谷歌旗下的“阿尔法狗”（AlphaGo）最终以4∶1战胜韩国围棋九段棋手李世石。继跳棋、象棋之后，人工智能在挑战人类的清单上，再添浓墨重彩一笔。下一步“阿尔法狗”又何去何从呢？

    对抗其他游戏

    “阿尔法狗”的通用方法中有几个元素是专门为围棋这项游戏而设计的，这一方法或许可以用来解决与模式识别、制定计划和做出决策有关的问题，但仍有其局限性。加拿大蒙特利尔大学计算机科学家尤舒亚·本希奥解释说：“它的确令人印象深刻，但仍然面临诸多挑战。”

    尽管去年10月份，“阿尔法狗”击败了欧洲围棋冠军樊麾，但李世石此前预测，他将以绝对优势赢得这次比赛，不过，现实给了他沉重的一击，他也为自己的失败深感震惊。

    主要研究人工智能发展趋势的美国亚利桑那州州立大学社会科学家迈尔斯·布伦代奇认为，“阿尔法狗”的进步很大程度上要归功于一个事实：下棋次数越多，它表现得越好。实际上研究人员在“阿尔法狗”算法中搭建了两套模仿人类思维方式的深度神经网络。DeepMind团队先让“阿尔法狗”对人类比赛出现的3000万种围棋方位进行研究，然后通过自己不断地下棋来提高技能，这一技术被称为“增强学习”。接着，“深度思维”将“阿尔法狗”识别成功围棋布局的能力同“预测搜索”技术结合在一起，利用“预测搜索”技术，“阿尔法狗”会评估进行某些移动可能会产生的后果，并在此基础上，决定下一步如何走。

    DeepMind已经攻下了大部分棋盘类游戏的“城池”，但机器仍然无法在多人参与的扑克牌游戏中打败人类。目前，该团队已经表达了对抗具有科幻性质的战略性游戏《星际争霸》的兴趣。

    超越游戏看医疗

    加拿大麦吉尔大学的计算机科学家乔尔·皮诺认为，“阿尔法狗”算法取得的成功让人们不禁思考，人工智能何时可以获得多样化的通用智能。

    DeepMind公司也计划超越游戏。今年2月份，该公司创立了“DeepMind健康”公司并同英国国民健康服务公司展开合作，使其算法最终能被用于临床数据，从而可以改进诊断或治疗计划。据悉，他们已开发出一款名为Streams的软件，让临床医生能够更快地观察到医疗结果。

    但美国非盈利机构艾伦人工智能研究所的首席执行官奥伦·埃齐奥尼表示，这样的应用面临的挑战与游戏不同。“在游戏领域，你能收集大量数据，而且程序会通过玩很多游戏持续不断地提供反馈，但在混乱的现实领域，数据，尤其是与罕见病有关的数据非常少；即便是常见病的数据也不那么多，因此，很难直截了当地给某个决定贴上‘好’还是‘坏’的标签。”

    纽约大学神经科学家盖瑞·马库斯则说：“‘DeepMind’的方法并非唯一推动人工智能向前发展的方法。他创办了一家名为‘几何智能’的初创公司，主要研究用少量例子进行推断的学习技术，这一方法受到儿童学习过程的启发。”尽管“阿尔法狗”问世时间不长，但其可能已经进行了数千万次游戏，远超李世石，但后者仍然胜了一局。马库斯说：“这表明，人能够使用更少量的数据获得一个模式，这一点令人影响深刻，或许人类的学习速度比机器更快。”