路人战队|未来的第六代战斗机会是无人战斗机吗？今年八月份

文章图片
今年八月份，美国辛辛那提大学研发的人工智能程序——阿尔法(ALPHA)在模拟的近距空战中击落了人美国空军假
【路人战队|未来的第六代战斗机会是无人战斗机吗？】前一篇文章我们谈到，不管是俄罗斯的“决斗”系统还是美国的“阿尔法”系统已经达到可以击败人类飞行员的水平。那么，在未来的第六代战机上，人工智能是否可以完全取代人类呢？答案是做不到，而且在可预见的未来几十年内都看不到希望。为什么这么说呢？因为现在的人工智能还处于比较低级的发展阶段。
人工智能的发展阶段
人工智能的发展分为几个阶段，初期的称之为弱人工智能，然后是通用人工智能，高级阶段称为超人工智能。简单地讲，弱人工智能阶段就是智能水平还不及人类智能的阶段，而通用人工智能是指与人类的智能相当的阶段，而超人工智能是指智能水平超越人类的阶段。目前的人工智能技术仍然处在弱人工智能阶段，距离通用人工智能阶段还非常遥远。
来自算法的限制
首先来自算法的限制，问题主要来自深度学习算法，因为目前的人工智能算法主要就是深度学习算法。我们知道深度学习算法的主要方法来自概率统计，也就是要从大量的数据集中分析计算事件之间的概率，找出其中高概率的关系，从本质上这是通过关联关系来做判断。实际上这样的算法和真正的人类智能完全没有任何相似之处，人类的大脑根本不就不是通过这种方法来解决问题的。人类的大脑是通过因果关系来判断问题的，所以只需要非常少的数据就可以做出正确判断。从算法效率的角度来说，深度学习算法是非常笨的，它不能真正理解问题的本质，而是通过分析概率找出高概率的关联关系。正是基于以上原因，深度学习算法的应用依赖于强大的算力。
来自算力的限制

文章图片
AlphaGo是人工智能技术发展史上一个非常重要的里程碑
以广为人知的AlphaGo为例，其应用就必须依靠强大的硬件算力来支撑。战胜韩国围棋大师李世石的深度学习系统AlphaGo ，使用了1202个CPU和176个GPU ，这是一个相当庞大的服务器集群。但是它也只能计算围棋棋盘上19X19方格内的可能性。但第六代战斗机的作战环境是高度复杂的，需要计算的数据维度、类型、数量也是高度复杂的。计算空间涵盖了海陆空天电多维的空间，而且所有的决策都是在三维空间进行的，所有的决策都是有时间限制的。而且不仅要考虑己方的情况也要考虑敌方的情况。计算的数据量实际上随着数据维度、数据类型、数据量的增加成高度几何指数关系。只要多计算一两个数据都有可能让整个计算的工作量成几百倍几千倍的增长，还不要说需要计算的数据种类可能成百上千个。

文章图片
深度学习算法的计算工作量是随着数据的类型数量的增长成指数关系的
这对于运行人工智能所需的硬件来说是一个巨大的挑战。这也就是为什么俄罗斯的“决斗”系统、美国的“阿尔法”系统都只是用在近距离空中格斗模拟上的原因，因为如果作战范围扩大一点，考虑的因素一增多，需要计算的数据量就会迅速飙升，硬件可能很快就扛不住了。这就是算法带来的算力限制问题。
来自算法工作模式的限制
除了算法和算力的问题，更困难的问题是算法工作模式的问题。这是现阶段弱人工智能技术的另一大缺点，那就是现阶段的人工智能只能解决已知的问题，只会使用接受过训练的技能。简单地讲就是你教会它什么，它就只会什么，没教过的是不会的。比如会下围棋的AlphaGo ，它只学习过围棋，它就只会下围棋，如果你没训练就让它下国际象棋，它会立刻傻掉的。根本原因是深度学习算法必须要提前进行训练，这个训练过程就是算法生成的过程，其工作原理决定了如果未经训练，算法肯定是无法正常工作的。 AlphaGo是通过大量学习人类的棋谱完成的训练。经过进化的AlphaZero进一步改进了算法，不再局限于人类的棋谱。而是去探索围棋每一步产生的可能性，从中找出取胜概率最高的棋路。简单地说就是AlphaGo是靠学习分析人类的套路来打败人类的，而AlphaZero是探索一切可能，形成自己的套路，从而击败人类的。但是即便如此，用深度学习算法取代人类智能仍然任重道远。