自從Alan Turing（阿蘭·圖靈）于1950年代首次提出AI概念以來，人工智能已經(jīng)走了很長一段路，并且它絲毫沒有放緩的跡象。
如果說前幾代AI的發(fā)展只是冰山一角，未來“人工直覺”標志著AI將成為真正“智能”的關鍵的一步。
1、第四代AI：模仿人類直覺
AI發(fā)展至今正在歷經(jīng)四次演變。第一代AI屬于“描述性分析”；第二代AI是“診斷性分析”；第三代也是最近的這一代AI是“預測性分析”，主要是基于已經(jīng)發(fā)生的事情進行預測將來。
盡管AI的“預測性分析”非常有用，但是缺點仍在于必須基于歷史數(shù)據(jù)預測，面對新的未知場景，AI就變得無計可施。
人們需要能夠自行“思考”的機器，以面對陌生的情況。因此，能夠模仿人類直覺(Artificial Intuition)的第四代AI應運而生。
擁有“人工直覺”的AI，能夠在無需告知的前提下自動識別威脅和機會，就像人類的直覺能夠讓我們在無需特別指示下做出決策。
這有點類似于經(jīng)驗豐富的偵探進入犯罪現(xiàn)場，便能立即知道某些事情似乎不對勁，或者是經(jīng)驗豐富的投資人可以比其他人先發(fā)現(xiàn)行業(yè)趨勢。
那么，AI真的可以具有“直覺”嗎？畢竟計算機沒有人的感覺，它只是二進制的機器，如何在決策時利用“直覺”呢？正因如此，人工直覺的概念在早年間還被認為不可能發(fā)生。
但是現(xiàn)在，谷歌、亞馬遜、IBM等公司正在努力開發(fā)解決方案，并且有一些公司已經(jīng)讓其運行。
圖靈獎獲得者赫伯特·西蒙（Herbert Simon）曾在演講中指出，一個小孩在學習過程中，會指著一個小動物說“這是一只狗”，但他并不知道為什么。
同樣，一個先進的深度神經(jīng)網(wǎng)絡能夠在不知道為什么的情況下，看到東西并說“狗狗”。
換句話說，識別的任務，特別是在計算機視覺中，已經(jīng)通過具有人工直覺的深度學習方法得以解決。
2、 AlphaGO的演進：人工直覺的進化
盡管人與機器在許多方面的行為方式都不同，但人工智能的發(fā)展不僅帶來了更多的智能，而且似乎還發(fā)展出了一種直覺。我們不妨從AlphaGo的進化，來看看人工智能是如何具備“直覺”的。
眾所周知，AlphaGo是一款圍棋人工智能程序，它擊敗了世界上最好的人類職業(yè)圍棋選手，是第一款戰(zhàn)勝圍棋世界冠軍的AI機器人。
2016年3月，AlphaGo與圍棋世界冠軍、職業(yè)九段棋手李世石進行圍棋人機大戰(zhàn)，以4比1的總比分獲勝；
2016年末至2017年初，AlphaGo以“大師”（Master）為注冊賬號，與中日韓數(shù)十位圍棋高手進行快棋對決，連續(xù)60局無一敗績；
2017年5月，它與排名世界第一的世界圍棋冠軍柯潔對戰(zhàn)，以3比0的總比分獲勝。圍棋界公認AlphaGo的棋力，已經(jīng)超過人類職業(yè)圍棋頂尖水平。
據(jù)AlphaGo的開發(fā)公司DeepMind的論文介紹，AlphaGo的發(fā)展分為四個階段，也就是四個版本：
第一個版本是在2015年戰(zhàn)勝圍棋歐洲冠軍樊麾時的人工智能，當時還處于內(nèi)測保密階段；
第二個版本是2016年戰(zhàn)勝李世石的AlphaGo；
第三個是在圍棋平臺對弈的“大師”（Master）版本；
第四個即最新版的AlphaGoZero，在開始學習圍棋3天后，便以100:0橫掃了第二版本的AlphaGo。在學習40天后，又戰(zhàn)勝了在人類高手看來不可企及的第三個版本“大師”。
在這個進化過程中，到底發(fā)生了什么變化才引起了AlphaGo能力質(zhì)的飛躍？要回答這個問題，我們首先要了解AlphaGo的主要工作原理——“深度學習”。
深度學習是指多層的人工神經(jīng)網(wǎng)絡和訓練它的方法。一層神經(jīng)網(wǎng)絡會把大量矩陣數(shù)字作為輸入，通過非線性激活方法取權重，再產(chǎn)生另一個數(shù)據(jù)集合作為輸出。
多層神經(jīng)網(wǎng)絡就像生物神經(jīng)大腦的工作機理一樣，通過合適的矩陣數(shù)量，多層組織鏈接一起，形成神經(jīng)網(wǎng)絡“大腦”進行精準復雜的處理。
AlphaGo此前的版本，即是結(jié)合了數(shù)百萬人類圍棋專家的棋譜，以深度學習中的強化學習方法進行了自我訓練。而AlphaGoZero則使用了新的強化學習方法，讓自己變成了老師，從而讓自己的能力有了質(zhì)的提升。
據(jù)AlphaGo團隊負責人大衛(wèi)·席爾瓦（Dave Sliver）介紹，AlphaGoZero系統(tǒng)一開始甚至并不知道什么是圍棋，也沒有接觸過人類棋譜。
研發(fā)團隊只是讓它自由隨意地在棋盤上下棋，從單一神經(jīng)網(wǎng)絡開始，通過神經(jīng)網(wǎng)絡強大的搜索算法，進行了自我對弈。隨著自我博弈的增加，神經(jīng)網(wǎng)絡逐漸調(diào)整，提升預測下一步的能力，最終贏得比賽。
更為厲害的是，隨著訓練的深入，AlphaGoZero還獨立發(fā)現(xiàn)了游戲規(guī)則，并走出了新策略，為圍棋這項古老游戲帶來了新的見解。
AlphaGo Zero首席程序員David Silver博士說：“通過不使用人類數(shù)據(jù)，即通過不以任何方式使用人類專業(yè)知識，我們實際上消除了人類知識的限制。
因此，它能夠根據(jù)第一原理來創(chuàng)造知識。從空白狀態(tài)開始，這使它比以前的版本功能強大得多。”
可以看到，AlphaGoZero與之前版本最大的區(qū)別在于，它不再需要人類數(shù)據(jù)，似乎它已經(jīng)根據(jù)“直覺”制定了自己的策略。
雖然之前人們認為，直覺是只有人類才能擁有的東西，而不是計算機。
3、人工直覺的應用
隨著人工直覺的發(fā)展，AI的這一能力幾乎可以應用于任何行業(yè)，目前在金融服務領域已取得了長足的進步。
大型銀行越來越多地使用它來檢測復雜的新型金融網(wǎng)絡犯罪計劃，包括洗錢、欺詐和APT黑客攻擊。
可疑的金融活動通常隱藏在成千上萬個交易中，而AI人工直覺可以使用極其復雜的數(shù)學算法，快速發(fā)現(xiàn)看似無關交易之間的隱藏關系，并向銀行發(fā)出未知威脅并發(fā)出警報。
不僅如此，人工直覺而且還可以采用可追溯和記錄的方式解釋數(shù)據(jù)，從而使銀行分析師能夠為金融犯罪執(zhí)法犯罪準備可執(zhí)行的可疑活動報告。
在自動駕駛領域，人工直覺可以預測道路上可能發(fā)生的事情，并瞬間做出決定，來提高公共安全性。
例如，在下雨天，自動駕駛汽車被編程為減速并通過其傳感器打開雨刮器。通過人工直覺，可以訓練自動駕駛汽車通過做一些人類駕駛員有時會做的事情，來預料和反應即將發(fā)生的危險，如果下雨的話就開到路邊或走安全路線等。
當然，人工直覺并不意味著AI突然會擁有自己的思想。
取而代之的是，這些深度學習技術可以做系統(tǒng)訓練，隨著系統(tǒng)變得更加先進，這些技術會向其提供更多信息，并以此為基礎建立見解，從而能預見將要發(fā)生的事情，并像人類做出重要決定一樣，無意識地對其采取行動。
但值得注意的是，人工直覺并不是在替代人類的本能。它只是一個附加工具，可以幫助人們更有效地完成工作。人工直覺并不能自行做出任何最終決定，它只是向人類提供有價值的信息，最終做決策的仍舊是人類。
