为例，1952年瑟萨缪尔编写了跳棋程序，水平能到达业余高手程度，跳棋的规则比较简单，计算机在这方面有人类很难比拟的优势，但是国际象棋就难多了，百度总裁张亚勤在微软担任研究院院长的时候，请来中国计算机才子许峰雄，他在IBM的时候开发了名噪一时的国际象棋机器人“深蓝”。20世纪90年代的人工智能代表非“深蓝”莫属，智慧集中在一台超级计算机上，连续战胜人类国际象棋高手，并终于在1997年战胜了人类国际象棋感觉卡斯帕罗夫。不过富有意味的是比赛之后不就，IBM就宣布“深蓝”退役了。张亚勤对许峰雄说“你去做围棋把，等能下赢我的时候再来找我”，直到他离开微软，许峰雄都没有再来找过他。
2016-2017年，AlphaGo横扫人类围棋高手，相继击败李世石、柯洁等世界冠军。AlphaGo的下棋思路不同于人类，也不同于“深蓝”。简而言之，是千万盘人类围棋对弈的数据滋养了他。如果给出更专业的解读，则可以说是蒙特卡洛搜索算法和基于深度学习的模式识别促成了AlphaGo的成就，其中最为重要的，恰恰是其前辈“深蓝”所不具备的深度学习。
最后更新：2017-10-25 23:32:54