就在進行的Ti8 OpenAI表演賽上,人類職業戰隊 paiN Gaming,在5v5的Dota2人機大戰首場戰鬥中,輕鬆擊敗了OpenAI Five 戰隊。這是一個好消息,但是人工智慧真的就比不過人類?那麼,為何谷歌AlphaGo可以擊敗人類圍棋高手?
人工智慧的優勢在於其可以利用一個一個的程序來對複雜的外界環境進行判斷,並做出最合理的安排和選擇,這其中要涉及到很關鍵的一點就是底層的人工智慧模型的搭建,所以,OpenAI想要達到谷歌AlphaGo的水平,要考慮很多因素,所以,這就需要進行大量的時候數據實驗來進行實戰模擬並逐步提升遊戲策略,從這一點上來看AI遊戲要比下圍棋更加複雜,其中的不可控因素也太多了。
人工智慧需要大數據作為支撐
在西部世界中有這樣一個場景,為了複製一個人的思想,他們需要對進入西部世界的人進行大量數據的採集和分析,包括其在面對不同事物以及各種情況時給出的不同選擇,這就要求你需要有一個專門進行數據處理的地方,這是所有的人工智慧都無法避開的問題,也是現在的人工智慧正在經歷的階段。
而OpenAI想要在複雜的遊戲中組建人工智慧的AI戰隊是很困難的,當然,從他們現在的表現來看,著實給人眼前一亮的感覺,能在長時間的戰略布局和事件處理中與人類頂尖的遊戲戰隊打得不相上下,這足以說明OpenAI在這方面的實力。既然他們的人工智慧產品可以處理如此複雜的遊戲型策略,那麼,我們有理由相信他們是經過了大量的數據分析後再進行程序優化達到這樣的水平,這套系統如果應用於其他領域是否也應該有很好的表現?
這是必然的,人工智慧是需要把所有的數據進行分析,然後不同的系統再根據它要實現的不同目標進行針對性的事件處理,最後達到其目的。就好比AlphaGo的目的是贏得圍棋比賽勝利,而OpenAI Five則是為了拿下Dota比賽的勝利,目的不同,處理的方式、程序的流程以及面對的事件也就不同了。
當然,從現階段來看,基於底層的數據處理分析遠遠沒有達到標準,所謂的人工智慧也是單一程序化的結果,功能結構比較單一,其還需要大量的數據作為支撐,否則很難對不同的場景給出回應,可以說OpenAI在這一點上達到了新的突破。
OpenAI真的不堪一擊嗎?
其實早在半個月前,OpenAI就和一支Dota戰隊進行了比賽,當時的對手實力不強,所以OpenAI是以完勝的姿態打到了最後,而現在面對的是職業戰隊,還能多次打出精彩的團戰和策略布局,可見其在這段時間是有很大進步的。DOTA2官方微博這樣評價這場比賽:「paiN對陣OpenAI的人機大戰,雖然AI的操作極其犀利,中期也打出數次精彩團戰,但是paiN還是更擅於拉扯,狙擊手尋找到輸出空間,斧王的控制也為團隊創造輸出環境,最終paiN戰勝OpenAI,獲得人機大戰勝利!」
這顯然是在抬高人類選手的意思,可是不要忘記曾經的圍棋大戰,AlphaGo在與圍棋職業選手的較量中不停的學習,通過有限的對弈就達到了很高的水平,後來接連獲勝,足以體現其學習能力。而OpenAI與paiN接下來還有兩場比賽,他到底還能達到怎樣的水平?
根據OpenAI官方給出的數據,AI戰隊在一些細節上還需要進行優化,OpenAI Five經常在奇怪的地方插眼,還會在同一個地方重複插眼,官方認為這是一個Bug,在下一場比賽開始之前,這樣的漏洞肯定是要修復的,不然在Bug存在的前提下還進行比賽就沒有任何意義了。
當然,如果你仔細回放整場比賽的話就會發現,OpenAI Five在一些比賽策略上的處理還是很值得人類戰隊學習的。其在對整體宏觀局勢判斷頗為精彩,這點就很有人類戰隊的影子。不同的是,AI戰隊有著超強的執行能力,不會出現程序不允許的失誤,而面對不同的場景,或許還能做出異於常人的舉動,這些都是可以作為人類選手練習中最具有價值的參考數據的。未來人類不可能和AI共同參加職業聯賽,但AI進入教學、訓練已經成為必然。
人工智慧威脅論很可能被打破
關於人工智慧的威脅論一直都存在,之前是從科幻片中延伸出來的,現在隨著網際網路、物聯網的發展,人工智慧開始被推上風口浪尖,無論是之前AI大戰圍棋職業選手,還是現在的參與Dota比賽,AI處理複雜事物的能力越來越強,但凸顯出來的價值也越來越高。其中頗為使用的一個就是現在都在期待的人工智慧汽車,其不僅實現了自動駕駛,還能自動泊車,未來還有很大的發展空間。
就在昨天舉行的首屆中國國際智能產業博覽會上,百度李彥宏特別針對於人工智慧威脅論給出自己的意見,他認為現在的人工智慧並不是在模仿人類,而是利用機器的方式來解決人腦能夠實現的價值作用,就目前的人工智慧技術來看,想讓機器像人類一樣思考還有很大的困難,這一天距離現在還十分遙遠。
所以,現在就談人工智慧威脅論未免為時過早,即便是其具有學習能力也是在有限的時間和空間裡進行的限定數據下的學習,還是有很大的局限性的,所以,AI的未來還有很長的路要走。
特別聲明:本文為DoNews籤約作者原創,文章版權歸原作者及原出處所有。轉載請聯繫DoNews專欄獲取授權。