我们无法想象，一个快马加鞭传递三百里加急的信件的信使看到我们今天拿起智能手机一秒之内传递讯息的震惊。我们也曾对着智能机器人像个孩童一样问东问西——虽然它懂得比你想象的多得多。当我们看到铺天盖地的新闻说阿尔法狗打败了李世石，人工智能要改造这个世界。我们开始思考，人工智能AI（Artificial Intelligence）是什么？它会给我们带来什么？当人类在象征智慧行为的围棋中输给电脑的时候，人们甚至产生了一时的恐慌。它是洪水猛兽还是雨化甘霖？

人工智能的领域非常广泛，包括但不限于新闻中的人机大战、手机中的语音文字转化或者基于大数据的爱好推送。在众人皆谈AI的时代，我们对于人工智能，也要做到知其然知其所以然。在这本《你一定爱读的人工智能简史》中，我们就和作者一起看看人工智能到底是怎么一回事，它是如何一步步走到今天，拥有了让人们又爱又恐慌的“智慧”。

本书主要从日本的将棋（一种日本特有的棋类）和我们熟知的围棋为中心，探索机器学习、深度学习、强化学习这三大人工智能核心技术的历史和未来，用最通俗的语言将人工智能在棋类中是如何诞生发展的过程描绘出来。

我们有必要了解一下本书的——山本一成，他是日本人，世界人工智能领域的代表人物。他开发了“PONANZA”程序，和IBM公司的“深蓝”、谷歌公司的“阿尔法狗”并称人工智能史上的三大标杆。通俗一点讲，他是一个会下将棋的程序员。那么这个会写书的程序员又会如何向我们讲述人工智能呢？

一、 电脑一思考，人类就尖叫——一台用来计算的计算机，为什么突然学会了思考？

我们把计算机叫做电脑，既然称之为“脑”就说明在人们眼里，计算机像大脑一样在思考。哪怕是简单的1+1=2的计算。当然，计算机思考的背后还是人类的思考。但是，就像我们坐过山车一样，除了最初的推动力，其他时间，过山车靠的都是地球引力在运动，电脑在最初的步骤里，是需要人类设定程序来计算，但是，当它进入一个更高深的层次，发现规律并且自我运算的时候，计算机就开始自我赋能了。

但是别忘了，我们发明计算机的最初，它只是一台用来存储和计算的机器。计算就是加减乘除，存储比如外语单词。但是，人类的算计还远不止于此，“人生如棋局局新”、战场上的谋略，都需要多看一步的算计，人们就开始思考，这样多看一步甚至很多步的算计，电脑能不能实现？如何实现？

当我们教别人如何做事的时候，首先会在脑子里将事情的步骤想一想，然后用“编码”——语言一二三地总结出来传授，最后让他做一遍验证一下学会了没有。人类要如何“教会”计算机做事呢？

教会计算机按照人类思维模式做事，是不是可以将此理解为智能的开端？智能换个词就是智慧，智慧的意思是辨析判断、发明创造的能力。书中讲到智慧行为一般包括两个部分：搜索+评估。

任何生物要想生存，一定要有对生存环境的判断。哪里有危险，哪里能吃到东西。这种判断换句话说就是“多看一步”——预测未来。这种预测最行之有效的，就是抛弃一切主观意识和价值判断，对事物的发展进行推测——有一个词概括了这种判断和推测：仿真，就是基于现有状况机械地推测今后的变化。

搜索是进行仿真的前提。计算机的搜索功能会用让它搜索到正确的选项，在下棋的时候，搜索就意味着，找到一个正确的落子点。不过，对于本书中提到的将棋来说，它所拥有的10²²⁶这个数量级的运算太庞大，算不过来怎么办呢？（谷歌Google的名称来源于数学单位Googol，意思是1后面又100个0但是，据科学家推测，宇宙内可观测的所有原子数量还不足1Googol）

当我们到喧闹嘈杂的菜市场，如何才能快速确定谁家的菜新鲜便宜呢？初入菜市场的你，评估的结果一定是：顾客最多的那家。电脑对下棋也需要评估。电脑将整个资源进行切割，在切割后的各个部分里，再进行搜索并且对评价较高的部分进行进一步的搜索。这就像我们分解目标各个击破一样。

作者在书中介绍，将棋就是用这样的方法进行计算的，这个搜索+评估的过程被称为模拟。

但是事实上，有了模拟，人们不过是有了一个做事的宗旨，真正开始计算的时候发现，要定规则。就像我们给自己定下了五年目标，但是具体每天做什么怎么做？我们如何给电脑定规则？科学家发现，把自己的智慧“传输”给电脑有点难。

沟通学理论认为，语言既是桥梁也是障碍。其实我们早就理解，不是所有的想法都可以用语言精确地传达。哪怕是一个沟通高手。

问题该如何解决呢？

二、 了解人工智能之前，必须要了解的深度学习。

如何让计算机知道这张图片狗是狗而不是猫？就像妈妈对你说的，要学习才能知道更多，把学习的任务交给电脑，这种方式叫机器学习。在创新工场CEO李开复著的《人工智能》一书中，对机器学习有一个定义：机器学习……是一种用数学模型对真实世界中的特定问题进行建模，以解决该领域内相似问题的过程。

仔细看一遍这个概念，不要被里面的专业名词吓跑。通俗一点理解，就是像我们人类学习汉字一样，从天地人日月星开始，从不会到记住，一次一次地记忆，当我们看的次数足够多时，这个字就印在脑海里了，下次，不管这个字是楷体还是宋体，不管是毛笔写的还是钢笔写的，我们不会认错。计算机也是用这个规律来记忆的。

机器学习原理展示

注：文字引自李开复 王咏刚《人工智能》文化发展出版社2017.5出版

到今天，机器学习在画像识别领域技术已经比较成熟了。比如人脸识别技术，或者你打开某一个软件扫一扫，就能知道任何一朵花儿的名字，或者你在淘宝上用图片搜索卖价更低的商品。在这里，我们要说的是机器学习中的深度学习。

了解人工智能的人一定知道深度学习。在医学领域，任何一个通过深度学习的计算机都能胜过一位全世界最擅长从患者的X光片上发现病灶的医生。因为，它数据多而且不用休息，而且几乎不受使用场所的限制。

深度学习的前身是“神经元网络”技术，神经元网络是模拟人类的大脑构建的。当两层不足以解决问题的时候，人们就开始增加层数。层数在不断加深，这也是深度学习这个名字的由来。

从神经元网络到深度学习的深化展示

那么深度学习是如何运行的呢？深度学习是一种允许计算机不断尝试，最终逼近目标的机器学习方法。深度学习是把计算机要学习的东西看成一大堆数据，把这些数据放入一个复杂的、包含多个层级的数据处理网络，然后检查经过这个网络的得到的结果数据是不是符合要求——如果符合，就保留这个网络作为目标模型，如果不符合，就一次次地重新调整网络参数设置，知道输出满足要求为止。（文字引自李开复 王咏刚《人工智能》文化发展出版社2017.5出版）

概念既抽象又简单。抽象在于我们普通人其实很难理解它们的具体实施过程，而简单在于，我们只需要知道它最后一定会成功的。其实作者在书中将深度学习称为里面有黑魔法的元素。就像人类的直觉一样，我们有时候做了正确的事，但是解释不清为什么要那样做。深度学习现在的确面临这样一个人类无法解释的“直觉过程”。

即便无法解释，深度学习如今已经在语言（翻译）声音（语音输入）图像（图像识别）三个方面有了很大的收获。

三、 什么是强化学习？

作者在书中提到过两种学习方式：监督式学习和强化学习。顾名思义，监督式学习就是有老师看着学，而强化学习不需要老师，计算机会对未知的环境进行随机搜索并反馈其结果。在反馈结果的过程中，“评估”被不断强化，所以这个方法就被叫做，强化学习。

当这种强化学习技术运用到将棋领域的时候，将棋出现了人类可以永远都想不出来的“棋路”——计算机自我发明了新的棋路。事实上，这些结果是建立在最初大数据输入的前提下的，监督式学习让电脑学到了最前沿的技术，然后才能强化学习。其实简单点说就是，人类教会了计算机之后，计算机逐渐超过了师傅，开始自学成才了。当徒弟开始领悟规律，老师恐怕就真的追不上了。

阿尔法狗就是很好的例证。围棋在进入电脑评估的时候，因为其棋面的复杂多样性，每一步是很难用分值来计量。这时候，一种叫做蒙特卡洛法的运用随机效果来进行推算的方法出现了。

蒙特卡洛法是指当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过某种“实验”的方法，以这种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。（概念来自网络）

其实从概念可以看出，这是一种看起来麻烦但是能够在不确定性中找出答案的方法，对于围棋这样很难找到规律和计算方法的棋艺来说，这种方法是非常恰当的。阿尔法狗也是通过蒙特卡洛法，深度计算的结合，掌握了围棋的方法战胜人类的。，

最后作者提醒我们，在人工智能普及的今天，从监督学习到强化学习将在各个行业中显现出来。

《你一定爱读的人工智能简史》作者对于内容的划分比较详细，但是依然需要读者有一定的知识背景，不仅仅是对日本将棋的理解，更包括对于人工智能现状的了解才能深入体会。作者通过将棋的发展讲述人工智能的发展历程，对于普通读者来说，也可以说是“降维”讲解。用心体会，对人工智能入门还是有帮助的。

当人工智能一步一步走进我们的生活，变得比人类更聪明的时候，人类难免会产生担心，从普通人担心的工作被枪占，到人工智能专家担心人工智能缺乏伦理观，做出无法被人类控制的事，比如上文提到的深度学习，就有很多地方是人类根本无法理解的了。这也的确为人工智能的发展敲响了警钟，人类为了便利而将人工智能推向了今天，但是说到底，人才是一切的根本，对此，我们要永远记住并且遵循。