从人机对战谈人工智能的发展

从人机对弈谈人工智能的发展

摘要：本文从人机对弈案例入手，简略分析计算机如何对战人类棋手，就计算机

的优势和劣势引出目前人工智能H勺局限性之处；在概括人工智能发呈现状日勺同

步，尝试找出人工智能与人类智能H勺差距，并对人工智能的将来做以展望。

核心词：人机对弈人工智能

引言：

相信许多喜欢下棋的同窗均有与计算机对弈日勺经历。某些计算机软件的棋力

可以达到很高的水平，不失为人类强劲的对手，更有甚者让世界冠军甘拜下风。

诸多人不禁为之担忧：随着人工智能技术口勺迅猛发展，计算机口勺智能与否已经超

越人类？人类与否面临着消灭的危险？

正文：

1.人机对弈：谁更强？

1.1.出名人机对弈案例

历史上最出名的人机对弈发生在1997年。当时34岁的俄罗斯棋手卡斯帕罗

夫已经统治国际象棋棋坛长达十年之久，被公觉得有史以来最强的棋手之一，而

向她发出挑战的，是每秒能计算2亿步棋，由IBM公司开发的超级计算机“深

蓝”。通过长达一周的6局对弈，“深蓝”2

胜3平1负力挫卡式，以一场决定性H勺胜利,当前棋局

向世人呈现了计算机智能的威力。

着法生成器

随着计算机技术的飞速发展，“人机对

弈”也越来越成为人们津津乐道的话题。2

局

枚

索

面

搜索算法相

评

助

估

产生战仕玲法

月，卡斯帕罗夫再次出战，3:3战平了三届计算机国际象棋冠军“小深”。，中国

棋后诸宸两负计算机软件“紫光之星初次中国象棋人机大战在北京奥体中心

举办，徐天红等5位象棋大师以4.5：5.5的总比分不敌超级计算机“天梭

计算机在与人类的智力对决中屡屡获胜，其制胜法宝是什么？与否代表着计

算机的智力已经超过人类？下面，笔者以“深蓝”战胜卡斯帕罗夫为例，分析计

算机缘何在某些领域上可以与人类一较高下。

1.2计算机缘何战胜人类棋手

计算机得以战胜人类，重要凭借其强大H勺大规模并行解决信息能力。在典型

的国际象棋比赛中，规定棋手在3分钟内走一步棋。在这3分钟内，“深蓝”可

以计算600亿步棋，对于最多这能计算180步的卡斯帕罗夫来言无疑是一种天文

数字。在每走一步棋之前，“深蓝”都会对四个方面进行评估：棋子的价值、棋

子的I位置、棋局的步调和王的安全性，并结合预先输入的、几乎世界上所有的J棋

谱，来衡量局势的好坏。对于每一种合法的走法，“深蓝”对其进行评分，并最

后选择一种得分最高H勺走法。这样，咐弈问题就完全变成了纯正的计算。依托强

大的J计算能力，一台冰冷H勺机器就这样体现出人性化的某些智能性。

无论是国际象棋、中国象棋还是其他棋类，计算机取胜的法宝在于找到所有

也许方案，再结合某种预先规定的算法（或者说是逻辑），遍历所有也许、找出

最优的解决方案。目前棋类博弈的算法重要有两大类：模式匹配和使用博弈树。

所谓模式匹配，是指将两个模式作为输入，计算模式元素之间相应关系H勺过程。

应用到棋类博弈中，就是在庞大的数据库中搜寻与目前棋局最相似的棋局，并将

搜寻到的成果作为参照。而博弈树类似于状态图和问题求解搜索中用到的搜索

树。博弈树口勺结点相应于某一将来也许的棋局，其分支代表走一步棋；根部相应

于目前的棋局状态，叶代表对弈到此结束。在叶相应的棋局中，比赛口勺成果可以

是赢、输或者和局。对于任何一种棋类来说，其博弈树都是巨大的。以一局一般

的I国际象棋棋局为例，如昊进行30回合，那么树的结点数就会呈现以60为指数

的指数爆炸形式。因此对T某些走法应进行合并和剔除，如采用。-0博弈树简枝

法。最后，在每一步的众多节点中，选择连有“赢”树叶最多H勺结点，这就是最

优的I解决方案。限于篇幅和个人水平，更具体的I算法在此不做进一步论述。

舱不走

13计算机下棋的弱点

由博弈树可以看到，也许的方案越少、判断局势优劣日勺算法越简朴，计算机

在与人类的对抗中胜算越大。对于五子棋，由于规则相对容易，合理走法相对较

少，通过并不复杂日勺算法编写C或JAVA程序(仅需干行左右)便可实现人机对

弈；目前开发时五子棋软件水平也相对较高，一般PC机即可运营；对于国际象

棋，由于计算范畴及计算复杂性提高，计算机战胜人类的难度加大，并一般要依

赖于超级计算机.至于围棋，为什么计算机的围棋水平停滞不前，至今只能与业

余选手抗衡？

因素之一是棋局复杂，变化极多。据估计，国际象棋搜索7个回合内H勺优化

方案大体有5()0亿种选择，以目前的技术水平仍可以承受；然而在围棋中，假设

每步只有100个可行点（这仅仅是保守估计），那么7个回合之内就有10人28种

变化，显然无法进行全局搜索，计算机的水平自然也大打折扣。

因素之二是棋局具有反友性。如打劫、“道脱靴”，一块空可几易其主，“死

子”未必无用，“活子”有时反倒堪虞；棋局具有灵活性，往往通过弃子取势、

弃子争先来变化全局口勺走势。因此很难像国际象棋同样，判断每一枚棋子口勺价值。

因素之三，也是最重要的因素在于没有确切判断局势优劣H勺逻辑。也就是说.

对于全局的判断很难用一种函数去量化,更多需要棋手的感觉和经验，是一种“只

可意会不可言传”H勺东西。对于局势H勺分析，不仅需要简朴的计算，还需要模糊

辨认（在大量复杂的信息口辨认出自己觉得有用的部分，即对接受H勺信息与以往

的经验和记忆进行关联结识，再剔除无用的部分）、情感辨认（即不同的人有不

同时理解和情感倾向）。而人的优势正在于模糊判断、敏捷的直觉和判断力，这

些无疑是计算机所缺少口勺,

基于以上几点因素，计算机无法在围棋上战胜人类也就局限性为怪了。同样,

对于军棋，由于其布局具有极强的不拟定性，行棋过程与博弈、心理战密切有关,

恰恰击中了计算机H勺单薄之处，因此软件H勺水平也没有达到一种较高的平台。综

上所述，在纯正理性的领域中，计算机可以以精确迅速的计算与人脑相抗衡、甚

至更胜一筹：然而一日问题波及到感性层面.即与情感、直觉、发明力密切有关

的I时候，计算机往往体现的不尽如人意。这也正是将来人工智能发展所要突破的

瓶颈。

2人工智能的现状与将来

2.1.人工智能的概念

以上所谈及H勺人机对弈，其实仅仅是人工智能应用的一种方面。人工智能

（artificialintelligence）,乃研究、开发用于模拟、延伸和扩展人的智能的理论、

措施、技术及应用系统H勺一门技术科学，与基因工程、纳米技术并称为21世纪

三大尖端技术。人工智能是计算机科学的一种分支，其目H勺是理解智能的实质，

并生产出一种能以人类智能H勺方式做出反映的智能机器。该领域H勺研究涉及机器

人、语言辨认、图像辨认、自然语言解决和专家系统等。

2.2.计算机的“智能”

“人工智能”口勺定义可分为两部分：“人工”和“智能”。一切人类参与和变

化的事物都可以称作“人工”，显然这不是人们的关注点。如何实现“智能”，才

是人工智能技术的核心。根据加德纳的多元智能理论，智能大体可体现为八个方

面：语言、数学逻辑、空间感知、身体运动、音乐、人际交往、自我认知、自然

认知。

•语言智能目前计算机语音辨认和解决软件己经做到了相称高的水平，在

今年美国的智力竞赛节目《危险边沿》中上演了真人与电脑对决的好戏，IBM超

级电脑“沃森”以绝对优势击败了该节目的两名“常胜将军”。可以说计算机已

经具有了基本日勺“语言智能”。

•数学逻辑智能这无疑是计算机的强项，人们通过预先设计H勺算法赋予计

算机一定的逻辑，使其有效地进行计算、测量、推理、归纳、分类。上文中

提到H勺“人机对弈”就是计算机强大数学逻辑智能的最佳体现。

・空间智能是指精确感知视觉空间及周边事物，并且能把所感觉到的J

形象以图画的形式体现H来的）能力。对于具有图像收集和解决系统的计算

机而言，这显然不是一件难事。

•身体运动能力是指善于运用整个身体来体现思想和感情、灵活地运用双

手制作或操作物体H勺能力,随着机器人功能的日趋完善，无论是在工业、医学、

建筑业还是军事领域，机器人都凭借强大的生存能力和愈发杰出的机动性发挥着

重要作用，如排爆机器人，家务机器人等等。

•音乐能力是指人可以敏锐地感知音调、旋律、节奏、音色等能力。由

于对声音H勺感知更为精确，无疑计算机在这一方面比人类更胜一筹。甚至

某些音乐软件可以创作出上乘H勺音乐作品。

在以上几种方面，计算机都体现出接近人类甚至更高口勺“智能”。那么

与否“人工智能”已经实现？计算机真的可以与人类一较高下吗？下面我

们切入问题的核心,即“智能”的本质。

2.3.离真正的智能有多远

有关“智能”的定义至今仍是一种有争议的话题。根据百度百科，从感觉到

记忆到思维这一过程，称为“智慧”，智慧的成果产生行为和语言，行为和语言

的体现过程称为“能力”，两者合称“智能”。感觉、记忆、回忆、思维、语言、

行为的整个过程称为智能过程。

笔者觉得，“智能”的本质在于意识。意识，即思考并感知我们自身的存在,

并通过自身的感知对外界环境做出多种反映和行为，同步判断自身口勺位置和状

态、产生记忆。基于自我意识，意识主体便具有了一定的自主性，可以按照自身

思维，变化自我状态、进行自我更新、决定自身行为。这就是基本的“智能”。

对人而言，由于其产生意识系统一一大脑的复杂性和特殊性，具有了学习、语言、

理解和创新能力，使人类的经验和科学得以通过语言和文字传承，并积累到社会

意识中。在这样的过程中，人类的科学水平不断进步，同步自我意识不断加强，

从而使人的智能很大限度上领先于其她生物体C

那么计算机与否真正具有“智能”呢？口勺确，计算机可以做到和人类同样，

对外界条件做出采集、传递、存储、提取、删除、对比、筛选、鉴别、排列、分

类、整合、体现等活动，具有一定限度的感知和思维能力，但计算机不具有“智

能”的本质一一自我意识。这决定了计算机只能通过人预先编译H勺程序或系统做

出多种各样H勺行为，却无法自行进行发明，无法提高自身能力，也不能自我更新

和繁殖。正因如此，目前的“人工智能”只能是非生物性的、低层次的智能，是

无意识时机械的物理过程，计算机不具有2.2中提到的I人际交往能力、自我认知

能力和自然认知能力。无论何时，总是人的思维在前，计算机H勺思维在后。因此,

人工智能目前还无法与人类智能相提并论。

2.4“弱人工智能”和“强人工智能”

基于上文的讨论，在这里引入“弱人工智能”和“强人工智能”的概念。弱

人工智能，即所谓的“智能机器”不具有真正推理和解决问题的能力，只但是看

上去像是智能的，但是并不真正拥有智能，也不会有自我意识。前文中提到计算

机的多种“智能”，就都属于弱人工智能。目前主流科研集中在弱人工智能匕

并获得了明显的成效。实现弱人工智能，重要采用老式的J编程技术，使系统呈

现智能的效果，而不考虑所用措施与否与人或动物机体所用H勺措施相似。

这种措施叫工程学措施。

相对于“弱人工智能”，“强人工智能”观点觉得可以制造出真正的智能

机器，具有推理和解决问题的能力，并有知觉和自我意识。强人工智能口勺

研究目前处在一种停滞天前的状态，重要因素是老式的工程学措施遇到了

极大的困难，纯正从功能上模拟人的智能，是很难在本质上有所突破的。

实现真正H勺“人工智能”，不仅规定机器具有智能的效果，还规定通过与人

类或生物机体类似的方式去实现。于是自然的，生物学逐渐渗入到人工智

能的领域中，遗传算法、人工神经网络等模型应运而生。相信这也是将来

人丁智能口勺发展方向c

2.5强人工智能能否实现

遗传算法和人工神经网络的发展让人们看到了实现强人工智能日勺曙光。

遗传算法是模拟进化论口勺自然选择和遗传学机理建立的计算模型，是一种通过模

拟自然进化过程搜索最优解H勺措施。大体思路是对某一问题予以一组候选解（类

似于•种种群），测算每个解的适应度（类似于基因频率），然后将这组解集进行

组合交叉和变异（类似于遗传变异）得到新一代解集，并在每一代候选解中进行

筛选和放弃（类似于自然选择），使解