從AlphaGo談直覺學習到整體知識

　谷歌AlphaGo最近戰(zhàn)勝了歐洲頂尖職業(yè)圍棋玩家，這一壯舉被廣泛認為是人工智能（AI）的重大突破，因為AlphaGo所具有的功能（圍棋的復雜度是國際象棋的指數(shù)倍）以及出現(xiàn)的時間（比預期要早出現(xiàn)許多）。它的產(chǎn)生所帶來的飛躍就像是發(fā)達肌肉和大腦，前者在計算能力上大幅增加，后者創(chuàng)新組合建立好的算法。
　　
　　這項突破以及它實現(xiàn)的方式可能會對未來IA帶來對立的觀點：任一當前概念框架都是最好的選擇，隨著健壯的機器變得更聰明，它們遲早會超過它們的人類制造者；或者這是一種迷惑，可能讓更健壯的機器和無助的人類陷入其中。
　　AlphaGo和DeepMind的開發(fā)人員可以在這困境中指出一條整體出路嗎？
　　來源分類法
　　借用斯賓諾莎的話，人們可以從考慮來源知識類別開始：
　　第一類是通過我們的感官（視覺，聽覺，嗅覺，觸覺）或信念（通過我們共同的“感覺”作為培育）來實現(xiàn)。這一類天生容易受環(huán)境和偏見影響。第二類是通過內(nèi)置推理，即符號表示的心理過程。其目的是普及和開放分析，但它無法保證與實際現(xiàn)實的一致性。第三類是通過哲學實現(xiàn)，它本質(zhì)上將認知，直覺和符號表示結合。
　　然而對于第一點不會有太多的爭議，第三類對哲學原理有廣泛的空間，從宗教到科學，集體意識形態(tài)，或精神超越。隨著今天的知識橫跨智能設備，并由群眾智慧驅(qū)動，哲學似乎更關注大數(shù)據(jù)而不是它原本關注的領域。
　　盡管（或者是因為）它的重點是第二類，AlphaGo和它的創(chuàng)建者的壯舉仍然可以為整個人工智能的努力帶來一些經(jīng)驗。
　　表示分類法
　　如前所述，IA支持范式的有效性已經(jīng)由指數(shù)形式增長的數(shù)據(jù)和處理能力支撐著。毫不奇怪，那些范式在知識來源，隱式感覺，顯式推理上與兩種基本的表示形式有關：
　　基于符號表示的設計可以處理顯式信息：數(shù)據(jù)被“解釋”成信息，然后當做知識使用，用來主導行為?；?a href='http://ttokpm.com/tags/神經(jīng)網(wǎng)絡/' target='_blank' class='arckwlink_none'>神經(jīng)網(wǎng)絡的設計具有處理隱式信息的特征：數(shù)據(jù)被“編譯”成神經(jīng)元連接，他們的權重（可以理解為知識）根據(jù)行為反饋迭代地進行調(diào)整。
　　由于該二元性反映了人類的認知能力，建立在這些設計上的聰明機器是為了將合理性與有效性結合：
　　符號表示支持兩端的透明性和方式的溯源性，可以對目的性，實際性或社會性進行分類。神經(jīng)網(wǎng)絡，在它們學習內(nèi)核的幫助下，可以直接在數(shù)據(jù)上操作，加快了具體目標的實現(xiàn)，這基于支持知識，這些知識隱式地以加權連接呈現(xiàn)。
　　這種方法的潛能已經(jīng)由基于互聯(lián)網(wǎng)的語言處理展現(xiàn)了：實際的關聯(lián)分析“觀察”了數(shù)以億計的話語，它們正在逐步補充甚至取代基于Web解析器的語法語義規(guī)則。
　　在這一點上，AlphaGo有它的野心，因為它只處理非符號的輸入，即圍棋高手玩家落子的集合（共約3千萬）。但是，這個限制也可以成為一個優(yōu)勢，因為它帶來了同質(zhì)性和透明性，使得算法有了更高效的組合：健壯的組合用來進行實際行動，使用最好玩家的直覺知識，聰明的組合用來進行推斷行動、計劃和策略。
　　教它們?nèi)绾螀f(xié)同工作，可以說是這項突破的關鍵因素。
　　學習分類法
　　對于智能機器，應該可以預料到，它們驕人的成就完全取決于它們的學習能力。而這些能力通常分別運用到隱式（或是非符號）和顯式（或是符號）內(nèi)容上，讓它們在同一個認知引擎的管控之下，就如人腦通常那樣，這也成為IA的長期首要目標。
　　實際上，這已經(jīng)由神經(jīng)網(wǎng)絡實現(xiàn)了，它將監(jiān)督式和非監(jiān)督式學習結合：人類專家?guī)椭到y(tǒng)去其糟粕，然后通過系統(tǒng)自己百萬次的訓練來提高它們的專長。
　　然而，領先的AI玩家的成就已經(jīng)揭露出了這些解決方案的局限性，即扮演最好人類玩家并打敗他們性質(zhì)上的差距。而前者的結果可以通過似然決策得出，后者需要原始方案的開發(fā)，這就帶來了定量和定性的障礙：
　　與實際動作相反，可能的動作沒有限制，因此在搜索樹中以指數(shù)形式增長。原始計劃根據(jù)估值和策略制定。
　　通過單個方案克服這兩個挑戰(zhàn)，可以說是DeepMind工程師的關鍵成就。
　　掌握搜索樹的廣度和深度
　　使用神經(jīng)網(wǎng)絡對實際狀態(tài)評估以及來自于搜索樹中以指數(shù)形式增長的廣度和深度的策略采樣。然而蒙特卡洛樹搜索（MCTS）算法可以用來解決這個問題，用有限的能力擴大處理性能仍然只能處理樹較淺的部分；直到DeepMind的工程師將MCTS運用到分層的估值和策略網(wǎng)絡上，成功解除了深度的障礙。
　　AlphaGo無縫使用了分層的網(wǎng)絡（即深度卷積神經(jīng)網(wǎng)絡）進行直覺學習，強化，評估和策略，圍棋的棋盤和規(guī)則（與國際象棋一樣，無差異性移動和搜索陷阱）的同質(zhì)性使之成為可能。
　　從直覺到知識
　　人類是唯一能夠?qū)⒅庇X（隱式的）和符號（顯式的）知識結合起來的物種，人類具有這樣的雙重能力，將前者轉(zhuǎn)換成后者，然后通過后者的反饋反過來改善前者。
　　用在機器學習方面的話需要監(jiān)督式和非監(jiān)督式學習的連續(xù)性，這應該可以通過神經(jīng)網(wǎng)絡達到，這種神經(jīng)網(wǎng)絡可以用來符號表示和處理原始數(shù)據(jù)：
　　從顯式到隱式：為特定情境和目的建立的符號描述將被輸入到神經(jīng)網(wǎng)絡之中，在目標環(huán)境的數(shù)據(jù)上進行測試和改善。從隱式到顯式：一旦通過百萬次在相關目標上運行對設計進行了測試和強化，將有可能對結果重新設計，用來改善符號描述。
　　然而深度符號知識的非監(jiān)督式學習超出了智能機器的范圍，顯著的結果可以在“平坦”的語義環(huán)境下得到，比如，如果同一個語義可以用來評估網(wǎng)絡狀態(tài)和策略：
　　在百萬次落子中由人類專家觀察到的直覺部分的監(jiān)督式學習。自我對弈中的非監(jiān)督式強化學習。使用蒙特卡洛樹搜索（MCTS）構建，評估和完善自我策略的規(guī)劃和決策。
　　沒有圍棋整體性的性質(zhì)，將不可能有這種深度和無縫的集成。
　　美學評估和整體知識
　　圍棋的特異性是雙重的，定量側(cè)的復雜性，定性側(cè)的簡單性，前者是后者的代價。
　　與國際象棋相比，圍棋的實際位置和潛在落子方式只能由整個棋盤進行評估，它使用了一個最具美學的標準，不會簡化成任意度量和手工制作的專家規(guī)則。玩家不會在詳細分析當前位置和評估可供選擇方案后再落子，而是根據(jù)他們的對棋盤的直覺。
　　因此，AlphaGo的行為會完全按照上面所說的第二層次的知識進行：
　　作為游戲玩家，它可以從實際現(xiàn)實考慮中分離。作為圍棋玩家，不需要解決任何語義復雜性。
　　給予足夠的計算能力，DeepMind工程師的主要挑戰(zhàn)是教AlphaGo將它的美學直覺轉(zhuǎn)換成整體知識，而不需要定義它們的實質(zhì)。
?