人工智慧的「才智」與人類不同
2016/04/15
圍棋人機巔峰對決以人類大敗而告終。圍棋之後，人工智慧將挑戰什麼？
「將在2050年之前開發出能獲諾貝爾獎級或更高水準的科學發現的人工智慧（AI）」，索尼電腦科學研究所所長北野宏明如此呼籲國內外研究人員。
北野此前曾提議組建能戰勝世界冠軍足球隊的機器人球隊。北野是發起自律型機器人世界足球賽、引發人工智慧和機器人研究熱潮的核心人物。
新提議聽起來荒唐無稽，但事實並非如此。
美國正在推進採用人工智慧技術加快新材料開發的國家計劃。一般稱為「材料基因組計劃(Materials Genome Initiative)」。
「能夠將需要10～20年的新材料的實用化進程縮短至一半」，前些日子在東京舉行的研討會上，該計劃的負責人、美國西北大學（Northwestern University）教授Peter Voorhees如是説。
將借助電腦計算出具有耐熱性和導電性等優秀性能的材料的組成和結構。換言之，人工智慧將取代技術人員的不斷摸索。
卓越的材料技術是日本産業競爭力的源泉。産業技術綜合研究所等日本的研究機構不甘落後，正在積極採取應對措施。
人工智慧究竟如何參與研究開發？人工智慧可通過大量學習現有的數據和實例，一個不落地掌握能想到的假説。這是不需要天才靈光一閃的繁瑣勞動。北野表示，「我們已經憑此取得了成功」。
擊敗圍棋名人的美國谷歌的人工智慧採用了「深度學習」和「強化學習」兩種方式。利用深度學習，將大量的棋局數據類型化。然後針對如何改變棋局佈局有助於取勝，電腦之間反覆進行對弈，通過「強化學習」積累經驗加以記憶。
其基礎是基於龐大數據和訓練的歸納學習法。
A→B、B→C等演繹型模式的人工智慧開發在1980年代走入死胡同。典型案例是日本的「第五代電腦計劃」。該計劃力爭開發出能與人類進行自然對話的人工智慧，曾一度受到世界的關注，但最後遭受挫折。
以深度學習為代表的新的人工智慧模式正在發揮巨大的潛力。但另一方面，也可以看到它的極限。
力爭開發出能寫小説的人工智慧的公立函館未來大學教授松原仁等人3月21日舉行了報告會。公開了首次挑戰1萬字左右短篇小説（超短篇小説）競賽「日經·星新一獎」的作品。
雖然未能入選，但文章語言通順，具有足夠的可讀性。文章是電腦自動生成的。這是一個巨大的進步，但實際上故事的梗概等仍是由人類構思。與其説是「人工智慧撰寫的」，不如説仍處在「利用人工智慧撰寫」的階段。松原教授也承認距離人工智慧作家的登場「仍然任重而道遠」。
與圍棋不同，人工智慧創作小説的難處在於缺乏評優方法。人工智慧不擅長處理模稜兩可的數據。在充滿不確定性和感性的世界裏，人工智慧要大展身手仍然面臨很大的障礙。
此外，目前流行的人工智慧仍存在技術上的風險。如果僅從經驗上學習，不管如何提高準確度，都可能在某些地方出錯。從外部無法窺見出錯的原因，也無法預測何時會出錯。這是因為人工智慧就是一種黑盒子。
因此，對於一旦出錯就將帶來不可彌補的災難的系統，採用目前的人工智慧仍需慎重。
人工智慧與人腦既有相似之處，也有許多不同之處。
儘管創造模倣人類的人工智慧的道路還很漫長，但如果不試圖模倣人類，事情就另當別論了。
圍棋等驗證的題材就在身邊，因此往往容易與人類加以比較。但是，看清人工智慧實現的「才智」與人類不同或許才是一條捷徑。北野和谷歌看到了兩者的不同。這種想法即是一種優勢。
對於突如其來的人工智慧熱潮，也存在冷靜的觀點。「這是因為研究開發遇到了瓶頸」，産業技術綜合研究所理事長中缽良治表示。世界各國的企業和研究機構正在拼命尋找創新的切入點。
遠遠落後的日本要追趕美國，應該採取哪些行動呢？
在發展會學習的人工智慧方面，數據量無疑將發揮巨大作用。從醫院的臨床記錄、地圖資訊到網路上的對話，只有處於能訪問符合目的的大量數據的狀態下，才能培養電腦的「才智」。
不能讓社會上已經積累的各種數據藏而不用。需要構建能將其用於研究的恰當規則和環境。此外，還需要人工智慧研究者與各個應用領域的合作。就材料基因組來説，就是化學和材料的研究人員等。
此外，東京大學特聘副教授松尾豐表示，「並非僅靠深度學習就能做任何事」。如果著眼於未來，應開發新技術並加以融合，設想超越目前的人工智慧極限的研究。
日本經濟新聞（中文版：日經中文網）編輯委員 滝順一
版權聲明：日本經濟新聞社版權所有，未經授權不得轉載或部分複製，違者必究。
「將在2050年之前開發出能獲諾貝爾獎級或更高水準的科學發現的人工智慧（AI）」，索尼電腦科學研究所所長北野宏明如此呼籲國內外研究人員。
 |
新提議聽起來荒唐無稽，但事實並非如此。
美國正在推進採用人工智慧技術加快新材料開發的國家計劃。一般稱為「材料基因組計劃(Materials Genome Initiative)」。
「能夠將需要10～20年的新材料的實用化進程縮短至一半」，前些日子在東京舉行的研討會上，該計劃的負責人、美國西北大學（Northwestern University）教授Peter Voorhees如是説。
將借助電腦計算出具有耐熱性和導電性等優秀性能的材料的組成和結構。換言之，人工智慧將取代技術人員的不斷摸索。
卓越的材料技術是日本産業競爭力的源泉。産業技術綜合研究所等日本的研究機構不甘落後，正在積極採取應對措施。
人工智慧究竟如何參與研究開發？人工智慧可通過大量學習現有的數據和實例，一個不落地掌握能想到的假説。這是不需要天才靈光一閃的繁瑣勞動。北野表示，「我們已經憑此取得了成功」。
擊敗圍棋名人的美國谷歌的人工智慧採用了「深度學習」和「強化學習」兩種方式。利用深度學習，將大量的棋局數據類型化。然後針對如何改變棋局佈局有助於取勝，電腦之間反覆進行對弈，通過「強化學習」積累經驗加以記憶。
其基礎是基於龐大數據和訓練的歸納學習法。
 |
| 日本八段棋手山崎隆之與軟體「PONANZA」的日本象棋人機大戰（10日，日本岩手縣） |
以深度學習為代表的新的人工智慧模式正在發揮巨大的潛力。但另一方面，也可以看到它的極限。
力爭開發出能寫小説的人工智慧的公立函館未來大學教授松原仁等人3月21日舉行了報告會。公開了首次挑戰1萬字左右短篇小説（超短篇小説）競賽「日經·星新一獎」的作品。
雖然未能入選，但文章語言通順，具有足夠的可讀性。文章是電腦自動生成的。這是一個巨大的進步，但實際上故事的梗概等仍是由人類構思。與其説是「人工智慧撰寫的」，不如説仍處在「利用人工智慧撰寫」的階段。松原教授也承認距離人工智慧作家的登場「仍然任重而道遠」。
與圍棋不同，人工智慧創作小説的難處在於缺乏評優方法。人工智慧不擅長處理模稜兩可的數據。在充滿不確定性和感性的世界裏，人工智慧要大展身手仍然面臨很大的障礙。
此外，目前流行的人工智慧仍存在技術上的風險。如果僅從經驗上學習，不管如何提高準確度，都可能在某些地方出錯。從外部無法窺見出錯的原因，也無法預測何時會出錯。這是因為人工智慧就是一種黑盒子。
因此，對於一旦出錯就將帶來不可彌補的災難的系統，採用目前的人工智慧仍需慎重。
人工智慧與人腦既有相似之處，也有許多不同之處。
儘管創造模倣人類的人工智慧的道路還很漫長，但如果不試圖模倣人類，事情就另當別論了。
圍棋等驗證的題材就在身邊，因此往往容易與人類加以比較。但是，看清人工智慧實現的「才智」與人類不同或許才是一條捷徑。北野和谷歌看到了兩者的不同。這種想法即是一種優勢。
對於突如其來的人工智慧熱潮，也存在冷靜的觀點。「這是因為研究開發遇到了瓶頸」，産業技術綜合研究所理事長中缽良治表示。世界各國的企業和研究機構正在拼命尋找創新的切入點。
遠遠落後的日本要追趕美國，應該採取哪些行動呢？
在發展會學習的人工智慧方面，數據量無疑將發揮巨大作用。從醫院的臨床記錄、地圖資訊到網路上的對話，只有處於能訪問符合目的的大量數據的狀態下，才能培養電腦的「才智」。
不能讓社會上已經積累的各種數據藏而不用。需要構建能將其用於研究的恰當規則和環境。此外，還需要人工智慧研究者與各個應用領域的合作。就材料基因組來説，就是化學和材料的研究人員等。
此外，東京大學特聘副教授松尾豐表示，「並非僅靠深度學習就能做任何事」。如果著眼於未來，應開發新技術並加以融合，設想超越目前的人工智慧極限的研究。
日本經濟新聞（中文版：日經中文網）編輯委員 滝順一
版權聲明：日本經濟新聞社版權所有，未經授權不得轉載或部分複製，違者必究。