從AlphaGo談直覺學習到整體知識

　谷歌AlphaGo最近戰勝了歐洲頂尖職業圍棋玩家，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倍）以及出現的時間（比預期要早出現許多）。它的產生所帶來的飛躍就像是發達肌肉和大腦，前者在計算能力上大幅增加，后者創新組合建立好的算法。
　　
　　這項突破以及它實現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。這一類天生容易受環境和偏見影響。第二類是通過內置推理，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實的一致性。第三類是通過哲學實現，它本質上將認知，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，或精神超越。隨著今天的知識橫跨智能設備，并由群眾智慧驅動，哲學似乎更關注大數據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和它的創建者的壯舉仍然可以為整個人工智能的努力帶來一些經驗。
　　表示分類法
　　如前所述，IA支持范式的有效性已經由指數形式增長的數據和處理能力支撐著。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：數據被“解釋”成信息，然后當做知識使用，用來主導行為?；?a href='http://www.qd573.com/tags/神經網絡/' target='_blank' class='arckwlink_none'>神經網絡的設計具有處理隱式信息的特征：數據被“編譯”成神經元連接，他們的權重（可以理解為知識）根據行為反饋迭代地進行調整。
　　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。神經網絡，在它們學習內核的幫助下，可以直接在數據上操作，加快了具體目標的實現，這基于支持知識，這些知識隱式地以加權連接呈現。
　　這種方法的潛能已經由基于互聯網的語言處理展現了：實際的關聯分析“觀察”了數以億計的話語，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勢，因為它帶來了同質性和透明性，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。
　　教它們如何協同工作，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，這已經由神經網絡實現了，它將監督式和非監督式學習結合：人類專家幫助系統去其糟粕，然后通過系統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，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形式增長。原始計劃根據估值和策略制定。
　　通過單個方案克服這兩個挑戰，可以說是DeepMind工程師的關鍵成就。
　　掌握搜索樹的廣度和深度
　　使用神經網絡對實際狀態評估以及來自于搜索樹中以指數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絡上，成功解除了深度的障礙。
　　AlphaGo無縫使用了分層的網絡（即深度卷積神經網絡）進行直覺學習，強化，評估和策略，圍棋的棋盤和規則（與國際象棋一樣，無差異性移動和搜索陷阱）的同質性使之成為可能。
　　從直覺到知識
　　人類是唯一能夠將直覺（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督式和非監督式學習的連續性，這應該可以通過神經網絡達到，這種神經網絡可以用來符號表示和處理原始數據：
　　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網絡之中，在目標環境的數據上進行測試和改善。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”的語義環境下得到，比如，如果同一個語義可以用來評估網絡狀態和策略：
　　在百萬次落子中由人類專家觀察到的直覺部分的監督式學習。自我對弈中的非監督式強化學習。使用蒙特卡洛樹搜索（MCTS）構建，評估和完善自我策略的規劃和決策。
　　沒有圍棋整體性的性質，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，定量側的復雜性，定性側的簡單性，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工程師的主要挑戰是教AlphaGo將它的美學直覺轉換成整體知識，而不需要定義它們的實質。
?