人工智慧只能下個棋嗎？

機器會和我們一樣思考？它比我們強大，不需要受情緒、感情和身體因素的影響，如果搭配一個強有力的大腦，還有什麼是它不能做的？

要瞭解人工智慧，我們還是先從AlphaGo是如何突破圍棋說起。之所以科學家們都執著於讓機器在棋牌類遊戲領域內奮戰，首先是因為棋牌類是人類智力活動的象徵——在棋牌類中圍棋是非常難攻克的一類。相比起國際象棋的平均分支因數大約是35，圍棋的平均分支因數多達250，一局步數為350步，搜尋樹有250^350個節點——單靠暴力計算並不可行，需要更複雜和先進的搜索演算法。

戰勝眾多棋手的AlphaGo，使用的是蒙特卡洛樹搜索演算法，借助值網路（value network，用於形勢判斷）與策略網路（policy network，用於選點）這兩種深度神經網路來下棋。簡單來說，AlphaGo在面對棋局時，她會模擬（推演）N次，選取“模擬”次數最多的走法，這就是AlphaGo認為的最優走法。而模擬的過程，則是AlphaGo通過監督學習（學習已有的棋譜，並掌握其中規律）和深度學習（自我博弈）得到的經驗。因此，我們不能用當初“深藍”用窮舉法下國際象棋的傻楞模式來形容AlphaGo了，它已然進化成了能自我學習的“物種”，也就是我們所說的人工智慧。

圍棋的故事或許已結束了，但技術的發展卻永遠不會止步，研究人員們早已將人工智慧的觸角伸向了諸多即將被顛覆掉的行業和領域。在遊戲領域，研究者們又將目光投向了德州撲克。一款由阿爾伯塔大學電腦科學教授Michael Bowling帶領的團隊所開發的名為DeepStack的AI系統已經掌握了這項遊戲，它不僅在一次匹茲堡賭場的對戰中擊敗了世界頂級的人類玩家，更是保持了45000場比賽全勝的紀錄，根據研發團隊統計，DeepStack的勝率大概是專業玩家的9倍之多。選擇撲克作為AI發展的下一個突破口，主要在於它和棋類遊戲相比，最大的特點是“不完全資訊博弈”。人工智慧或許可以通過演算法輕易擊敗棋手，但卻可能在撲克賽中因為不確定因素的增加受到干擾，進而無法作出正確判斷。

說起來你可能不信，“不完全資訊博弈”還完美地體現在經典對戰遊戲中——比如《星際爭霸2》。研發AlaphaGo的DeepMind團隊已經決定將其作為繼圍棋之後人工智慧征服的下一個目標。去年11月，DeepMind宣佈與暴雪公司聯手打造一款免費API來幫助研究人員測試《星際爭霸2》人工智慧演算法，可想而知，一場AlphaGo和頂級《星際爭霸2》選手之間的比賽應該很快會上演。

當然，研究人員們可沒打算一直將人工智慧的應用僅局限於“遊戲”這個小小的圈子裡，就連DeepMind的創始人兼CEO哈薩比斯也是反復強調他對“通用型人工智慧”的強烈期許。在烏鎮舉辦的AI論壇上他描繪自己對人工智慧的展望時說到，“就像圍棋3000年以來都沒有重大的突破一樣，科學、技術、工程等領域也正面臨著同樣的瓶頸，我們發明AlphaGo，是希望能夠借助AI這個新工具推動人類文明進步。我們需要解決不同領域的問題，而AI就是解決這些問題的一個最佳方式，從發現新的材料到新藥物研製、治癒疾病，人工智慧可以在各個領域發揮作用。”

AtomWise公司開發的AtomNet人工智慧系統就已經被運用在了藥物研發的早期階段。AtomNet通過深度學習技術來預測化合物分子的行為和不同分子結合的可能性，通過圖像識別的方式來學習分子間的相互作用。這大大簡化並加速了藥物研發的早期階段分析過程，科學家以往採取試錯法和排除法來分析數以萬計的天然和合成化合物，而現在在AtomNet的幫助下，幾個月篩選百萬種化合物的工作量只需要一天就可以完成。目前，AtomNet已經參與到了新藥的研發之中，在應對埃博拉和多發性硬化症的新藥研發中，AtomNet起到了很重要的作用。

除此外，人工智慧在自動駕駛等交通領域的應用也早已見怪不怪，相信在未來的5-10年之內，人類的出行方式將會有一個巨大的變革。但人工智慧就是永不滿足，不僅要改變工程技術領域的遊戲規則，甚至連音樂創作這種主觀性極高的藝術形式也要涉足。

巴黎索尼電腦科學實驗室的Gaetan Hadjeres和Francois Pachet兩位科學家已經成功開發出一個名為DeepBach神經網路系統，它最大的特點就是可以創作出巴赫風格的清唱曲，作品足以以假亂真。在一次雙盲測試中，超過一半的聽眾都將DeepBach創作的音樂誤認為是巴赫的作品，其中甚至還不乏專業的音樂家。雖然依舊是傳統資料庫訓練神經網路的路徑，但已取得了如此超乎意料的結果，可見AI的潛力是多麼巨大！

不過就當前的現狀，大部分的業內人士認為，最先被人工智慧“革命”的行業非金融業莫屬。在華爾街，似乎所有的金融巨頭都在給自己貼上“科技公司”的標籤。例如投行高盛，它目前擁有約9000名電腦工程師，占到全部員工的1/3。而他們在實際的運營過程中發現，一名工程師的工作能力完全可以替代掉4名交易員，於是，曾一度高達600人的紐約總部的美國現金股票交易櫃檯，現在只留兩個人值守。

Watson是科技領域巨頭IBM的人工智慧產品。在2016年的時候，Watson並沒有什麼聲量，外界很難認識到它的存在。然而今年的IBM中國論壇上，Watson實現了非常驚人的成長速度。金融、醫療、物聯網、教育等等諸多行業都會在短期內有相關的產品落地。過去兩年裡，全球已有12000名癌症病人受益于IBM 腫瘤診療的解決方案。在製造業，IBM 與通用汽車合作，將 Watson 的強大能力整合到首個汽車認知移動平臺“OnStar Go”之中，燃料不足時臨時停車、啟動燃油泵並付款加油後再行上路，在旅途中訂購一杯咖啡，或在路過藥房前收到處方藥購買提醒等。在金融業，IBM 認知安全支付系統協助法國國家交換中心每年處理55億筆支付交易，為全法交易量的75%，最高處理速度為4000筆/秒，覆蓋73260台ATM，180萬商戶，每筆交易的平均處理時間少於5毫秒，誤判率為3:1-1:1，每年降低1.85億歐元的損失。

也許你覺得這些例子離你的生活太遙遠，那你總用得著網上購物吧。可是在網上購物，1對多的客服系統總是讓消費者感覺不給力。其實商家何嘗不知道這一點，單單客服的好壞都能決定顧客每次購物體驗的優劣。好在現在出現了基於大資料和人工智慧的客服，能夠通過客戶求助的關鍵字，準確地判斷出客戶的需求，解決客戶的問題。比如網易七魚雲客服平臺，就是其中的佼佼者。通過對客服工作的深度發掘，進而有效的對三方進行幫助，或許你平時常去的某些商家就是他們服務的。

由以上的案例，我們可以預見到未來人工智慧的應用領域會有多廣泛，也能夠想像未來在人工智慧的幫助下，整個社會的運轉效率會有質的飛躍，人工智慧最大的意義不是簡單地取代人類勞動，而是幫助人類社會提高效率，這才是它最大的價值所在。