人工智能技术的不断发展，人类或许会被人工智能替代(3)

无论是以压倒性优势打败世界围棋冠军职业九段选手李世石的AlphaGo，还是Facebook家的围棋A.I.——“黑暗森林”，都是在深度学习这一算法上开展的。

深度学习是机器学习领域中的一种算法。它能模拟人脑神经元的工作方式，建造机器神经网络。具有深度学习能力的计算机网络能够收集、处理并分析庞大的数据，最终通过自主学习来实现图像和语音识别等智能行为。2012年，Google大脑团队开发出的人工神经网络利用深度学习算法，通过观看一周YouTube视频自主学会了识别哪些是关于猫的视频。虽然该算法基于人工神经科学研究，并应用于许多复杂的数学模型，但是，深度学习算法仍是比人脑简单得多的软件。有人会将深度学习比喻为卡通大脑，但随着技术不断发展，这个比喻是否成立将越来越变得可疑。

近期，谷歌的DeepMind团队开发的一款教会自己打十几款经典街机游戏的软件，使用分布式深度递归网络（DDRON）解开了著名的红蓝帽子谜题：一百名囚犯依次排队，每人戴一顶蓝帽子或者红帽子，每人都可以看到前面所有人的帽子，但看不到自己以及后面的帽子。从队尾开始，狱警要问每个囚犯自己帽子的颜色。在排队前，囚犯们获准可以一起商量，设计出一套回答问题的方案。为了破题，DeepMind的这款软件把每个囚犯塑造成一个独立的智能代理，每个个体都知道自己能看见的帽子颜色，各自决定怎么告诉别人，然后再使用共同的信息得出答案。一开始，所有代理都没有获得任何实现设定的通信协议，但每个代理都能够学会解决基于通信的协作任务。因此，为成功地通信，首先必须自动开发出他们自己的通信协议并在相互间达成一致。最后，成功解决问题。

 

 

人工智能资料图

 

红蓝帽子谜题的破解，是深度学习成功学会通信协议的第一个案例。这是向人工智能之间的沟通和协作跨出的第一步。从长远来看，这会给人工智能增加更多扩展性，并允许它们解决以前无法解决的问题。

除了深度学习的算法，其他计算机算法也是基于类似动物神经元，可相互分享数据并作出计算的算法。今天的神经网络实质上还是使用二十世纪八十年代初期的算法。学习识别一个物体，计算机可能首先需要成千上万张带有标签的样本，还需要进行监督式的教导，而人类只需要少量样本且可能不需要监督。

 

 

人工智能资料图

 

相比人工神经网络信息单向的工作方式，大脑则完全不同。人类大脑由许多神经元构成，这些小单元可以通过巨大的电脉冲网络互相发送信息，这些信息调控所有由大脑控制的身体功能，包括理解场景和肢体运动等。大脑神经元高度相连，每一步处理过程都可能产生反馈。但到目前为止，科学家还未能完全理解神经元的工作机制。