图灵机与图灵测试

图灵机
    

带子——存储器            控制器——控制规则相当于程序     图灵机蕴含了现代计算机存储程序控制的思想     图灵机是一个自动计算的数学模型。

图灵测试——人工智能的设想

计算与计算科学

计算和算法

计算就是符号串的变换

算法就是符号串变换的规则

 能行问题

计算科学研究的最根本的问题是“能行问题”，也就是可计算和不可计算的问题。一个问题可计算就是这个问题存在算法。

图灵理论：凡可计算的函数都可用图灵机来实现。

一个问题具备计算的能行性，是指这个问题可以用离散的方式来处理。

存在一些问题，是不能用任何机械过程解决的，即存在一些问题，是图灵机无解的。

1. 如果图灵机的十进制数改为二进制数，实现的是什么样的计算呢？

2. 人工智能是否能最终超越人类智慧？

图灵测试与人工智能

谷歌围棋AI 5:0完胜欧洲围棋冠军，3月份将对战李世石

【TechWeb报道】1月18日消息，谷歌日前宣布，旗下围棋AI，AlphaGo，在无让子的情况下以5:0完胜欧洲冠军、职业围棋二段樊麾。

AlphaGo是谷歌旗下的“深度学习”部门（Deep Learning）研发的。这是历史上，围棋AI第一次在公平比赛中（即无让子的情况下）战胜职业选手。围棋下法复杂，通常认为围棋的对弈软件开发比国际象棋更难。

谷歌还宣布，在3月份，AlphaGo将挑战韩国九段棋手李世石。（李世石在身份证上登记的汉语名字为“李世乭”）

专家预测

Nature采访了樊麾，问他被机器击败是什么感觉，同时采访了围棋与人工智能两方面的专家，问他们预测AI最终挑战世界冠军李世乭是否会成功。

樊麾，欧洲围棋冠军

“在中国，围棋不仅仅是一种游戏，也是生活的一面镜子。你在围棋中遇到的问题，可能也反映着生活中的问题。”

失败的感觉是很难受的。在与AlphaGo对弈之前，我一直以为我会赢。第一局之后，我改变了策略，努力应对挑战，但最终还是输了。我觉得主要问题在于，人类是会犯错的，因为我们是人类。我们会累，会因求胜欲望过于强烈而感到压力，但计算机程序就不会这样。它们很强大，又很稳定，就像一堵墙一样。在我看来，这就是机器与人类的最大区别。如果事先没人告诉我AlphaGo是个机器的话，我会以为对手是人类——或许棋路有些奇怪，但很强，是个真正的人类。

输了比赛当然不会感到开心，但所有的职业棋手都会输棋。输棋以后我就会研究棋局，或许也会改变我的策略。我觉得这对我的将来是有好处的。

托比·曼宁（TobyManning），英国围棋协会财务主管，樊麾与AlphaGo比赛的裁判

围棋选手都知道围棋是人工智能领域一大尚未解决的难题，大多数人都觉得计算机能达到职业人类棋手的水准，但得再过十多年才行。在这场比赛中，我本以为樊麾会赢的。

而最终的结果让我深深震惊。目睹对弈过程，你甚至很难区分哪一方是人类，哪一方是计算机。在之前的很多软件中，计算机下的很多步可能都很理性，但突然就会变得毫无头绪，而在这场比赛中，几乎看不到计算机与人类的区别。

一个区别是时间的分配方式：樊麾下每一步所花的时间都要比AlphaGo更久，而AlphaGo的棋路也不像人类棋手那样富有进攻性。它会非常冷静地落子，而非积极地侵略领地或提子。

对此，我觉得围棋界的反应可能和当年IBM的“深蓝”（Deep Blue）打败国际象棋大师一样，棋手会使用这个软件来分析他们自己的棋局，以找出他们在哪里犯了错误。

李夏珍（音译），韩国围棋协会，国际围棋联盟秘书长

一开始听到计算机要挑战李世乭的时候我惊呆了，我想计算机团队可能根本不知道李世乭的实力有多强，但事实上是我不知道计算机的实力有多强。我非常期待他们之间的较量。

谁会赢？我真不知道。李世乭不相信计算机有他那么厉害，但我过去曾经听到过一些关于AlphaGo的消息，并被它的实力所震惊。当然，我也知道李世乭有多强，所以我觉得两边获胜的可能性都是50%吧。

在我看来，围棋仍然是一项可以带给人类很多启迪的游戏，即使人工智能在这方面打败了人类，也不会削减它一丝丝的魅力。人类会接受计算机技术超越自己的现实，并找到方法让它们为自己所用。

乔纳森·谢弗（JonathanSchaeffer），加拿大阿尔伯塔大学计算机科学家，也是2007年解决国际跳棋问题的计算机程序“奇努克”（Chinook）的设计者。

这还不能与1997年“深蓝”击败国际象棋世界冠军加里·卡斯帕罗夫（Garry Kasparov）的时刻相比肩，等到计算机程序打败真正的围棋顶尖棋手才算。“深蓝”从1989年开始就常常能击败国际象棋大师了，但直到8年以后击败卡斯帕罗夫才算得上统治了这一领域。但这一棋局让我看到AlphaGo与顶尖人类棋手的距离已经大大缩小，很可能再改进一下算法，提高一下计算能力，在一两年之内就能打败顶尖棋手。

关于三月即将进行的那场棋局，我还是赌李世乭会赢。不是瞧不起AlphaGo，我觉得它就像一个天才儿童，一下子就学会了围棋，而且水平极高，但它的经验还不够丰富。而我们知道，在棋类游戏中，经验是很重要的一方面。

德米斯·哈萨比斯（DemisHassabis），DeepMind公司创立者之一。

AlphaGo很可能在围棋这一领域超越最顶尖的人类，我非常期待看到它在围棋的规则之内创造出新的东西。这是我亲手打造的系统，自然对它怀有很深的感情，尤其考虑到我们打造它的方式——它会不断学习，从某种意义上说我们是在不断”训练”它，它下棋的方式也很像人类。你在写一段普通的程序时，可能对所有细节都了如指掌，事先安排好了一切，但AlphaGo不一样，它会自己学习提高，这种能力是很了不起的。

戴维·西尔弗（DavidSilver），DeepMind公司的计算机科学家。

我没下注赌AlphaGo赢，不过三月这场比赛的结果的确会对我们的名声有很大的影响，如果输了，我们会非常失望的。但一切皆有可能，人类总有很多技巧，有些是我们无法训练我们的计算机来应对的。

人工智能飞跃史

1950年，计算机科学先驱阿兰·图灵预测到2000年计算机就可以思考：拥有与人类同等水平的创造力、解决问题的能力、个性和适应性行为。他提出了一种判断机器能否进行思考的测试：图灵测试。

人工智能一日千里，未来应用：语音识别、自动驾驶

相对于棋盘上的胜负，人工智能一日千里的进展更加激动人心。

《自然》杂志将“阿尔法围棋”的成果归功于“深度学习”（DeepLearning）。

深度学习是目前人工智能领域中最热门的科目，它能完成笔迹识别，面部识别，驾驶自动汽车，自然语言处理，识别声音，分析生物信息数据等非常复杂的任务。

2006年之后，深度学习实际使用多于三层的神经网络，即深度神经网络。这是复杂的非线性模型，拥有复杂的结构和大量的参数，有非常强的表示能力，特别适合于复杂的模式识别问题。

这种能力在“阿尔法围棋”身上就体现的很充分。另外，这一能力将能帮助人类在未来揭示丰富的信息，并对未来或未知事件做出更精准的预测。

这些能力也是自动驾驶的汽车、Siri等语音识别技术以及Face.com（Facebook 最近获得的面部识别软件）的基础，越来越精准的翻译软件也归功于这样的AI技术。

谷歌高级工程师也还预测神经网络会在其他科学领域扮演重要工具，例如在基因行为预测，药物，蛋白质，新的医疗方案等。

果壳网写下了一段意味深长的评论：“AI一定会进入我们的生活，我们不可能躲开。这一接触虽然很可能悄无声息，但意义或许不亚于我们第一次接触外星生命。”

人形机器人