周不器和拉里·佩奇的私交很好,由这俩人携手推进,很快双方的人工智能团队,就在一些具体的方向上展开了业务上的探讨和合作。
一件大事,一件小事。
大事是共同成立的一个名为“AI-Bio”的项目,主要就是生物科学中诸多方面,包括蛋白质结构预测、疾病诊断和治疗、药物发现等等。
用人工智能来结合这种级别的大命题,其实一直都存在,二三十年前就有了。
不过那时候根本就做不到。
现在不一样了,Rokid-go这款围棋软件所采用的新的“黑箱式”的基于神经网路的机器学习模式,给这样的宏大命题找到了开发的基础。
作为Rokid-go之父,沈向阳在双方的合作交流中,简单地解释了这种“黑箱模式”的逻辑。不仅仅是照顾周不器这样的外行,事实上即便是谷歌的很多技术出身的高管,若是不从事于人工智能领域,也未必就能理解这是什么意思。
人工智能类的构想,已经有五六十年的历史了,相关产品也出现二三十年了。
不过,此前的人工智能产品,都是工程师指导并制定出的“明规则”。
就比如当初打败了国际象棋的着名人工智能产品“深蓝”,背后的技术逻辑其实很简单,就是工程师把围棋的相关规则植入到下棋软件里。
软件懂了规则,再依靠着计算机的庞大算力,就能打败人类了。
可是,到了围棋领域,这套思路就不行了。
围棋要远比国际象棋复杂。
仅仅靠着算力,以人类目前所掌握的算力能力,根本就不可能算清楚围棋的每一种变化,这就需要在算力之外有更深层的东西了。
在人类选手里,叫思维、叫逻辑。
想要让计算机也有“罗辑”,这可就太难了,就不可能通过人类规则的植入让计算机获得这种层次的计算思维。
Rokid-go采用的是黑箱运作。
就是把Rokid-go这款程序放在一个黑箱里,不对其加入任何的规则。工程师所做的事,就是给黑箱中的Rokid-go喂数据。
至于黑箱里发生了什么事,谁也不知道。
然后,奇迹就诞生了。
黑箱里的Rokid-go,通过大量的人类围棋的棋谱数据,通过自主学习,形成了自身对围棋的理解。
就会下围棋了。
至于Rokid-go到底是怎么理解围棋的,谁也不知道。只知道Rokid-go下出来了许许多多人类无法理解的招式,然后就碾压级的轻易的打败了人类。
也因为这种黑箱模式,让整个人工智能行业出现了巨大的争议。
其中就包括马斯克。
他们认为“黑箱”的人工智能技术方向,非常危险,因为人类根本就不知道黑箱里发生了什么,也无法理解人工智能在做些什么。
总而言之,就是人工智能脱离了人类的掌控,将来就有可能形成“黑箱密谋”,形成对人类的威胁。
不过,这类论调的流派比较小众。
就目前来看,整个行业对Rokid-go的新思路、新方向都非常振奋,因为这给人类提供了一种新的发现世界的角度。