用人机对抗方式验证我国人工智能发展水平

    8月18日至20日，美国国防高级研究计划局（DARPA）在线展开AlphaDogfight人机对抗试验，共有8支来自不同机构的人工智能团队参加，包括美国大型国防承包商洛克希德·马丁公司和世界顶尖研究型大学乔治亚理工学院等。随着“苍鹭系统”公司的人工智能(Arti⁃ficialIntelligence,AI)算法击败了其余7支团队，并以5:0的绝对优势击败了真实人类飞行员。这场备受瞩目的人机空战正式落下了帷幕。

    “苍鹭”系统的AI算法主要利用强化学习(ReinforcementLearn⁃ing)技术和基于联盟的训练(LeagueBasedTraining)策略。该公司的工程师本·贝尔表示，其AI算法已经进行了至少40亿次的仿真学习，获得了至少“12年的经验”。通过这些训练，“苍鹭”系统的AI算法可以执行可视范围内的模拟近距空战，并可以做到难以置信的精确打击。

    人们对于人工智能的重新认识和日渐推崇，显然归功于几次人机对抗的标志性事件，其中最为大众熟知的便是棋类竞技领域中几大著名赛事。

    首先在国际象棋领域。1996年2月10日，超级电脑深蓝首次挑战世界棋王加里·卡斯帕罗夫，但以2：4落败。其后研究小组把深蓝加以改良，推出更深的蓝，于1997年5月11日成功击败世界棋王。“更深的蓝”相较于一年前的“深蓝”相比具有了非常强的攻击性，在和平的局面下也善于捕捉杀机。

    回想起深蓝计算机的国际象棋AI程序，其基于人类棋手的经验,总结了大量规则,借助于计算机强大的计算和搜索能力战胜了人类国际象棋冠军。而在围棋领域，AlphaGo智能围棋博弈程序在2016年4：1战胜世界围棋冠军李世石（九段棋手）。与深蓝不同的是，AlphaGo是利用大量的围棋高手的训练数据，不断学习棋手如何下棋，最终赶超人类水平。尤其是第四局李世石执白对阵，第78手后上演惊天翻盘，最终战胜AlphaGo，而赛后，李世石将这一战绩致谢于AlphaGo程序的故意失误。

    2017年5月，在中国嘉兴乌镇进行的三番棋赛，AlphaGo以总比分3:0完胜世界排名第一的柯洁。自此，围棋界公认AlphaGo在围棋领域已经远远超过人类棋手的棋力，是人类难以企及的新高度。紧接着同年10月19日，GoogleDeepMind发布最新成果AlphaGoZero，该算法不再需要学习人类棋手的下法，而直接采用自对弈进行训练。顾名思义，AlphaGoZero就是从零开始训练，从随机招式开始，建立基本的原理。经过三天的训练，AlphaGoZero就以100：0的战绩击败了AlphaGo。

    除了棋类竞技领域之外，人工智能技术在游戏竞技领域也有过十分卓越的表现。例如，早在2017年8月份举行的总奖金高达2400万美元的Dota2国际邀请赛中，来自OpenAI公司的机器人在Dota21v1比赛中战胜了Dota类顶级职业玩家Dendi。次年8月6号，OpenAI团队宣布进行Ope⁃nAIFiveBenchmark测试赛，人类玩家和5个AI组成的队伍进行对抗，开展一场完整的Dota2比赛。这一次的Benchmark测试，OpenAI团队意在收集大量玩家反馈信息，并对AI进行了又一次的进化，使得目前的 OpenAIFive已经可以进行一场近似标准的Dota2比赛。最终在2019年4月13日，OpenAIFive完成了其成立以来的最大挑战——迎战TI8(Dota2国际邀请赛）冠军OG战队，并以2：0的成绩最终碾压人类。至此，继DeepMindAlphaGo攻陷围棋之后，Dota2也被OpenAI拿下。

    排除概念和商业炒作成分后，应该说，在弱人工智能的现阶段，AI技术目前无法完全战胜并替代人类，这些人机对抗大赛只是人工智能的某些技术突破和集成应用之一。但也要清醒地看到，人机对抗是人工智能技术研究成果的有效验证方式之一，辐射效应和宣传效果显著，影响深远，意义重大。因此，推进我国人工智能高质量发展，务须目标导向清晰、技术引领明确，组织和部署好人机对抗重大项目不失为一个有力抓手，也是国家科研实力的展示体现和长期技术攻关的结果印证，更是提振大国士气和弘扬民族精神的象征性事件，当以国家战略高度，全球视野格局，发扬“两弹一星”“北斗”及中国航天等精神，加快推动我国AI领域的人机对抗大赛和人机交互活动，用人机对抗方式持续验证我国人工智能的发展水平。

    一是提升关键基础领域技术攻关和成果转化能力。将军民融合及制造强国作为国家推动人工智能技术应用的重点领域，以人工智能技术助推军事装备智能化，推动人工智能在国防军事、制造业等关键领域的创新性应用，不断用真实的人机对抗结果验证AI的人机交互能力。

    二是在人工智能重点领域加大资本投入。灵活运用人工智能产业基金等形式，对人工智能芯片、机器学习算法研究、人工智能应用落地等核心和关键领域加大研发投入与应用支持。同时重点发挥政府引导基金的前瞻性作用，加大在人工智能基础领域的投入在制造业等国民经济重点领域培育人工智能应用需求。

    三是扎实推进人工智能行业健康可持续发展，继续推进产业努力迈向中高端。坚持创新驱动，突破人机交互、功能仿生等关键技术，推动机器人智能化、高端化发展。政府需继续加强重点企业培育和重大项目攻关，同时促进行业治理，规范行业发展，防止无序竞争和保护知识产权等。