近期人機大戰(zhàn)又在不斷上演，這次比較巧的是，谷歌的AlphaGo在網(wǎng)絡(luò)上化身Master，碾壓各路9段高手，最后以60勝的成績戰(zhàn)勝了所有人類對手，也創(chuàng)造了有史以來第一次，人類在棋藝領(lǐng)域被人工智能全面碾壓的情況。
而另一方，近期江蘇衛(wèi)視播出的《最強大腦》節(jié)目，也開啟了人機決戰(zhàn)的比賽，而在第一期以人臉跨年齡識別挑戰(zhàn)的節(jié)目中，百度大腦以3：2的優(yōu)勢戰(zhàn)勝了人類，人工智能也再次戰(zhàn)勝了人類。
而這兩場戰(zhàn)役也引發(fā)了網(wǎng)友們對于AlphaGo與百度大腦誰更厲害的討論，更多的人傾向于下圍棋的AlphaGo應(yīng)該更勝一籌，因為下圍棋似乎難度更大，但實際上并非如此，這里我們來做一些科普。
深度學習到底是什么
AlphaGo與百度大腦的技術(shù)，其實師出同門，都是采取了最前沿的基于神經(jīng)網(wǎng)絡(luò)的深度學習技術(shù)。
傳統(tǒng)的計算機技術(shù)都是線性模型，即輸入一個值之后，就會獲得一個唯一的答案。但是深度學習則通過模擬人腦的方式，將數(shù)據(jù)網(wǎng)絡(luò)進行“分層”，通過監(jiān)督學習的方式，給機器各種數(shù)據(jù)，不斷反復(fù)訓(xùn)練，最終讓機器給出一個最大概率的答案，如果答案不夠準確，那么機器就會通過監(jiān)督反復(fù)學習。
而阿爾法狗下圍棋與百度大腦的人臉識別，背后都采用了深度學習的方法。
阿爾法狗下圍棋的原理
我們這里不討論具體的技術(shù)細節(jié)，而是討論技術(shù)本質(zhì)原理。
下棋這件事一直都是機器的難題，因為把每顆棋子可能的落子考慮進去，以輸贏為結(jié)束，那么所有落子的可能性總數(shù)加起來比宇宙原子數(shù)還要多。早期的機器受制于、存儲根本無法勝任如此巨大的挑戰(zhàn)，因此能夠挑戰(zhàn)國際象棋大師卡斯特羅已經(jīng)是非常不錯，而挑戰(zhàn)圍棋則是天方夜譚。
而隨著這幾年硬件設(shè)備的發(fā)展，計算機的存儲、CPU、集群運算等能力急劇提升，當年打敗卡斯特羅的只是一臺小計算機，現(xiàn)在則變成了集群計算機，計算能力從只能單打獨斗階段上升到了，可以用成百上千臺計算機群毆的階段。
而另一個關(guān)鍵點則是深度學習技術(shù)，深度學習技術(shù)，可以反反復(fù)復(fù)的訓(xùn)練與模擬對決，而以勝負為終結(jié)標志，有了學習反饋，因此可以模擬出成千上萬個棋局，再日以繼夜的學習后，最終達成大師水平。
也就是說集群計算+深度學習，讓計算機大幅度減少了暴力窮舉的次數(shù)，調(diào)試人員只需要不斷修改算法模型，就可以獲得最佳結(jié)果。
百度大腦跨年齡識別的原理
此次百度大腦所挑戰(zhàn)的跨年齡識別，同樣運用的也是深度學習原理，但是也有區(qū)別。
即使下棋用了深度識別，但是本質(zhì)依然是暴力計算，只不過深度學習模型讓其大大減少了無用的暴力計算程度。而圖像識別并簡單的非暴力計算就可以達成，因為面對太多的不確定性，每一張圖片中都充滿了太多意外的問題，例如光照因素、側(cè)臉、臉部眼鏡口罩等遮擋物，等等都會影響到機器的結(jié)果。
因此，長期以來，機器在各種棋藝上對人類有著頗多挑戰(zhàn)，但是從沒有看過機器挑戰(zhàn)人臉識別的案例，正是因為難度極高，即使有深度學習的助力，依然不能立即取的立竿見影的成果。
此外，此次比賽是跨年齡識別，這更又是一個世界頂級難題，對于下棋的深度訓(xùn)練來說，最終可以通過勝負給機器一個反饋結(jié)果，機器可以有效的進行反復(fù)訓(xùn)練，直到勝出為止。但是人臉的跨年齡識別就沒有這么幸運了，這其中的數(shù)據(jù)實在太少，訓(xùn)練數(shù)據(jù)難以收集。沒有足夠多的數(shù)據(jù)，基于深度學習的神經(jīng)網(wǎng)絡(luò)很難學習到跨年齡的類內(nèi)和類間變化。
正所謂巧婦難為無米之炊。
而此次百度大腦挑戰(zhàn)跨年齡識別，則是在數(shù)據(jù)稀缺的情況下做出的挑戰(zhàn)，其通過更改各種算法策略，以及深度訓(xùn)練模型，最終實現(xiàn)了一個非常好的結(jié)果。
人臉識別難于下圍棋，但引起的感受效果不同
機器善于做的就是做重復(fù)性的邏輯性工作，而對于圍棋這種黑白分明，完全依賴經(jīng)驗的事情，對于機器來說其實更為容易，因為并不需要面對不確定的環(huán)境。
而像人臉識別這種工作就不是如此了，機器不僅能夠依賴的經(jīng)驗有限，更需要面對隨時出現(xiàn)的不確定性，因此整個攻克難度依然巨大。
當然，歸根到底上述所說的都只是方向上的問題，人工智能再人臉識別的這個研究方向整體上，難于下棋。因此，人臉識別要想取得一點點的進步，所需要花費的代價比下棋的代價大多了。
下棋是機器所擅長的領(lǐng)域恰恰又是代表著人類的智力巔峰，因此給我們所有人造成的震撼也就更大一些，而人臉識別則是機器的弱項，但又是我們每個人與生俱來的能力，并不能讓人產(chǎn)生很大的震撼，因此甚至會有人認為下棋的難度大于人臉識別，這不過是站在人的立場上去考慮問題而已。
結(jié)語：
最后，我們需要公平的看待這兩場比賽，AlphaGo與百度大腦，由于各自從屬領(lǐng)域不同，因此不存在誰優(yōu)誰劣的說法，只不過是從人的立場上去看，產(chǎn)生的主觀感受不同而已。
事實上是這二者的表現(xiàn)，均體現(xiàn)了人工智能在不同領(lǐng)域的頂尖水平，都值得尊敬。
作者微信公眾號：“首席發(fā)言者”
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
