人工智能的主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。因此，深度学习的能力在其中显的尤为重要。随着技术的发展和人工智能的进步，其深度学习能力也有了一个飞速的提升。
近日，人工智能在学习能力方面又有了一个较大的提升。斯坦福大学的一个研究小组发现，人工智能系统已经拥有了通过人类当前所做的动作预测其下一步举动的能力，而这一能力主要是通过人工智能对于故事的学习形成的。
据悉，研究人员将该系统与储存了60多万个故事的写作社区Wattpad相连，这些故事包括主人公在进入房间后需要开灯、被称赞后会害羞、开会时就不会接电话等。人工智能则通过学习这些故事来实现预测人类举动的能力。
在对上述人工智能的首次现场测试中，其能够正确区分人与物体的概率高达91%，能准确预测出人们下一步举动的概率为71%，这一成绩与以往相比是很优秀的。而人工智能再次受到关注，则是由于即将到来的围棋名将与人工智能系统的一场大战。据外媒报道，3月9日，韩国围棋名将李世石将在首尔接受来自谷歌的人工智能系统AlphaGo的挑战。
此次人工智能系统AlphaGo与围棋大师一较高下有着重要的意义。围棋是拥有2500多年历史的、凝聚着中国古老智慧的游戏，从数学范畴来看，围棋的复杂程度要比象棋高出N个级别，是世界公认的最为困难的棋类游戏。
为了使AlphaGo能够更好地应对这种复杂的游戏，谷歌DeepMind团队的人工智能专家们做出了许多努力。首先，他们往AlphaGo中输入了包括3000万步走法在内的棋谱数据。尽管3000万这一数字看起来很多，但与全部的围棋走法相比就显得微不足道了。因此，还要采取一些更先进的办法。专家们赋予了AlphaGo自我编程的能力，使之成为“数字自学者”。随后，计算机开始进行自我对弈，也就是深度学习，直到其掌握高端的围棋技巧。
对此，谷歌的研究人员Demis Hassabis表示：“传统人工智能方法为所有可能位置建立搜索树。对围棋来说，这种方法行不通。因此，当我们试图打破围棋的难题时，我们采取了不同的方法。我们开发的系统将高级搜索树与深度神经网络结合在一起。这些神经网络以围棋棋盘描述作为输入，并通过包含数百万个类神经元连接的12个不同网络层次进行处理”。AlphaGo的出现，无疑使人类棋手面临着人工智能提出的更加高难度的挑战。
尽管人工智能领域的发展如火如荼，但与真正的人脑相比，仍然存在很大的差距。深度学习是人工智能的重要能力，然而深度学习的本质离不开数学模型。说白了就是由人类设计好一个框架，然后人工智能系统根据这一框架去进行一系列运作。对于人类的科学界来说，这是一个很大的突破。但是对于人工智能本身来说，模仿人类进行学习与思考是不太正确的方向。
法国思想家帕斯卡尔曾说：“人是一支有思想的芦苇”。人类能够在围棋中迸发自己的智慧并从中感受到乐趣，所以围棋对于人类是有意义的。而对于人工智能来说，它只是在执行一些数学模型的运算而已，并不能从中感受到乐趣。因此，人工智能仍与人类大脑相去甚远。
对于机器而言，真正的智能应该是拥有自己独特的思考方式。比如当人工智能看到一堆数据时，它能够以自己的方式去思考，而不是单纯地对人类的思维方式进行模仿。在实现上述情形的过程中，最重要的是人工智能的可改进性。一个优秀的人工智能，应该做到通过自身修改核心代码，来适应周围变幻不定的生存环境。甚至是应该让人工智能达到主动创造的地步。当然，要实现这些并非易事，人工智能仍需经历长时间的发展。
更多
智慧技术开发请关注新思界综研－智慧城市！
