从AlphaGo谈通用型人工智能设计

　　最近赢了人机大战的AlphaGo热度持续不减，火得一塌糊涂，圈里圈外，是人都在谈AlphaGo。但是AlphaGo毕竟是为特定场景特定应用设计的特定型人工智能，和通用型人工智能还是有很大差别，离人工智能普及更差得很远。所以这么说，是因为之前做过几个特定型人工智能项目（语音识别和图像识别类型的，合起来可以是视频识别，但是没做），有些体会，对特定型人工智能设计思路比较了解，近期一直在考虑通用型人工智能的事，现在已经开始做这件事。但是只是一个开始，很多东西还在琢磨、探索中，路能不能走通也是未知数。在此和大家说说，分享一下我们的设计思路，希望能抛砖引玉。
　　先从人工智能本身说起。人工智能是啥？就是让计算机拥有类似人的思维能力，怎么拥有呢？学习！现在这已经是共识，就是把一大堆数据输进计算机，借助大数据的存储计算能力，加上人对数据的分析理解，过滤掉里面的“噪音”，在大数据里形成一个相对准确的数据池。这个数据池，就成为计算机“思考”的源头。然后继续往里面加数据，这样数据池里的数据就会越来越多，计算机可以参考比较的内容也会越来越多，相应的分析判断能力就会越来越强，理论上，它就会越来越“聪明”。
　　这个过程好比老师教孩子。小孩受本身阅历限制，他的知识储备少，在成长过程中会接受错误信息，对某些问题不理解，或者对某些信息判断错误，老师在这时要及时发现纠正，灌输正确的知识，让孩子形成正确的认识。正确的东西学习重复多了，自然对错误的知识形成抗体，以后也不会再犯。
　　再说特定型人工智能。特定型人工智能和通用型人工智能相比，它是专门为某一个领域准备的。比如说这次人机大战的AlphaGo，它只思考下围棋的事，别的事不用管，那么做为它的老师，“真正的人”，只管向它输入各种围棋棋谱，给它建立一个分析模型，考虑对手落子之后，怎么根据这个落子下出正确的棋路。在这个过程中，它可能会下错，不过有老师在，老师会给它纠偏，慢慢它的棋艺就会越来越高。
　　相比之下，通用型人工智能就要复杂多了。因为我们面对的世界太庞大，上下五千年，东西两半球，小到柴米油盐，大到两次大战，啥事没发生过，还有人的各种感情问题，比如“你是风儿我是沙”这样卿卿我我的东西，让计算机能够理解，建立这样全方位的知识体系肯定难得多。
　　到这儿，就要说我们设想的这个东西了：自编程。自编程不是让人写代码，也不是让机器写代码（机器写代码N年前就有了，现在好象也没啥进展）。是让机器模仿人的意图，主动建立一套识别分析模型。在这套模型里，根据不同的录入内容，再进行细分，逐渐具体到一个个单项上。拿AlphaGo这件事来说，它只是世界上各种对弈棋类中的一种，在通用型人工智能这个大的模型框架下，是其中很小的一个子模型。
　　再打个比方，军坛里有很多人在讨论隐形飞机的事。这件事如果让机器做，那么应该这样处理：
　　1.建立一个飞机的识别分析模型。
　　2.在飞机的识别分析模型之下建立一个隐形飞机的识别模型。
　　3.向隐形飞机的识别分析模型里加注各种相关的数据。
　　如果有人问“世界上哪种隐形飞机最牛B”时，根据“最牛B”这个语义，找到和“隐形飞机”关联的数据进行计算。得分高的自然就牛B。开始可能会有错，那就调整关联参数进行纠偏。这个工作开始一般是人做，训练多了让机器识别判断自己做。人工智能很关键的“深度学习”、“自主学习”实际指的就是这个。以后随着越来多人问，正确答案会受到更多人肯定，关联参数的权重就要增加，达到一定比例后，把正确的保留，错误的取消掉。
　　这就是我们大体解决通用型人工智能的思路。归纳起来就是一个树形结构，先有“根”一级的识别分析模型，在“根”之下，有“子”一级识别分析模型，子还有“孙”，逐次递增，直到一个个具体单项。每一级识别分析模型都有各种属性与它建立关联。人机交互的时候，根据应用场景，与树形结构中的识别分析模型进行关联，找到最可能匹配的单项，再去寻找正确的答案。
　　如果把AlphaGo迁移到通用型人工智能下面，最少是这样一个层次结构：“棋-围棋-对弈”。AlphaGo将成为通用人工智能环境下的一个子集。以后李世石如果再找AlphaGo下棋，通用型人工智能将引导他到“对奕”下面。其实不只李世石，全世界的人都可以和AlphaGo搏杀，搞个万人对阵机器大赛，如果真有一天出现这个场景，那可比当年《棋王》里的王一生大战老者壮观多了去了!
　　扯远了，说正题！其实我们现在做通用型人工智能还是有很多困难。最大问题是要建立各种识别分析模型，还有在里面建立各种识别判断。而且每个识别分析模型的要求标准不一样，另外它们之间肯定有互通的地方，也有排斥的地方，这要建立很多关联，对它们精确定位，在计算的时候还在结合现实场景去理解和处理关联。统一规则肯定没法做到，比较靠谱的是针对几个相似的识别分析模型，做相对统一的规则，不过现在这个正在尝试中。
　　至于数据的存储计算问题，现在已经解决，我们有一个超强的大数据系统，PB、EB量级的数据，存储计算起来都已经在不在话下。目前已经是已经PB了。
  总之我们做的通用型人工智能还是个框架，很多东西在摸索、探索中。有兴趣的兄弟可以交流，也希望哪位大神能给点提醒，来个突破！^_^！