AlphaGo的勝利似乎微不足道，只不過是在人類用來打發(fā)空閑時間的游戲中，機器再次超越它的創(chuàng)造者。然而，這一小小成就不僅只是贏得吹牛的權(quán)利那么簡單。有人甚至將它譽為AI發(fā)展“里程碑”，按照這個速度，我們曾經(jīng)認(rèn)為遙不可及的事情可能很快變成現(xiàn)實。
　　想一想你口袋里的智能手機，在你出生的時候，如此小巧而強大的計算機簡直就是科學(xué)幻想，而現(xiàn)在這些裝置無處不在，徹底改變了人們的健康護(hù)理、人際關(guān)系、商業(yè)交易，沒有它們的生活似乎已經(jīng)無法想象。我們正在進(jìn)入一個新的時代，科技注定將極大地影響、重塑我們和我們后代的生活。科學(xué)家已經(jīng)發(fā)明了一款能夠安撫人類的微笑機器人，一款能夠讓失去手臂的鼓手重新打鼓的機械假肢，當(dāng)然還有可以讓汽車自行駕駛的軟件?，F(xiàn)在，包括Facebook研究人員在內(nèi)的AI開發(fā)者面臨 一 大挑戰(zhàn)———創(chuàng)造能夠完全理解人類語言和表情微妙差異的程序和機器人。一旦他們獲得成功，機器將能夠處理大量數(shù)據(jù)———包括書籍、醫(yī)療案例、社交媒體狀態(tài)更新和面部表情線索等等———進(jìn)而提升人們與AI互動的體驗。我們正在不可避免地邁入一個屬于人工智能的時代，不少技術(shù)專家警告，AI可能意味著人類的終結(jié)。你或許覺得現(xiàn)在討論這個話題為時過早，但是，很多人并未意識到，從 亞馬遜 網(wǎng)站向用戶提供的產(chǎn)品選擇，到美國國家安全局的數(shù)據(jù)監(jiān)控，機器學(xué)習(xí)已悄然成為我們?nèi)粘Ｉ钪忻懿豢煞值囊徊糠?。然而，我們中很少有人真正理解它的意義。
　　人工智能走進(jìn)生活
　　西雅圖華盛頓大學(xué)的電腦科學(xué)家佩德羅·多明戈斯在《主算法：終極學(xué)習(xí)機器的研究將如何改變世界》一書中指出，人工智能可能讓到醫(yī)院看病成為歷史；主算法(MasterA l-gorithm )可能具有與愛因斯坦相對論旗鼓相當(dāng)?shù)母淖兪澜绲牧α浚欢脵C器取代人類士兵可能讓戰(zhàn)爭變得更人性化。
　　電腦科學(xué)的終極追求就是一臺能夠自我學(xué)習(xí)的機器。傳統(tǒng)的編程需要人類用令人抓狂的細(xì)節(jié)向電腦解釋人類的意圖。這就是算法的本質(zhì)：對電腦發(fā)布的一系列指令。而機器學(xué)習(xí)則是給電腦編程，讓它具有自主學(xué)習(xí)的能力。現(xiàn)在，當(dāng)你搜索網(wǎng)頁時，為你選擇搜索結(jié)果可能就是具有學(xué)習(xí)能力的程序。亞馬遜已經(jīng)將它用于為用戶推薦產(chǎn)品；在線影片租賃公司 Netflix 用它來推薦電影；社交網(wǎng)站Facebook和 Twitter 用它來選擇向你顯示哪些帖子。在網(wǎng)上發(fā)生的一切幾乎都涉及機器學(xué)習(xí)。
　　多明戈斯提出的主算法是一種能夠從數(shù)據(jù)中學(xué)會一切的算法。將行星運動和斜面的數(shù)據(jù)喂給它，它就能發(fā)現(xiàn)牛頓的“萬有引力”論。將DNA晶體學(xué)數(shù)據(jù)喂給它，它就能發(fā)現(xiàn)雙螺旋結(jié)構(gòu)。將包含癌癥患者病歷的龐大數(shù)據(jù)庫喂給它，它就能學(xué)會診斷并治愈癌癥。
　　機器處理信息和進(jìn)行復(fù)雜運算的能力遠(yuǎn)遠(yuǎn)超過人類，它們測試藥物和疫苗的速度絕非人類可比?！皺C器學(xué)習(xí)”已被用于開發(fā)藥物，通過電腦模擬的方式，所需的成本和時間相當(dāng)于傳統(tǒng)方法的零頭。比如，艾滋病疫苗研究的一大難題在于，艾滋病毒變異的速度非?？?。研究者大衛(wèi)·赫克曼提出，傳統(tǒng)疫苗大多只針對一個地方的病毒發(fā)起攻擊，艾滋病疫苗需要同時攻擊不同的地方。但是發(fā)現(xiàn)所有這些攻擊目標(biāo)需要處理海量的數(shù)據(jù)，還需人類無法應(yīng)對的假設(shè)實驗。
　　而攻克癌癥的難題在于它并非是一種疾病。每個人的癌癥都不相同，隨著癌細(xì)胞的變異生長，即使在同一個病人身上，今天的癌細(xì)胞與6個月前也截然不同。腫瘤的代謝是如此復(fù)雜，存在太多的可能變異和分子及環(huán)境因素組合，沒有人類能夠全部掌握。因此，只靠某一種藥物無法治愈癌癥。機器學(xué)習(xí)可分析腫瘤基因組、病人基因組和病史，從而預(yù)測哪種藥物或哪些藥物的組合最有效，甚至針對具體癌變設(shè)計一種新藥。然而，在實現(xiàn)這一切之前，我們需要更先進(jìn)的機器學(xué)習(xí)算法。我們還需要病人分享他們的數(shù)據(jù)，再交給程序去分析學(xué)習(xí)。分子生物學(xué)家兼機器學(xué)習(xí)研究者大衛(wèi)·豪斯勒認(rèn)為，如果能夠采集足夠多的病人數(shù)據(jù)，我們將能治愈癌癥，除此之外別無他法。