揭秘AlphaGo背后团队：人工智能的下一个目标是什么？

本篇文章4363字，读完约11分钟

征服围棋只是阿尔法围棋背后的深层思维团队的第一步。

最近，deepmind创始人德米斯·哈萨比斯在接受《边缘》杂志采访时透露，alphago只是谷歌人工智能项目的一个分支。未来，deepmind的主要目的是用人工智能解决所有问题，并将进一步探索人工智能在医疗、机器人和手机领域的应用。

回顾黛米·哈萨比斯的成功，从赢得五次智力奥林匹克冠军的象棋神童，到以两项荣誉获得剑桥大学计算机科学学位的青少年，再到第一个包含人工智能的视频游戏“主题公园”的创建，以及开创性的视频游戏公司elixir1，在离开游戏行业攻读神经科学博士学位后，他于2010年创建了deepmind团队。你会发现他的经历非常不同。

第二天一大早，当阿尔法戈获得《李世石》的前九个片段时，哈萨比斯接受了《边缘》的采访。可以理解的是，他在这个时候抛出了媒体的问题。然而，他仍然热情友好。当谷歌手表告诉哈萨比斯，一夜之间有超过3300个关于他的韩国媒体采访时，哈萨比斯表达了明显的惊讶:这是难以置信的，但有趣的是看到一件不可思议的事情在短时间内变得如此受欢迎。

围棋将是永恒的圣杯

根据哈萨比斯的说法，围棋一直处于完美信息游戏的巅峰，就可能性而言，它比国际象棋复杂得多。因此，尤其是在深蓝之后，go对人工智能来说意味着难以捉摸的圣杯。虽然我们做了很多努力，但对围棋的理解仍然不够深入。十年前蒙特卡罗树搜索可以说是一项伟大的创新，但我认为阿尔法戈研发中更重要的部分在于深度神经网络的引入，这使得人工智能拥有了所谓的直觉判断。可以说，良好的直觉是让顶尖选手脱颖而出的关键原因。在昨天游戏的实时解说中，当我看到很难判断麦克莱蒙九段的计算结果时，我再次感到编写一个判断围棋价值的程序是极其困难的。

此外，哈萨比斯对阿尔法戈在实战中做出的一些出人意料的招数表示了极大的震惊:我相信李世石也会有同样的感受，从他的面部表情可以看出，当阿尔法戈向左攻击李世石的时候，我承认这确实出乎意料。同时，他也认为阿尔法戈的攻击极具侵略性，从某种程度上来说，阿尔法戈是在与李世石的强项作战。哈萨比斯说:李世石以其频繁的恶作剧和善于控制局面而闻名。可以说阿尔法戈在第一场比赛中创造了我们想要的局面。开始时，它只是布置了整个棋盘，实际上并没有占据某个区域。传统围棋程序之所以有明显的缺点，是因为它们擅长计算，但缺乏全局观。

为什么阿尔法戈的胜利意义重大

举办这次比赛的初衷是评估阿尔法戈的能力，谈谈我们从阿尔法戈的胜利中学到的东西以及未来的发展方向。哈萨比斯说:通过竞争，我们意识到我们目前的链接比以前预期的更先进。对于完美的信息游戏来说，围棋一直处于金字塔的顶端，有许多顶尖的围棋高手在等待摊牌。此外，还有许多其他游戏，如无限扑克。因为这是一个不完美的信息游戏，多人游戏也是一个挑战。显然，所有人类比机器玩得好的电子游戏也可以考虑。例如，《星际争霸》在韩国也很受欢迎。在一个信息不完善的世界里，战略游戏对决策能力有很高的要求，因为所能看到的只是全局的一部分。在围棋中，整个情况是显而易见的，这使得游戏对电脑来说更容易一些。

虽然使用人工智能来刺激游戏很有趣，但是deepmind团队仍然希望在更主流的项目中使用人工智能。哈萨比斯说，他对游戏非常感兴趣，也许他写过游戏，但目前，游戏只是一种有效的方式，为测试我们的算法和评估他们的成绩提供一个测试平台。deepmind的最终目标是使用人工智能来解决现实世界中的难题。

当谈到我过去在游戏行业的经历对现在的影响时，哈萨比斯说:可以说，创造深度思维一直是我的最终目标，我花了近20年的时间策划这件事。如果你从我最终会从事人工智能研究的角度来看我的经历，你会发现我选择的每一步都是面向人工智能的。熟悉我的牛蛙员工知道，我写的所有游戏的核心都与人工智能有关。当我16岁写《主题公园》时，我第一次意识到如果我们全力以赴去做研究，人工智能的前景是不可估量的。这个游戏很受欢迎，表明玩家喜欢它，因为人工智能非常适合玩家。因此，我继续拓展游戏领域。然而，在2000年，我觉得我们已经走到了秘密走后门的人工智能研究的尽头。因为你的最终目标是做一个游戏，所以我转向研究神经科学，以便在人工智能领域取得进展。

哈萨比斯认为，20世纪90年代人工智能最直观的应用体现在游戏行业。当时，学术研究没有任何进展，一些新技术如强化学习、深度学习和神经网络没有得到应用和推广。因此，游戏被称为人工智能的最佳应用领域。当然，那时的人工智能与现在大不相同，那时的人工智能更像是一个复杂的有限状态机(fsm)。黑白游戏应用了增强的学习技术。到目前为止，我仍然认为这是游戏中最复杂的强化学习案例。然而，在2004年前后，游戏行业发生了巨大的变化。就像在20世纪90年代，只要你有一个好主意，你就可以做一个游戏。游戏行业越来越注重画面感，官方授权变得非常重要。例如，国际足联系列赛就是一个很好的例子。因此，我认为玩游戏不像以前那么有趣了，我已经积累了在游戏领域创造深度思维所需的信息和经验。这时，神经科学引起了我的兴趣，我真的很想从理解大脑解决问题的过程中得到启发，所以读神经科学博士是再好不过了。

人工智能如何改变医用项圈

人工智能的主要应用将在医疗、智能电话助手和机器人领域。在医疗方面，ibm沃森，一个认知计算系统，已经开始了癌症诊断项目。据此，deepmind表示，它已于几周前开始与英国国民健康服务系统(nhs)合作，建立一个可以应用机器学习智能的平台。Hassabis认为ibm watson所做的工作不同于deepmind团队的工作。癌症筛查更像是一个专家系统和另一种形式的人工智能。这种人工智能所能做的就是在图像中做出医学诊断，自我量化，然后对重要特征进行横向比较和大量筛选，从而引导人们拥有更健康的生活方式。我认为在这个领域使用增强的学习技术更合适。

为了与nhs合作，deepmind推出了一个不使用人工智能或机器学习的应用程序。原因是nhs软件本身相对落后，它们不是移动的，完全不适合当前的消费习惯，而且这个软件对医生和护士来说效率很低。因此，deepmind将首先改进可视化和基本信息，以便看到真正的需求，然后使用更熟练的机器。

未来的核心应用领域

在新闻发布会第一天的讲话中，哈萨比斯用电影《她》中的海报作为背景来解释。他解释说，“她”是一个流行的主流观点，关于智能手机助理的出现，我的观点是，智能手机助理应该做得更人性化，这样他们可以更深入地了解你的需求。目前，这些系统大多极其脆弱。一旦它们偏离预编程的输入模板，它们将变得无用。

正如hassabis所说，目前，基本上所有的智能手机助手都是特殊情况和预编程的，这意味着他们是脆弱的，只能做预编程的事情。然而，现实世界非常混乱，用户会在事先不知道的情况下做一些不可预知的事情。因此，deepmind认为，人工智能的唯一途径是从基础开始，变得普遍。这也是最基本的原则之一。

鉴于如何改进这一点，hassabis认为，由于智能手机的输入非常多变，在我们从中学习到很多东西之前，可能需要输入数万吨的数据。根据阿尔法戈的算法，我们打算在接下来的几个月里尝试的是摆脱监督学习的起点，让它充分发挥自己的作用，从零开始。这需要更长的时间，因为当你使用随机的方法时，需要更多的时间来为复习和错误进行训练，可能需要几个月。然而，我们认为有可能让它从纯粹的学习开始。哈萨比斯的回答是:我认为我们将在未来两到三年内开始看到改善。我的意思是，这些改进在开始时很小，只有一小部分会更好。也许在未来4到5年，甚至5年以上，你可以看到智能手机功能的巨大变化。

为什么是谷歌？

事实上，alphago在竞争中并没有使用太多的硬件，但是deepmind团队需要大量的硬件来训练它，制作不同的版本，让它们在云中相互竞争。这需要大量的硬件来有效地完成，因此没有这些资源，在这段时间内根本无法完成。这是deepmind选择与谷歌合作的原因之一。

至于我们是否希望被纳入谷歌的商业模式和产品路线图，hassabis认为，我们在如何优化研究进展方面具有强大的领导作用。这是我们的使命，也是我们加入谷歌的原因，这样我们就可以加速我们的研究。这发生在过去的几年里。当然，我们实际上正在开发许多谷歌内部产品，但是它们还处于非常早期的阶段，所以还没有准备好发布。当然，我认为智能手机助手是核心，我认为sundar pichai已经谈了很多，这是谷歌未来的核心。

关于是否与谷歌大脑合作，哈萨比斯说:事实上，我们是非常互补的。我们每周都聊天。谷歌大脑主要致力于深度学习，他们也有杰夫迪恩，一个非常杰出的工程师，所以他们已经扩展到公司的每个角落，这就是为什么我们发明了惊人的谷歌图像搜索。他们正在做非凡的工作。此外，他们的团队位于山景城，所以他们更接近产品团队，他们的研究周期更像是12到18个月。虽然我们在算法开发上有更多的工作，但我们倾向于对需要两到三年研究的东西进行研究，而不需要一开始就直接关注产品。

关注未来科学

关于机器人技术的当前发展，哈萨比斯认为它们可能有漂亮的躯干，但它们仍然缺乏智能大脑。类似于智能手机助手的现状，机器人似乎只能对预先编程的情况做出反应。一旦他们脱离了这种情况，机器人无疑会不知所措。因此，如何通过机器学习来增强机器人的能力是非常重要的。

Hassabis列举了一些直接使用机器人进行科学学习的例子:显然，自主车辆是机器人，但目前它们仍是狭义的人工智能，尽管它们在计算机视觉中使用了一些可学习的人工智能。特斯拉采用了基于深度学习的标准现场计算机视觉方案。我相信日本对老年护理机器人和家庭清洁机器人有很多想法，我认为这对社会非常有用。尤其是在老龄化社会，我认为这是一个非常紧迫的问题。

哈萨比斯对人类、机器人和人工智能之间未来互动的期望是，我自己并不怎么考虑机器人。我对人工智能在科学领域的应用感到兴奋，这可以促进其更快的发展。我希望看到人工智能在未来能够帮助科学。如果有一个人工智能研究助理，它可以做很多无聊的工作，阅读有趣的论文，从海量数据中找到结构，并把它们呈现给人类专家和科学家，以实现更快的技术突破。几个月前，我在欧洲粒子物理研究所做了一次演讲。显然，他们创造的数据比地球上任何地方都多。我们都知道在他们巨大的硬盘中可能会发现一种新的粒子，但是没有人能找到时间来做这件事，因为这里的数据量实在太大了。所以我认为如果有一天人工智能参与发现一种新的粒子，那将会非常酷。

(本文是从。2016/3/10/11192774/demis-hassa bis-interview-AlphaGo-Google-Deepmind-ai)