“阿爾法圍棋”在與李世石的“人機(jī)大戰(zhàn)”中優(yōu)勢明顯，人工智能取得的突破令人瞠目。那么，人工智能是否已達(dá)到“無所不能”的境地?

　　【學(xué)習(xí)需要大樣本】

　　先從“阿爾法圍棋”所用的關(guān)鍵技術(shù)——“深度神經(jīng)網(wǎng)絡(luò)”說起。建立神經(jīng)網(wǎng)絡(luò)的基本流程是，搜集大量數(shù)據(jù)樣本，然后選擇合適模型，讓模型學(xué)習(xí)樣本，從中找出數(shù)據(jù)的內(nèi)在規(guī)律?！鞍柗▏濉闭峭ㄟ^學(xué)習(xí)海量棋譜和自我對戰(zhàn)，訓(xùn)練出不凡“武功”。

　　“阿爾法圍棋”在與歐洲圍棋冠軍樊麾對戰(zhàn)前，便已進(jìn)行了超過3000萬局的自我訓(xùn)練。南京大學(xué)計算機(jī)科學(xué)與技術(shù)系周志華教授在接受新華社記者專訪時指出，當(dāng)前人工智能的一個技術(shù)瓶頸，就是解決問題前先要獲取大量高質(zhì)量數(shù)據(jù)樣本，而人類在學(xué)習(xí)新事物時往往只需很少的樣本。

　　“這就導(dǎo)致問題稍微變化，機(jī)器就不行了，但人類毫無問題。例如在‘阿爾法圍棋’和李世石的大戰(zhàn)中，若換成25路棋盤，李世石仍能戰(zhàn)，‘阿爾法圍棋’就不行了，需要回去重新收集25路棋盤上的棋譜，重新訓(xùn)練模型，”周志華說。

　　【應(yīng)用范圍仍狹窄】

　　在英國帝國理工學(xué)院人工智能研究者馬克·戴森羅特看來，人工智能仍未實現(xiàn)人類所具備的通用智能?！澳壳?，人類習(xí)以為常的一些學(xué)習(xí)能力對人工智能來說仍難以實現(xiàn)，例如，人們能夠?qū)⒔鉀Q某一問題的知識用于解決另一新問題，從有限的經(jīng)驗就能學(xué)習(xí)一定技能，還有在抽象層面進(jìn)行推理的能力，以及與他人協(xié)作的能力。”

　　甚至可以說，人工智能在某些方面的表現(xiàn)還不如小學(xué)生。比如，一個小孩看過一張貓的照片后，就能立刻辨認(rèn)出下一張圖片里的貓。而應(yīng)用人工智能的谷歌圖像識別系統(tǒng)，“學(xué)習(xí)”過幾千萬張照片后，識別貓的準(zhǔn)確率也還不能與人相比。