人工智能這幾年發(fā)展勢頭迅猛，先是阿爾法狗擊敗了世界頂級圍棋高手李世石和柯潔。這一次人工智能算法再一次擊敗人類專家，稱霸了另一款電腦游戲，谷歌DeepMind的AlphaStar系統(tǒng)在《星際爭霸2》中戰(zhàn)勝了一名高水平的人類玩家。

這一事件被世界各地的頭條新聞紛紛報道，媒體又開始宣稱這離機器統(tǒng)治世界又近了一步，人類必需對人工智能加強警惕等等。我們除去炒作和夸張的成分來看這件事，AlphaStar的這次勝利至少告訴我們兩點，人工智能對人類創(chuàng)造力的依賴還是很高的，以及人工智能在創(chuàng)造力方面并不能取代人類。

對于大多數(shù)人來說，深度學(xué)習(xí)是一個很深奧的名詞，一般在我們的想象中，我們平時看的科幻小說中的超級人工智能可以學(xué)習(xí)世界上所有的知識，輕松地掌握一門技能，并且想盡辦法取代人類。事實上，我們今天的人工智能就像其他編程任務(wù)一樣，它涉及大量的編碼、算法設(shè)計和選擇、數(shù)據(jù)和邏輯體系結(jié)構(gòu)以及模式實例化。

換句話說，在過去構(gòu)建情感編碼算法需要大量的訓(xùn)練數(shù)據(jù)并對其進(jìn)行篩選，利用創(chuàng)造力來識別潛在的模式并將其編到編程代碼中。如今隨著深入學(xué)習(xí)技術(shù)的發(fā)展，這些將交給機器來識別。在創(chuàng)造力方面機器還是取代不了人類，人類在理解數(shù)據(jù)模式中表現(xiàn)出的創(chuàng)造力和想象力是機器無法做到的。最重要的是人類可以利用外部世界的知識進(jìn)行推斷，這也是為什么人類可以集中學(xué)習(xí)，而機器學(xué)習(xí)算法需要大量的數(shù)據(jù)來達(dá)到基本的熟練程度。

傳統(tǒng)的人類編碼方法面臨的挑戰(zhàn)之一是查看數(shù)據(jù)集并預(yù)測其內(nèi)部模式。盡管人類有創(chuàng)造力，但人類確實不如機器擅長搜尋數(shù)據(jù)。

至于現(xiàn)在的人工智能，人類必須創(chuàng)建和管理訓(xùn)練和測試數(shù)據(jù)集，人類必須構(gòu)建數(shù)據(jù)架構(gòu)和支持軟件，這些軟件形成了模型和外部世界之間的接口，從外部世界學(xué)習(xí)和交互。現(xiàn)在的許多科技公司，他們的人工智能在工作中唯一需要調(diào)整的參數(shù)就是輸入數(shù)據(jù)，準(zhǔn)確性來自于更改輸入數(shù)據(jù)，直到輸出滿足精度要求，而不是調(diào)整底層的學(xué)習(xí)體系。

仔細(xì)看看DeepMind的這場比賽，我們可以看到其中運用了大量的深度學(xué)習(xí)方法。AlphaStar成功不僅僅是將大量訓(xùn)練數(shù)據(jù)集合起來，關(guān)鍵在于對這些方法的選擇和調(diào)整。成功的人工智能應(yīng)用程序并不只是僅僅通過訓(xùn)練數(shù)據(jù)來實現(xiàn)其準(zhǔn)確性，同時也要依靠人類的創(chuàng)造力，通過選擇算法構(gòu)建模塊來引導(dǎo)他們。

我們承認(rèn)AlphaStar的確取得了巨大的成功，但它也讓我們看到，人工智能的進(jìn)步并非來自人工智能本身，而是來自人類的創(chuàng)造力，創(chuàng)造新的構(gòu)建塊。

簡而言之，深度學(xué)習(xí)進(jìn)步不是來自機器本身，而是來自傳統(tǒng)的人類創(chuàng)造力。就像我們?nèi)绻央娔X游戲完全交給機器，讓它完全靠自己掌握游戲，它還差得很遠(yuǎn)。我們拋去媒體的炒作和夸張成分，人工智能告訴我們，人工智能算法的成功并非來自某種心靈感應(yīng)能力，而僅僅是因為我們在將人類行為和自然循環(huán)編入計算機代碼的統(tǒng)計模式方面做得更好，我們的生活受到基本模式的支配。

換句話說，這次人工智能的成功告訴我們的是，人工智能沒有想的那么特別強大，而是我們的世界并不像我們想象的那樣混亂，它遵循的結(jié)構(gòu)和模式可以很容易地提取并進(jìn)行編碼。而且人工智能對我深度學(xué)習(xí)進(jìn)步仍完全依賴于人類創(chuàng)造力。最后人工智能的進(jìn)步也在提醒我們，我們的生活一定程度上遵循著一些結(jié)構(gòu)和模式，我們未來需要更深入地探索人類創(chuàng)造力的本質(zhì)是什么。