近年来，人工智能发展迅速。首先，Alpha Dog击败了世界顶级围棋选手李世石和柯洁。这次，人工智能算法再次击败了人类专家，并主导了另一个计算机游戏。 Google的DeepMind AlphaStar系统在“星际争霸2”中击败了一位高级人类玩家。全世界的头条新闻都报道了这一事件，媒体开始宣称这距机器世界的统治又近了一步，人类必须更加警惕人工智能，等等。让我们来看看这件事，不要大肆宣传和夸大其词。 AlphaStar的这次胜利告诉我们至少两分。人工智能仍然高度依赖于人类的创造力，就创造力而言，人工智能无法取代人类。对于大多数人来说，深度学习是一个非常深奥的术语。通常，在我们的想象中，我们通常阅读的科幻小说中的超级人工智能可以学习世界上的所有知识，轻松掌握技能，并尽一切可能代替人类。实际上，我们今天的人工智能就像其他编程任务一样，涉及很多编码，算法设计和选择，数据和逻辑架构以及模式实例化。换句话说，过去建立情绪编码算法需要大量训练数据并对其进行过滤，使用创造力来识别潜在的模式并将其编码为编程代码。现在随着深度学习技术的发展，这些将被移交给机器进行识别。就创造力而言，机器无法替代人类。人们在理解数据模式方面的创造力和想象力是机器无法实现的。最重要的是，人类可以利用外部世界的知识进行推理，这就是为什么人类可以专注于学习，而机器学习算法需要大量数据才能达到基本熟练程度的原因。传统人类编码方法面临的挑战之一是查看数据集并预测其内部模式。尽管人类是有创造力的，但人类在搜索数据上确实不如机器。对于当前的人工智能，人类必须创建和管理培训和测试数据集，人类必须构建数据结构和支持软件。这些软件形成了模型与外部世界之间的接口，并从外部世界中学习和交互。现在，对于许多技术公司而言，其人工智能在工作中需要调整的唯一参数是输入数据。准确性来自更改输入数据直到输出满足准确性要求，而不是调整基础学习系统。仔细研究这个DeepMind游戏，我们可以看到使用了大量的深度学习方法。 AlphaStar的成功不仅仅是收集大量的训练数据，关键还在于这些方法的选择和调整。成功的人工智能应用程序不仅可以通过训练数据来实现准确性，还可以依靠人类的创造力来指导他们选择算法构建模块。我们承认AlphaStar确实取得了巨大的成功，但它也使我们看到人工智能的进步并非来自人工智能本身，而是来自人类的创造力，创造了新的构建块。简而言之，深度学习的进步不是来自机器本身，而是来自传统的人类创造力。就像我们将计算机游戏完全交到机器上，让它自己完全控制游戏一样，它仍然遥不可及。我们抛弃了媒体的炒作和夸大其词。人工智能告诉我们，人工智能算法的成功并非来自某种心灵感应能力，而仅仅是因为我们已经很好地完成了将人类行为和自然周期编码为计算机代码的统计模式的工作。更好的是，我们的生活受基本模式的支配。换句话说，人工智能的成功告诉我们，人工智能并不像我们想像的那样强大，但是我们的世界却不像我们想像的那样混乱，它所遵循的结构和模式可以很容易地提取和组合。编码。而且，人工智能在我的深度学习中的进步仍然完全取决于人类的创造力。最后，人工智能的进步也提醒我们，我们的生活在一定程度上遵循某些结构和模式，并且我们需要在未来更深入地探索人类创造力的本质。