人機大戰的終極疑問：人工智慧＝創造力？

知識分子

摘要：

人機大戰，塵埃落定，許多人驚呼：機器戰勝了人類，人工智慧已經到達了取代人類的奇點。不可否認的是，計算機早在記憶存儲、數值計算方面遠遠超過人類，如今在解決部分複雜問題的優化上也戰勝了人類。但這些突破都是點上，機器並沒有達到全面的優勢。人工智慧等於創造力嗎？

撰文 | 馮建峰（復旦大學類腦智能研究院院長）

邱江（西南大學心理學部教授）

●●●

智能圍棋Alphago以四比一戰勝九段高手李世石，令幾乎所有的圍棋高手和智能專家都大跌眼鏡，賽前一邊倒的預測和賽後一邊倒的公眾輿論形成了巨大反差，許多人驚呼：機器戰勝了人類，人工智慧已經到達了取代人類的奇點。但是，正如亞歷山大波普在《人論》中對顯微鏡技術這樣評價，「我可以觀察蟎蟲，但卻不能理解蒼穹」，所有的狂呼都需要更冷靜審慎的分析，這是人類最終不斷超越自我最重要的科學態度。這裡面臨的一個基本問題是：什麼是智能，人類的智能如何衡量。

而所有爭論的終極疑問由此開啟：人工智慧，等於創造力嗎？

當下，經常聽到的評論是今天的阿爾法圍棋贏了人類，但它產生不了牛頓和愛因斯坦。換言之，它還沒有智能，因為它沒有創造力。那麼智能是創造力嗎？學術界，尤其是心理學和認知科學界，對此也有多年硏究。智能和創造力都是個體重要的心理能力，二者關係十分複雜，目前主要有三種觀點：一是認為智能包含創造性；二是認為創造性包含智能；三是認為創造性與智能局部重疊。吉爾福特最先提出智能包含創造力的觀點，在其智力結構模型中提出創造力是智力的組成部分。吉爾福特將智能從三個維度（操作、內容、結果）上進行考察，操作維度包括認知、記憶、發散思維和聚合思維等，其中的發散思維與聚合思維，與創造性關係密切。斯滕伯格則認為，創造性包括智能、知識、思維方式、個體、動機和環境，智能是創造性的一部分。

還有一種觀點認為，如果創造力是對刺激情境做出的適當且不同尋常的反應能力，而智能是解決問題的能力，那高水平解決問題就是創造性。創造性和智能關係十分複雜，如果我們還沒法定義和衡量我們自己的智能，當然談論阿爾法圍棋的智能己超越人類也就無從談起。

在第四局對戰中，李世石在進入讀秒前後下出了「神之一手」，讓AlphaGo的腦子也短路了。這個在給人們帶來信心的同時，也讓人們更加堅信人類所獨有的「直覺」「頓悟」等創造性思維的價值。

1896年，高爾頓最早提出對「創造性」進行系統的研究。一個具有創造力的人往往能超脫具體的直覺情景、思維定勢、傳統觀念和習慣勢力的束縛，在習以為常的事物和現象中發現新的聯繫和關係。模仿力和創造力是兩種不同的能力，就像動物能模仿、不能創造，人工智慧同樣也不具有創造性。人工智慧只是按現成的程序來解決問題，而人類卻擁有提供解決問題的新方式和新途徑的能力——即創造性。創造性思維在廣義上是一種高級的思維活動，也就是個體在已有知識經驗的基礎上，利用多角度思維活動進而產生具有新穎獨特特點和對社會具有使用價值的產品過程。而在狹義上，創造性思維是針對個體而言的，也就是產生對某一個體而言具有新穎獨特特點和實用價值的任何思維過程。總之，創造性應該包含兩個關鍵要素，即「新穎性」和「適用性」。

一般認為，創造性包括發散思維和聚合思維。發散思維即對一個開放式問題產生多種解決方法的能力，而聚合思維是指對一個問題產生單一的正確答案的能力。常用的發散思維測量工具，有托蘭斯創造性思維測驗和一物多用任務；聚合思維測量工具，則是遠距離聯想任務和複合遠距離聯想任務。此外，還有猜謎語任務、字謎任務、創造性成就問卷和人格問卷測量法等重要的測量工具。迄今為止, 發散思維測驗仍然是測量創造力的第一選擇。

為了進一步剖析智能問題，讓我們先來看一下阿爾法圍棋練習了什麼絕招來戰勝李世石的。在它的演算法中，本質上用了兩個人工神經元的多層網路和一個搜索演算法。這兩個人工神經元網路用了深度學習演算法，一個從上世紀80年代發展起來的學習理論。具體實現上，用了一些概率論里常用的方法如貝葉斯估計和蒙特卡洛樹搜索方法等，輔之以一個寵大的有16萬盤棋、共有3000萬幅圖構成的五至九段棋手以往比賽棋譜，作為訓練例子。除了有教師的學習演算法之外，阿爾法圍棋還首次引進了強化學習，一種基於有教師學習和無教師學習之間的學習演算法。

阿爾法圍棋演算法的本質在於縮小它的可能搜索空間。直接窮舉一盤圍棋的可能所有結果，是一件不可能的事，這需要計算10的170次方的可能性。通過上述被稱為決策和取值的2個人工神經網路，把需搜索的可能性，即寬度和深度降了下來，從而使阿爾法圍棋戰勝李世石成為可能。因此，阿爾法圍棋實現的是一種准優化演算法，這達到了智能嗎？值得我們憂慮嗎？或者說，我們的智能是一種優化演算法嗎？

為回答這問題，也許我們可以回顧一下人工智慧的發展簡史。它的第一次高潮在1957年由Frank Rosenblatt發表的單層神經元網路—感知機帶來。但在1969年明斯基等人嚴格證明了感知機僅能解決簡單的線性問題，人工神經網路研究隨之陷入低潮。第二次高潮是在1980年，當時筆者還在北大數學系做碩士。記得是BP網路和Hopfield網路盛行一時，BP網路的提出者之一是今天深度學習的倡導者Geoff Hinton。第二次高潮延續了十來年，由於缺乏創新，神經網路再次冷卻下來。近幾年來，隨著大數據和計算機能力的提高，Hinton本人的持之以恆努力終於再次得到回報。他提出的深度學習演算法(其實早在80年代他就在做類似的工作)，能比人還精確地識別人臉，能標註圖形。這次阿爾法圍棋也主要用了他的演算法。

深度學習演算法實現了智能嗎？我們來看看它的工作原理。基於諾貝爾獎的工作，我們知道人類初級視覺層的工作原理。一個物體投射到我們的瞳孔後，我們的視覺系統開始分解它成為各個非常簡單的影像單元，經過幾層神經網路的不斷投射，最後匯總於高級腦皮層進行更為複雜的加工和處理，融入了其他腦功能，如注意力、情感、決策等。今天的深度學習，以人工的方式模仿了這些初級視皮層的多層結構，在海量數據基礎上，在一些特殊領域如人臉識別等，取得了傲人成果。但這是某一特殊領域的特殊應用的成功，與人類智能全面性還相差甚遠。

今天的阿爾法圍棋，給我們人工智慧的研究無疑會帶來巨大推動作用。計算機早在記憶存儲、數值計算方面遠遠超過人類，加上今天的阿爾法圍棋又在解決複雜問題的優化上戰勝人類。但這些突破都是點上，這些機器並沒有達到全面優勢，阿爾法圍棋尚且需要一個人坐在棋盤前，優雅地拿起棋子，把該子放在棋盤上。就光這一點，己是今天智能機器人很難企及的。隨著2013年啟動的歐洲腦計劃和美國腦計劃的推行，以及呼之欲出的中國腦計劃，我們對大腦的理解會進一步深入，也會進一步推動類腦智能方面的研究，從而為人類生活的方方面面帶來福音。

來源：上海觀察

編輯：Jack

正略ＴＭＴ研究所

認真的觀察產業動態

深入的剖析移動互聯

嚴肅的對待大佬八卦

長按二維碼，關注公眾號

※「人機大戰」：人工智慧為人類而存在
※新一輪「人狗大戰」，柯潔最終能否戰勝人工智慧？
※深度：人機大戰柯潔非敗阿法狗，人工智慧才是第一生產力
※從人機大戰談人工智慧與教育
※首次「人機大戰」《最強大腦》輸給人工智慧 章子怡「輸贏不重要，人類的無限潛能和無懼挑戰的精神讓人尊敬」
※鎖屏大戰：人工智慧的新戰場
※文小剛：人機大戰里的演繹智慧和創新智慧
※馬云：人工智慧可能引爆世界大戰，但人類會贏
※人機大戰中國棋手出擊 科技巨頭爭相追捧人工智慧
※機器人版「王者榮耀」：大疆與他們的熱血機器人大戰
※「人機大戰」三局全敗 人工智慧挑戰傳統翻譯
※馬云：人工智慧和機器學習可能導致第三次世界大戰
※網路安全攻防人機大戰 人工智慧依舊不敵人類
※柯潔人機大戰輸了 人工智慧已具備自我學習能力 人類何去何從？
※第三次世界大戰將由人工智慧引爆？不可控技術增大風險！
※直擊高考人機大戰：技術、爭議與人族勝利
※「人機大戰」，人類還有希望嗎？
※人機大戰，柯潔真的膽怯了嗎？
※人機大戰一觸即發，人工智慧再起波瀾