第2731章 黑箱

    周不器和拉里·佩奇的私交很好，由这俩人携手推进，很快双方的人工智能团队，就在一些具体的方向上展开了业务上的探讨和合作。

    一件大事，一件小事。

    大事是共同成立的一个名为“AI-Bio”的项目，主要就是生物科学中诸多方面，包括蛋白质结构预测、疾病诊断和治疗、药物发现等等。

    用人工智能来结合这种级别的大命题，其实一直都存在，二三十年前就有了。

    不过那时候根本就做不到。

    现在不一样了，Rokid-go这款围棋软件所采用的新的“黑箱式”的基于神经网路的机器学习模式，给这样的宏大命题找到了开发的基础。

    作为Rokid-go之父，沈向阳在双方的合作交流中，简单地解释了这种“黑箱模式”的逻辑。不仅仅是照顾周不器这样的外行，事实上即便是谷歌的很多技术出身的高管，若是不从事于人工智能领域，也未必就能理解这是什么意思。

    人工智能类的构想，已经有五六十年的历史了，相关产品也出现二三十年了。

    不过，此前的人工智能产品，都是工程师指导并制定出的“明规则”。

    就比如当初打败了国际象棋的著名人工智能产品“深蓝”，背后的技术逻辑其实很简单，就是工程师把围棋的相关规则植入到下棋软件里。

    软件懂了规则，再依靠着计算机的庞大算力，就能打败人类了。

    可是，到了围棋领域，这套思路就不行了。

    围棋要远比国际象棋复杂。

    仅仅靠着算力，以人类目前所掌握的算力能力，根本就不可能算清楚围棋的每一种变化，这就需要在算力之外有更深层的东西了。

    在人类选手里，叫思维、叫逻辑。

    想要让计算机也有“罗辑”，这可就太难了，就不可能通过人类规则的植入让计算机获得这种层次的计算思维。

    Rokid-go采用的是黑箱运作。

    就是把Rokid-go这款程序放在一个黑箱里，不对其加入任何的规则。工程师所做的事，就是给黑箱中的Rokid-go喂数据。

    至于黑箱里发生了什么事，谁也不知道。

    然后，奇迹就诞生了。

    黑箱里的Rokid-go，通过大量的人类围棋的棋谱数据，通过自主学习，形成了自身对围棋的理解。

    就会下围棋了。

    至于Rokid-go到底是怎么理解围棋的，谁也不知道。只知道Rokid-go下出来了许许多多人类无法理解的招式，然后就碾压级的轻易的打败了人类。

    也因为这种黑箱模式，让整个人工智能行业出现了巨大的争议。

    其中就包括马斯克。

    他们认为“黑箱”的人工智能技术方向，非常危险，因为人类根本就不知道黑箱里发生了什么，也无法理解人工智能在做些什么。

    总而言之，就是人工智能脱离了人类的掌控，将来就有可能形成“黑箱密谋”，形成对人类的威胁。

    不过，这类论调的流派比较小众。

    就目前来看，整个行业对Rokid-go的新思路、新方向都非常振奋，因为这给人类提供了一种新的发现世界的角度。

    以前都是人类去发现世界。

    现在可以依靠着人工智能，通过黑箱的模式，让人工智能去帮助人类发现、探索、理解这个世界。

    只需要去喂数据就好了。

    比如什么药可以治疗癌症？

    人类探索了几十年，始终都没能攻克这一难关，人类对肿瘤和药物的理解还不够。如果把相关的数据喂给人工智能，说不定人工智能可以给出消除恶性肿瘤的最佳药物。

    这是个大领域，关系到了全人类。

    赚不赚钱，反而是次要了。

    哪怕谷歌和紫微星国际是竞争对手，也愿意在这个领域展开合作，并且承诺，会把相关研发成果开源，分享给全人类。

    这是大事，至于小事，就有一定的商业属性了。

    谷歌会和紫微星国际联手，每年推出一次面向全球开发者的人工智能“世界杯”，就像足球世界杯一样。

    每年，双方的科学家，会探讨、研究，选取三个人工智能领域的任务发布出去。

    参赛选手有6-8个月的时间来完成任务。

    谁拿出来的解决方案最好、效果最佳，谁就是最终的优胜者。谷歌和紫微星国际会各自出1000万美元，来作为此类赛事的奖金。

    这发布的任务，肯定不会像是奥数竞赛那样，是出题去考别人。

    而是一些方向性的探索。

    人工智能就好像是一个无边无际的世界，可这个世界是黑暗的，谁也看不清。偶尔几个顶级的科学家，探索到了一些区域，发表了一些方向性的论文。