人工智能会不会抢了侯亮平的饭碗?

1评论 2017-05-26 06:30:00 来源:新华网思客 作者:思·锐享 打板族爽了!

  人机大战对战室。

  

AlphaGo的胜利

  2017年5月23日下午,经过了 4 小时 17 分钟的对弈,AlphaGo 以1/4子的优势击败目前围棋世界排名第一的柯洁,首战告捷。25日下午,在一场波澜壮阔的乱战之中因为误算“突然死亡”,在终极围棋“人机大战”三番棋中,柯洁以0:2落后于计算机围棋程序阿尔法围棋。

  5月22日,在比赛的前一天,柯洁在微博上表达了自己对即将到来的比赛的看法,他写道:

  无论输赢,这都将是我与人工智能最后的三盘对局……现在的 AI 进步之快远超我们的想象。像国产的绝艺、日产的 ZEN 虽然和 AlphaGo 还有着较大差距,但已经表现出超强的实力了……我相信未来是属于人工智能的。

  “我相信未来是属于人工智能的。”围棋被认为是传统游戏中对人工智能最具挑战性的项目,围棋落子位置的评估难度远超启发式算法,且包含了庞大的搜索空间,这让围棋世界如同深不可测的宇宙,难以穷尽所有的打法。围棋人机对话,一直存在诸多悬念。

  2016年大战韩国棋手李世石的 AlphaGo,只是大量学习人类棋手的棋谱来提高棋艺,它的训练结合监督学习与强化学习,形成一个策略网络(policy network),将棋盘上的局势作为输入信息,搜索最佳落子位置,并对所有可行的落子位置形成一个概率分布,形成近乎人类的直觉。

  2017 年 5 月与柯洁进行正式人机大战的是“AlphaGo 2.0 版本”,在此以前, AlphaGo已经进入到完全的自我深度学习阶段,对新的算法进行过了测试,摒弃了人类棋手的思维方式,产生大量自我对弈棋局(AlphaGo VS AlphaGo),循环往复研究围棋。通过对新的算法进行测试,AlphaGo的性能已经提升到了新的层次。

  

法律人工智能的未来

  与以前的众多数据分析技术相比,人工智能技术立足于神经网络,同时发展出多层神经网络,进行深度机器学习。不同于单层神经网络(感知器)和两层神经网络(多层感知器),深度学习完全利用输入的数据自行模拟和构建相应的模型结构。这一算法更为灵活且可以根据不同的训练数据,可以进行自我优化。

  也就是说,人工智能可以像“人类一样思考”。那么,若干年后,法律人引以为傲的“专业性”思维优势是否会被人工智能取代?这一个问题曾经在AlphaGo第一次对战中,让不少法律人好奇并警惕。

  其实人工智能在法律推理领域早有实践。1981年,D.A. Waterman 和 Mark A.Peterson 在 Models of Legal Decisionmaking 研究报告描述了在民事诉讼领域基于规则的计算机如何建立模型。

  2015年,硅