Nature | Garry Kasparov回忆录讲述与深蓝「世纪之战」，Demis Hassabis撰文推荐

____

选自Nature

*作者：Demis Hassabis *

机器之心编译

参与：吴攀、黄小天

1997 年，国际象棋大师 Garry Kasparov 与 IBM 的深蓝计算机进行了一场比赛并被打败。这一人工智能发展史上乃至人类历史上的里程碑事件在这 20 年来已被人提及过无数次。作为这一事件的关键亲历者，Garry Kasparov 对这一事件又是怎么看的呢？他的新书《Deep Thinking: Where Machine Intelligence Ends and Human Creativity Begins》通过对这一事件的回顾探讨了人工智能激动人心的潜力与内在的局限性。近日，Google DeepMind 创始人兼 CEO Demis Hassabis 在 Nature 杂志最新一期 BOOKS AND ARTS 栏目发表了一篇文章，对这场国际象棋世纪之战与 Kasparov 的新书进行了简短了评价和推荐。机器之心对这篇文章进行了编译介绍。

1997 年，国际象棋大师 Garry Kasparov 在六场比赛的最后一场对抗深蓝；深蓝最终以 3.5 比 2.5 的成绩赢得了比赛。

差不多 20 年前，我很荣幸和前世界冠军 Garry Kasparov 玩了一局友好的快速国际象棋。那真是一段难忘的回忆；他的竞争精神和创造性天才是显而易见的。那时候我刚成立了 Elixir Studios，专注于人工智能（AI）游戏开发，而我的理想是进行该领域的前沿研究。那天，人工智能萦绕在我的头脑里：Kasparov 在几天前刚刚和 IBM 的深蓝（Deep Blue）超级计算机进行过比赛。现在，他通过自己的回忆录《Deep Thinking》讲述了这一时代大事的细节。

1997 年的这场比赛是人工智能和一种非凡技术专长的分水岭。奇怪的是，尽管 Kasparov 输了，但给我留下更大惊奇的却并不是机器的能力，而是人脑的能力。Kasparov 既能与一个计算怪兽作战，也能完成不可胜数的其它任务，这我们所有人都清楚。相反，深蓝则只是被硬编码了国际象棋大师们总结出的一套特定的规则，并且还借助了穷举搜索算法的力量。它被编程来只做一件事；它甚至不能玩更简单的游戏，比如井字棋，除非完全重新编程。我觉得这种类型的智能缺失了一些关键特性，比如通用性、适应性和学习能力。

正如他在《Deep Thinking》中详细介绍的那样，Kasparov 得出了一个类似的结论。这本书是他第一次对这场比赛进行详细透彻的描写，并且也给出了对技术的透彻思考。其标题给出了他相信深蓝所不能做到的事情：它们可以计算，但不能创新和创造。它们不能完成最深度意义上的思考。在描述这些区别时，Kasparov 提供了出色的有关人工智能研究和该领域对国际象棋的持续执迷的历史。

几十年来，领先的计算机科学家相信，因为国际象棋作为人类智力典范的传统地位，一个有能力的国际象棋棋手也可以很快超过其他人的能力。这个观点不仅来自于这个案例。这在一定程度上也是由于人类认知和机器认知之间的区别：计算机可以轻松执行对人来说非常困难的计算任务，但对我们感觉很直观的常识任务却完全无能无力（这个现象被称为莫拉维克悖论（Moravec's paradox）。这也是因为工业界和研究界在 1980 年代和 1990 年代的状况：为了更快得到结果，实验室抛弃了可泛化的、基于学习的方法，转而支持范围狭窄的、硬编码的解决方案，这有利于机器的计算速度。

对穷举方法的关注自有其优点，Kasparov 解释说。它可能不能实现通用人工智能，但它能得到非常强大的国际象棋引擎，而且很快就变得大众也可使用了。今天，任何人都可以与比所有人类棋手都更强的软件进行比赛练习，让全世界的爱好者都可以得到世界顶级的训练。在深蓝之前，悲观主义者预测说国际象棋世界冠军的败北将会导致这门游戏的终结。但事实上，据世界国际象棋联合会（World Chess Federation）统计，现在玩国际象棋的人比以往还多。

国际象棋引擎也发生了令人兴奋的变体。1988 年，Kasparov 推出了「高级国际象棋」，它结合了机器的计算能力和人类的模式匹配能力。Kasparov 拥抱了曾经击败他的技术，这表明计算机可以启发人类而不是瓦解人类的创造力。

在《Deep Thinking》中，Kasparov 同样深入研究了机器学习（人工智能的一个子领域，聚焦于可以学习数据的通用算法）的复兴。他强掉，深蓝与 AlphaGo 之间的根本不同是由 DeepMind 创造的可以运行大量复杂围棋游戏的学习算法。上年， AlphaGo 打败了围棋世界冠军李世乭。深蓝遵循着由工程师和国际象棋专家组成的团队精心编排的程序指示运行，而 AlphaGo 却是一遍又一遍地自我对弈，从其错误中学习并习得全新围棋策略。在与李世乭的对决中，AlphaGo 的若干步走棋在人类围棋史中从未出现过，比如在第二场对决中最为人称道的第 37 步走棋，颠覆了数世纪以来人类传统的围棋智慧。

最令人兴奋的是，由于其学习算法可被泛化，AlphaGo 有希望突破围棋游戏的藩篱。通过讨论如何把 AlphaGo 学习算法应用于机器翻译和自动医疗诊断， Kasparov 佐证了其潜力。人工智能不会替代人类，他说，但是会启发并丰富人类，就像 20 年前深蓝所做的那样。Kasparov 的立场尤其值得注意，因为对于人工智能进步所带来的冲击，他承受的比一般人更多。

他与深蓝这场世纪对决本身就很迷人。值得一提的是，在一次与深蓝的对决后，他气冲冲离开，并举行敌意性的新闻发布会，抗议 IBM 对深蓝背后的团队及其方法保密，并暗示深蓝作弊。在《Deep Thinking》中，Kasparov 提供了一个有关其对决时内心状态的独到见解。在某种程度上，他回顾了早期的主张，并得出结论：尽管 IBM 很可能没有作弊，但其通过遮蔽有价值信息，已经违背了公平竞赛的精神。对于对决中的几个关键时刻，他也给出了详细的解说，例如，在第一场对决中，深蓝怪异的第 44 步走棋曾使 Kasparov 陷入深深困惑，并被大众奉为神话；现在，Kasparov 对其进行了解魅。

在书中 Kasparov 给出了足以使国际象棋爱好者满意的大量细节，并为普通读者奉上了一个激动人心的故事。《Deep Thinking》在分析与叙述之间实现了一种罕见的平衡，并穿插着有关技术进步的点评；Kasparov 从其视角出发，对这场国际象棋世纪之战作了一次内在解读。

_
_

_
_

_
_

_本文为机器之心编译，转载请联系本公众号获得授权。_

✄------------------------------------------------

加入机器之心（全职记者/实习生）：hr@jiqizhixin.com

投稿或寻求报道：editor@jiqizhixin.com

广告&商务合作：bd@jiqizhixin.com

来源：机器之心

创业不易，用心坚持，希望您多多支持！

打赏

感谢您的支持，我会继续努力的!

扫码打赏

打开支付宝扫一扫，即可进行扫码打赏哦