DeepMind兩戰(zhàn)兩勝圍棋大師李世乭，激起了人們對(duì)人工智能潛力的熱烈討論。然而DeepMind的產(chǎn)品遠(yuǎn)不止AlphaGo而已——連主打產(chǎn)品都算不上。正如公司聯(lián)合創(chuàng)始人戴米斯·哈薩比斯在本周早先說過的，DeepMind想要“解決智能問題”。為了實(shí)現(xiàn)這一目標(biāo)，他有很多想法。

哈薩比斯一貫不走尋常路，不過現(xiàn)在回顧起來卻另類得不無道理。他是兒童國際象棋天才，曾5次獲得腦力奧林匹克運(yùn)動(dòng)會(huì)全能腦力冠軍，年紀(jì)輕輕就通過在游戲開發(fā)公司Bullfrog和Lionhead研發(fā)側(cè)重于人工智能的游戲《主題公園》和《黑與白》名噪一時(shí)，后又成立了自己的工作室Elixir。2005年，哈薩比斯從游戲產(chǎn)業(yè)中抽身，轉(zhuǎn)而讀了個(gè)神經(jīng)科學(xué)博士，隨后在2010年成為了DeepMind的聯(lián)合創(chuàng)始人。

在AlphaGo首戰(zhàn)告捷后的上午，哈薩比斯接受了The Verge的采訪。當(dāng)谷歌一位負(fù)責(zé)人告訴他一夜之間韓國媒體發(fā)表了超過3300篇關(guān)于他的文章后，他難掩驚訝。“太難以置信了，不是嗎？”他說道。“看到小眾的東西變得這么流行還真是有趣。”

除了AlphaGo，我們的談話還涉及了電玩、下一代智能手機(jī)助手、DeepMind在谷歌旗下扮演的角色、機(jī)器人、人工智能如何輔助科學(xué)研究等等。料很多，慢慢看。

（以下內(nèi)容酌情略有刪減）

“?圍棋一向是人工智能研究的終極目標(biāo)

對(duì)既不了解AI也不了解圍棋的人，你要如何描述昨天發(fā)生的事所引起的文化共鳴？

我想就此說幾點(diǎn)。圍棋一直以來都是完美信息博弈的巔峰。在可能性上，它遠(yuǎn)比國際象棋復(fù)雜。因此在AI研究領(lǐng)域，尤其是繼“深藍(lán)”之后，圍棋一直是大家的終極目標(biāo)。正如你所知，盡管付出的努力不少，卻收效甚微。

“蒙特卡羅樹搜索”是十年前的重大創(chuàng)新，但我們將直覺層面引入了AlphaGo的神經(jīng)網(wǎng)絡(luò)，而頂級(jí)棋手之所以杰出正是因?yàn)樗麄兊闹庇X力。連比賽現(xiàn)場解說員邁克爾·雷德蒙都無法算出勝負(fù)，這真令我震驚，他可是職業(yè)九段！這正顯示出了圍棋的估值函數(shù)寫起來有多難。

比賽過程中，AlphaGo有沒有哪幾手棋是出乎你意料的？

有的。當(dāng)AlphaGo向左下角李世乭的地盤猛攻時(shí)，我們相當(dāng)震驚——從李世乭的表情來看，我想他也這么覺得。這是很出人意料的一招。

因?yàn)檫M(jìn)攻太猛？

應(yīng)該說一方面攻得太猛，一方面又太魯莽了！并且它對(duì)李世乭將計(jì)就計(jì)。李世乭以富有創(chuàng)造力的進(jìn)攻著稱，他在比賽中也是這么做的，我們猜到他會(huì)這樣。比賽開局，一切還沒落定，他就全盤各處進(jìn)攻。傳統(tǒng)的圍棋程序非常不善于應(yīng)對(duì)這樣的比賽，它們在局部計(jì)算上并不差，但需要大局觀的時(shí)候就顯出劣勢了。

“?為什么說谷歌圍棋的勝利如此重要？

舉辦比賽的初衷之一就是為了考察AlphaGo的實(shí)力。你從昨晚的比賽看出了什么？

事情比我們希望的還要好。我們之前認(rèn)為比賽的勝率是50:50。我現(xiàn)在還是這么認(rèn)為；一切皆有可能，李世乭也會(huì)以不同的戰(zhàn)術(shù)應(yīng)戰(zhàn)。因此能一探究竟是很有趣的。

繼續(xù)你的第一個(gè)問題，人工智能的意義，你也聽我說起了AlphaGo和“深藍(lán)”的不同?！吧钏{(lán)”是定制的程序，程序員從國際象棋大師那里將信息提煉為具體規(guī)則和啟發(fā)式算法，而我們則賦予了AlphaGo學(xué)習(xí)的能力，讓它自己從練習(xí)和培訓(xùn)中學(xué)習(xí)，這點(diǎn)更與人類更接近。

如果AlphaGo照這樣贏下去，接下來是什么？未來會(huì)有其他的人工智能比賽嗎？

對(duì)于完美信息博弈，圍棋已經(jīng)是頂點(diǎn)了。當(dāng)然，還有其他的圍棋大師可以與之對(duì)決。也還有其他的競技項(xiàng)目——無限注撲克很難，多玩家的形式很有挑戰(zhàn)性因?yàn)檫@是一種不完美信息博弈。當(dāng)然，還有各種人類比計(jì)算機(jī)玩得好的電競游戲，比如在韓國大受歡迎的《星際爭霸》。策略游戲?qū)Ψ峭昝佬畔⑹澜缰械牟呗阅芰τ泻芨叩囊螅侵^“部分觀察”。但圍棋中你可以看到整個(gè)棋盤，對(duì)計(jì)算機(jī)來說難度會(huì)小些。

你對(duì)稱霸《星際爭霸》有興趣嗎？

也許吧。我們的目標(biāo)不是要橫掃競技項(xiàng)目。我愛游戲，也曾經(jīng)編寫過電腦游戲。但前提是游戲能作為測試我們編寫的算法的平臺(tái)，這樣來測試算法效率較高而已。最終我們是想要將它應(yīng)用于解決現(xiàn)實(shí)世界中的重大問題。

能談一下你現(xiàn)在從事的和之前從事的游戲業(yè)的區(qū)別嗎？

像DeepMind這樣的東西是我一直以來的終極理想。從某種意義上說，我已經(jīng)為之計(jì)劃了20多年。我之前所做的都是為了從事有朝一日投身到人工智能的領(lǐng)域。如果你熟悉我在Bullfrog等公司所做的事情，你就會(huì)知道，我所圍繞和涉及的工作重心全是AI。

從16、7歲制作《主題公園》起，我就意識(shí)到了人工智能的巨大潛力。我們的游戲有數(shù)百萬的銷量，無數(shù)人沉浸其中，都是因?yàn)锳I的功勞。在此基礎(chǔ)上，我曾嘗試在游戲制作生涯中更進(jìn)一步，然后就轉(zhuǎn)向了神經(jīng)科學(xué)的學(xué)習(xí)，因?yàn)樵?005年左右我覺得已經(jīng)很難再打著制作游戲的旗號(hào)進(jìn)行AI研究了。畢竟發(fā)行商想要的只是游戲，對(duì)吧？

所以截止到那時(shí)，AI最大的用武之地就是游戲咯？

我認(rèn)為是這樣的，而且當(dāng)時(shí)我們做的還是前沿得不得了的AI。90年代，學(xué)術(shù)研究進(jìn)度放緩，所有諸如神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)這些新科技都還沒得到普及。所以事實(shí)上最好的AI都是在游戲中出現(xiàn)的。那還不是我們今天搞的這種學(xué)習(xí)型AI，而是有限狀態(tài)的機(jī)器，但是它們已經(jīng)相當(dāng)復(fù)雜并且可以自適應(yīng)了。像《黑與白》這樣的游戲就用到了強(qiáng)化學(xué)習(xí)——我至今仍然認(rèn)為這是強(qiáng)化學(xué)習(xí)在游戲中最復(fù)雜的典范。但是到了04、05年，游戲產(chǎn)業(yè)已經(jīng)發(fā)生了變化，不再像90年代那樣既有趣又有創(chuàng)意，可以容你隨意實(shí)現(xiàn)自己的想法了，而是充斥著與游戲畫面、銷售和FIFA游戲這些相關(guān)的東西，變得不再那么有趣。我在游戲領(lǐng)域中已經(jīng)發(fā)揮到極致，是時(shí)候搜集不同的信息來準(zhǔn)備創(chuàng)立DeepMind了。這就關(guān)系到了神經(jīng)科學(xué)。我想從人腦解決問題的過程中得到啟發(fā)，那么還有什么比讀個(gè)神經(jīng)科學(xué)PhD更好的方法呢？

IBM已經(jīng)將“沃森”應(yīng)用于癌癥診斷中。DeepMind又能給我們帶來什么呢？

現(xiàn)在談這個(gè)還有點(diǎn)早。幾周前我們宣布了和NHS的合作，而那只是為機(jī)器學(xué)習(xí)提供平臺(tái)的開始。以我的理解，“沃森”跟我們所做的還是很不一樣的。“沃森”更像個(gè)專家系統(tǒng)，是一種不同類型的AI。這類AI做的是對(duì)圖像進(jìn)行醫(yī)學(xué)分析，縱向跟蹤重要信號(hào)或隨著時(shí)間自我積累，來幫助人們建立更健康的生活方式。這對(duì)強(qiáng)化學(xué)習(xí)來說是很適合的。

談?wù)勚悄苁謾C(jī)助手吧。你在開賽日的講話中用到了電影《她》中的畫面。所以未來就是那樣的嗎？

不，我的意思是《她》代表了對(duì)這類事物的主流觀點(diǎn)。我認(rèn)為人們想要的是智能、連貫且深刻理解你真正想表達(dá)的意思的智能手機(jī)助手。

現(xiàn)階段這類系統(tǒng)還不堪一擊——一旦涉及到程序沒有的模板，它們就全無用處。因此關(guān)鍵是要讓它們變得真正具有自適應(yīng)力，更靈活穩(wěn)健。

優(yōu)化這些系統(tǒng)需要什么樣的突破？為什么不能明天就開始著手進(jìn)行？

能是能，我只是覺得要換個(gè)角度。這還是預(yù)編程序與學(xué)習(xí)程序的區(qū)別。目前基本所有智能手機(jī)助手都是特定預(yù)編的，這就意味著它們只能做預(yù)設(shè)好的事。然而現(xiàn)實(shí)世界混亂而復(fù)雜，手機(jī)用戶會(huì)做出各種不可預(yù)判的行為。DeepMind的根本理念是，AI的唯一途徑就是從根本上進(jìn)行學(xué)習(xí)并且有通用性。

AlphaGo是從學(xué)習(xí)大量棋譜起步的。然而對(duì)于智能手機(jī)來說輸入數(shù)據(jù)要多樣得多。

是的，學(xué)習(xí)正是通過海量的資料來完成的。事實(shí)上，我們打算在接下來的數(shù)月里嘗試AlphaGo算法——我們想去掉一開始的督導(dǎo)學(xué)習(xí)部分，完全讓他自學(xué)，徹底從零開始。這樣需要花費(fèi)的時(shí)間要更長，因?yàn)殡S機(jī)下棋需要花更多的時(shí)間來訓(xùn)練試錯(cuò)，或許得好幾個(gè)月。但是我們認(rèn)為讓它純自學(xué)成才是可能的。

你說的可能是因?yàn)楝F(xiàn)在的算法比過去先進(jìn)？

不，之前的算法也可以。這樣并不會(huì)讓程序變強(qiáng)，只是讓它自學(xué)，沒有監(jiān)督輔導(dǎo)的部分。我們認(rèn)為這個(gè)算法不需要督導(dǎo)也可以。我們?nèi)ツ暧醚胚_(dá)利游戲測試時(shí)就沒有任何人類知識(shí)的引導(dǎo)，只是從在屏幕上隨機(jī)行動(dòng)開始的。

雅達(dá)利游戲比較容易吧，因?yàn)槭「@而易見？

比較容易是因?yàn)楸确指幸?guī)律。在圍棋中，無論結(jié)束時(shí)你是贏是輸都只得1分。這就是信用賦值問題，關(guān)鍵之處在于圍棋中你下了一百手棋，但是不確定哪幾步導(dǎo)致了輸贏，所以信號(hào)是很弱的。而在絕大部分雅達(dá)利游戲中，你做的絕大多數(shù)事都會(huì)讓你得分，所以你得到的線索會(huì)更多。

對(duì)于人工智能改變手機(jī)，你能不能給出個(gè)時(shí)間范圍？

我想，在接下來的2-3年內(nèi)你就會(huì)看到苗頭了。開始可能變化不大，只是有些方面進(jìn)步了。或許在4-5年后功能上會(huì)有一大步飛躍。

谷歌有沒有左右你們配合他們的產(chǎn)品方針或商業(yè)模型來行事？

沒，我們可以自由掌控對(duì)研究進(jìn)度的優(yōu)化。我們的使命就是如此，我們就是為此才加入谷歌的，因?yàn)檫@樣可以提升我們的研究進(jìn)度。過去兩年就是這么過來的。

當(dāng)然，我們也在做許多谷歌內(nèi)部產(chǎn)品，但那些還只初具雛形，不便公開。當(dāng)然，智能手機(jī)助手是重中之重，桑達(dá)爾·皮查伊也多次談到它是谷歌未來發(fā)展的核心。

“?谷歌的支持對(duì)AlphaGo來說“非常重要”?你們和谷歌大腦有互動(dòng)和交叉嗎？

當(dāng)然，我們其實(shí)非常有互補(bǔ)性。我們每周都要交流。谷歌大腦主要注重于深度學(xué)習(xí)，有杰夫·迪恩這樣了不起的工程師，所以他們已經(jīng)深入到了公司的每個(gè)角落，才有了像谷歌照片搜索這么棒的東西。他們做得出色極了。他們也位于Mountain View總部，所以離產(chǎn)品部更近，研究周期只有12-18個(gè)月。而我們做的是算法開發(fā)，周期要2-3年，一開始也并沒有明確的產(chǎn)品指向。

谷歌對(duì)AlphaGo的支持有多重要？沒有谷歌你們能成功嗎？

非常重要。AlphaGo在比賽中并不需要用到很多硬件，但是訓(xùn)練中我們需要很多硬件支持，嘗試不同版本，讓它們在云端展開對(duì)戰(zhàn)。要想高效實(shí)現(xiàn)這些就需要大量的硬件，如果沒有這些資源我們是無法在這么短時(shí)間里完成的。

我在日本工作，現(xiàn)在機(jī)器人在日本有兩種用途。一種是發(fā)那科這樣的公司的工業(yè)機(jī)器人，還有一種是軟銀的Pepper這樣的管家式機(jī)器人等等。從某些角度說都很厲害，但使用范圍有限。你怎么看？

是的，正如你所說，發(fā)那科機(jī)器人的物理功能很強(qiáng)，但他們?nèi)狈χ橇?。管家機(jī)器人則有些類似智能手機(jī)助手——也是以模板響應(yīng)來預(yù)編的。

如果你的行為超出這個(gè)范圍，他們就傻眼了。

那么機(jī)器學(xué)習(xí)會(huì)如何提升機(jī)器人的能力呢？

這是完全不同的另一方面了。你要從頭創(chuàng)造學(xué)習(xí)新事物的能力，還要具備應(yīng)對(duì)意外的能力。對(duì)于任何機(jī)器人和軟件來說，在現(xiàn)實(shí)世界中與現(xiàn)實(shí)用戶互動(dòng)，這些能力都是必須的，這樣才能讓它們派上用場。我相信學(xué)習(xí)的道路終歸是對(duì)的。

眼下，學(xué)習(xí)型機(jī)器人最實(shí)際的用途是什么？

說實(shí)話我們沒怎么考慮過這點(diǎn)。顯然，無人駕駛車可算是機(jī)器人，但目前為止還是狹義人工智能——盡管在計(jì)算機(jī)視覺方面用到了學(xué)習(xí)型AI。特斯拉用的是幾乎現(xiàn)成的基于深度學(xué)習(xí)的計(jì)算機(jī)視覺技術(shù)。我確信日本在考慮研發(fā)老年護(hù)理機(jī)器人，我覺得家務(wù)機(jī)器人對(duì)社會(huì)也是極有用的，尤其是考慮到人口老齡化這個(gè)嚴(yán)峻問題。

學(xué)習(xí)型機(jī)器人為什么會(huì)在這些領(lǐng)域尤為出眾呢？

你應(yīng)該先想想“為什么我們還沒有這些東西呢？”為什么沒有能包攬家務(wù)的機(jī)器人？原因就在于每人的家在布局和家具等方面都完全不同。即使在室內(nèi)，情況每一天也不盡相同——有時(shí)會(huì)變得凌亂，有時(shí)會(huì)變得整潔。所以你沒法給機(jī)器人預(yù)編程序來打掃房間，對(duì)吧？更不用說人們在如何疊衣服上都有不同的偏好。這正是問題的復(fù)雜之處。這些對(duì)人類來說很簡單，但事實(shí)上在做這些事的時(shí)候，我們是在處理異常復(fù)雜的情況。

我問一句：你用掃地機(jī)器人嗎？

呃……我們的確有一臺(tái)，但不太好用……（笑）

從長遠(yuǎn)看，你對(duì)人類、機(jī)器人及人工智能在未來的互動(dòng)有何期待？

我個(gè)人并沒太多考慮過機(jī)器人。真正令我對(duì)運(yùn)用這種AI感到激動(dòng)的領(lǐng)域是科學(xué)。我期待能由AI研究助手來完成一些枯燥的工作，挖掘有趣的文章，在數(shù)量龐大的數(shù)據(jù)中摸索出結(jié)構(gòu)并呈現(xiàn)給人類專家和科學(xué)家，使他們能夠更快地取得突破。幾個(gè)月前我在CERN進(jìn)行了一次演講。

顯然，他們產(chǎn)生的數(shù)據(jù)比地球上任何其他人都多，也許在他們龐大硬盤的某處就藏著新粒子，只是因?yàn)閿?shù)據(jù)太多而沒人來分析發(fā)現(xiàn)。所以，要是有一天AI能參與發(fā)現(xiàn)新粒子，就太酷了。

真是精彩的結(jié)語。

?來源：The Verge作者：Sam Byford編譯：未來論壇 商白

文章轉(zhuǎn)載請注明出處為 “未來論壇”微信賬號(hào)（ID：futureforum）

未來論壇官網(wǎng)：www.futureforum.org.cn