读人工不智能：计算机如何误解世界笔记03_AlphaGo
1. 人工智能
1.1. “人工智能”这个词听起来就是电影里的意象
1.1.1. 电影《星际迷航：下一代》中栩栩如生的机器人“数据少校”
1.1.2. 电影《2001太空漫游》中的哈尔9000
1.1.3. 电影《她》中的人工智能系统萨曼莎
1.1.4. 漫威系列漫画和电影中钢铁侠的管家贾维斯
1.2. 许多人希望现实世界中能有人工智能的东西出现，他们多半就是想要一个能满足所有需求的机器人管家
1.2.1. 脸书的马克·扎克伯格就曾开发过一个基于人工智能的家庭自动化系统，他将其命名为“贾维斯”
1.3. 自己特别想要得到的东西，人们就很容易将想象和现实混为一谈
1.4. 计算机科学家和普罗大众（包括从事技术工作的大学生）对人工智能的看法的不同
1.4.1. 一个将不智能的计算机器叫作“智能机器”的世界
1.4.2. 欣然接受人工设备（计算机）与真正的智能生物（人类）同步配合运行而给现实带来的可能性
1.5. 数学最了不起的一点，就是它可以让你看到这个世界运行的底层规律
1.5.1. 许多事情的运行都是按照数学规律来的：水晶按规则的形状生长，蝉卵在地下休眠，直到土壤温度合适才出土，等等
1.5.2. 并不是世界上的所有事情都跟计算有关
2. 广义人工智能
2.1. 广义人工智能是好莱坞式的人工智能
2.2. 与好莱坞电影里那些有知觉的机器人
2.2.1. 有些可能想要统治世界
2.2.2. 有些可能不想
2.3. 内置意识的计算机、永生，或者那些像人类一样“思考”的机器有关
3. 狭义人工智能
3.1. 机器学习、深度学习、神经网络和预测分析都是时下流行的狭义人工智能概念
3.2. 狭义人工智能是一种用于预测的数学方法
3.2.1. 人工智能的一切都跟定量预测有关，它其实就是加强版的统计工具
3.3. 狭义人工智能能回答任何一个答案基于数字原理的问题，而且可以给出最有可能正确的答案
3.4. 工作原理是分析一个已知的数据集，在数据集中识别数据模式和事件概率，并把这些数据模式和事件概率编写成计算模型
3.4.1. 所谓计算模型，就是只需扔数据进去，它就能吐出答案
3.5. 现今每一个人工智能系统的工作原理都有合乎其逻辑的解释
3.5.1. 理解它们的计算逻辑就能揭开人工智能的神秘面纱，就如拆开电脑可以了解硬件一样
4. 游戏
4.1. 人工智能多用在游戏领域
4.1.1. 一些著名的风险投资家、科技巨头他们大部分人从小就是《龙与地下城》的游戏迷
4.2. 自从艾伦·图灵在一篇发表于1950年的论文中首次提出“图灵测试”的概念之后，计算机科学家们都用国际象棋作为机器“智能”的标志
4.2.1. 半个世纪以来，人们一直在尝试制造一台可以打败人类棋手的机器
4.2.2. 只要计算机通过，就能被视作拥有智力，但事实并非如此
4.2.3. 图灵论证的哲学基础是不牢靠的
4.2.3.1. 哲学家约翰·塞尔提出的一个思想实验——中文房间（Chinese Room）
4.3. 第一个井字棋程序诞生于1952年
4.3.1. 可以部署一个算法模型，即一组规则或步骤，让计算机在游戏中一直赢棋或和局
4.4. IBM的“深蓝”在1997年击败了国际象棋冠军加里·卡斯帕罗夫
5. 中文房间
5.1. 数字计算机是一种只会处理符号，但并不理解符号的含义或解释的设备
5.2. 人类则不同，人类在思考时要做的事情远不止这些
5.2.1. 人脑中有带意义的想法、情感和精神内容
5.3. 形式化的符号本身是不足以形成精神内容的，因为它们本质上就没有任何含义（或解释，或语义），除非在符号系统以外，由人类为它们赋予意义
5.4. 塞尔主张处理和运用符号不等于理解符号，这一点可体现在现今大热的语音交互技术上
5.5. 语音接口在2017年非常时兴，但它们还远远不够智能
6. AlphaGo
6.1. 至少从1965年起，计算机科学家和围棋爱好者就一直在研究围棋的技巧模型
6.1.1. 围棋一共有10^170 种可能的棋面
6.1.2. 第一个计算机化的围棋程序诞生于1968年
6.1.3. 计算机科学界有一个子领域专门研究围棋叫计算机围棋
6.2.1. SGF
6.2.2. 表明了棋手的身份、棋局进行的地点、棋手每一步棋的落法和棋局的终局结果
6.3. AlphaGo的设计者们积累了庞大的数据集，里面有3 000万个SGF棋谱文件
6.3.1. 这个数据集不是随机生成的，而是由真人对弈产生的
6.3.2. 只要有业余围棋爱好者或职业棋手在网上玩围棋游戏，他们落棋的数据就会被存储起来
6.3.3. 运营不同在线围棋游戏网站的人决定打包他们保存的游戏数据，在网上公开
6.3.4. 最终，这些数据包被收集到一起，成了AlphaGo团队的3 000万局棋的数据
6.4. 专业的棋手会花大量时间在电脑上下围棋，这是他们的训练方式
6.4.1. 3 000万局棋的数据里面就有世界顶尖棋手的数据
6.4.2. 人类投入了几百万个小时的劳动，才创建了这些训练数据
6.5. 大部分关于AlphaGo的报道，却只关注它那神奇的算法，而不关注多年来在幕后默默无闻并且无偿创建训练数据的人
6.6. 2017年，人工智能程序AlphaGo以3比0打败围棋世界冠军柯洁，它常常被当作例子，以佐证广义人工智能将在未来若干年内实现
6.6.1. AlphaGo是由人类编写的、在硬件上运行的程序，就像写的“Hello，world”程序一样
6.6.2. 特别想要某事发生，不代表这件事就真会发生
6.7. AlphaGo得益于计算机硬件和软件的非凡发展，它是一个非凡的数学成就
6.7.1. AlphaGo的设计团队解决了一个难度极高的数学题，几十年来，最聪明的人类都在试着解决这个问题
6.7.2. 工作原理
6.7.2.1. 所有完美信息博弈都有一个最优值函数v*(s)，它能从玩家落子的位置（或状态s）推断出在所有参与博弈的玩家都做到了完美表现的情况下，博弈的结果将是什么。要解决这些博弈游戏，可以通过在搜索树中递归调用最优值函数（搜索树含有大约bd个可能的行动序列，其中b表示博弈的宽度，即每一步棋的合法落子个数，d则表示博弈的深度，即博弈的步数长度）。
6.7.3. “蒙特卡洛搜索”（Monte Carlo search）的方式
6.7.3.1. 从3 000万局棋的数据中挑出一组比较可能赢棋的棋步
6.7.3.2. AlphaGo将大量计算方法层叠在一起，每一步棋都选择赢面最大的走法
6.8. 一旦了解AlphaGo这种程序在数学和物理方面的本质，我们就会陷入对哲学和未来的思考
6.8.1. AlphaGo并不是一台智能机器
6.8.1.1. 它没有意识。它只会做一件事：玩电脑游戏
6.8.1.2. 它利用蛮力和许多人的共同努力，来打败一个围棋高手
