3

搜索+评估=智能？

本书暂时不会涉及具体的编程讲解，在那之前，我们首先要弄清楚一个（更为本质的）问题——什么是“智能”？

“智能”的定义是什么？这个问题颇具争议性，人工智能的专业研究人员也尚未有定论（因此，人工智能一词至今也没有明确的定义）。

我将在本书中以PONANZA的开发为基础，斗胆对“智能”一词进行简单阐述。这些结论有据可依，但大多基于我自己的解读，望读者理解。

智慧行为（不单指电脑将棋）大体表现为以下两种行为——“搜索”和“评估”。

几乎所有的智慧行为都至少占了“搜索”和“评估”中的一个，或二者兼有。也就是说，人类及所有动物其实无时无刻不在进行着“搜索”和“评估”（图1-2）。

图1-2　支撑智能的两大支柱

这两种行为究竟是什么？我们来逐一说明。

搜索_＜生物为什么会拥有智慧呢？＞

从进化论的角度来解释，是因为智慧的发展有利于生物的生存。

智慧可以帮助生物“预测未来”。去哪里可以吃到食物？怎么做才能有助于繁殖后代？拥有了智慧，我们才可以对未知世界作出预测并有序地生活，这与漫无目的、顺其自然的结果是截然不同的。

那么，如何推测未来？有多种方法可供选择，其中最为直接的方法是对未来进行仿真。

此处的仿真，是指“抛开主观意识和价值判断，对事物的发展进行推测”。举例来说，假设有两个“1”，此时：

1+1=2　1-1=0　1×1=1　1÷1=1

计算以上问题时，我们并不会加上自己的主观意识和价值判断。因此，基于现有状况机械地推测今后的变化，这一方式即被称为仿真。

我们可以利用智能的“搜索”功能，对未来进行正确的仿真。诸如“1+1=3”之类的预测便不能被称为正确的仿真。

在日常生活中，我们会下意识地进行搜索=仿真。过马路时，我们会认真观察交通情况。在没有“不可以超速”的价值判断的限制下，若不能马上判断出对面来车的行驶速度，我们的生命极有可能受到威胁。

在电脑将棋和人工智能的世界里，对未来的正确仿真被称为“搜索”。对于将棋来说，这一过程则被称为“推算”。

那么，搜索行为可以保证电脑将棋水平的提高吗？

我们之前说过，电脑擅长“单纯的计算”。在程序员的努力下，电脑可以通过“单纯计算”的叠加来预测将棋形势的发展。

因此，为了正确预测，电脑需要对大量的棋局进行搜索。从现有棋局出发，全面考虑所有的可能落子点，再考虑落子之后可能出现的所有局面。

然而，这个方法并不好用。即便按照此方法运作，电脑将棋的水平也依旧低于人类。其原因在于，将棋中可能出现的棋局数大约有10

226

个。这样浩大的工程，即便对于电脑而言，也几乎是不可能完成的任务。

10

226

，即1之后有226个0，我们可能很难想象这个级别的数字的大小。Google的公司名称源于数学单位Googol=古戈尔，即1之后有100个0。据推测，宇宙内可观测的所有原子数量尚不足1古戈尔。可见，比1古戈尔还大出许多的10

226

是多么庞大的数字。

电脑所进行的棋局推算（搜索）量远远超过人类。普通的笔记本电脑每秒可以处理几百万个棋局，我做研究时所使用的电脑则可以处理这个数字的100倍。但即便如此，这对于10

226

来说也仅仅是沧海一粟。

评估_

我们无法搜索完将棋中可能存在的所有棋局。那么，将棋程序要如何从有限的资源中选择下一步该走的那一着棋呢？

对于人类而言，接下来的步骤不难想象。没错，制订目标然后再对其展开搜索。这里的“制订目标”便是指支撑智能的另一种行为：“评估”。（图1-3）

图1-3　实施评估的意义

▼

左：不考虑其他，直接搜索。若不将大量资源进行切割，则很难得出与右图相同的答案。

▼

右：搜索后，仅对评价结果较高的部分进行进一步搜索，比直接搜索全部资源更加高效。

让我们来看一个例子。棒球运动中，击球手在投手投球的瞬间便会条件反射般在脑中“搜索”信息，判断是否挥棒、球路在哪边、什么类型的球，等等，搜索完毕后再决定——对较易击中的高路来球是进行挥棒还是观望不动。

但仅凭“搜索”，击球手是无法完美应对所有投球动作的。比如，在判断出对方来球大幅偏离好球区的一瞬间，击球手必须立即放下球棒；而在此之前，击球手则需做好准备，以防投手朝一垒跑垒员投出牵制球。此时继续“搜索”意义不大，击球手更迫切需要的是立即对是否需要击球进行“评估”。

只要评估正确，我们便可以针对相对应的区域进行搜索。棒球运动中，部分运动员在击球时会选择将注意力完全集中于投手，但倘若投手可供预测的动作有限，那么此时优先搜索其他更有价值的信息显然才是更正确的做法。

日常生活中，我们一直在重复着搜索与评估。广泛尝试，选择其中看上去最为有利的一个，之后再进行下一步操作。所有的智慧行为几乎都是这个过程的累积、重复和叠加。