AlphaGo(阿法狗)对传奇围棋棋手李世石的胜利是人工智能研究的一个重大里程碑事件。一直以来，这项复杂的中国棋类游戏都认为无法被机器征服，但 DeepMind使用机器学习和神经网络，赋予了AlphaGo世界一流级别的评估和实行技巧的能力。但我们让这个世界上最聪明的一群人来研究人工智能， 并不是只是为了征服围棋。DeepMind(深智公司)的研究成果对人工智能领域有着深远的影响，它所使用的深度学习技术有潜力颠覆一切：从你用手机的方 式到你驾驶汽车的方式。
首先，围棋的征服之路可能还未结束。柯洁，这位来自中国的18岁天才世界围棋冠军，对自己的胜率似乎持谨慎乐观的态度。在李世石第一局败于AlphaGo之后，他称“我有60%的几率赢AlphaGo。”许多围棋棋手都说他们希望能更多地了解AlphaGo；毕竟，它只公开进行过几场比赛，便展现出了不同寻常的、极具破坏力的策略。AlphaGo最终很有向大众展示，而当以后看到它和柯洁对弈时，我们也不必惊讶；李世石被选作AlphaGo的对手，是因为他在漫长的职业生涯中所建立起来的地位，但柯洁却被认为是一个更为强大的棋手。DeepMind的创始人戴米斯?哈萨比斯也宣称其公司计划测试一个没有经过任何人类训练经历的版本，换而言之，这个程序需要自学围棋。
但无论如何，有关一台电脑是否可以成为世界一流围棋棋手的争论现已尘埃落定。就全透明的游戏(各方都能看见所有数据)而言，一切成就都已达成。对于非全透明的游戏(比如多人无限制扑克)，人工智能依然有些问题，但接下来的攻克前沿很有可能是电子游戏；过去数周，我已经数次听人提起暴雪娱乐经典的实时战略游戏《星际争霸》。鉴于《星际争霸》持久的受欢迎度和其在韩国万人空巷的地位，想象未来一个高调的电脑-电子游戏比赛并非难事。
上周，当我问起哈萨比斯时，他似乎对于《星际争霸》有了想法，但他同时也说DeepMind只对那些处在主流的游戏有兴趣。“这些游戏可以当作测试平台，用来编写我们的新算法，或是用来测试我们做得有多好；这么做很有效率，但我们最终还是要将这个程序应用于真实世界中的大问题中去。”
这个问题存在在人类还需要更快的学习技能和更有效的数据处理来帮助他们进行决策。在谷歌，机器学习和深度神经网络早已大规模使用，譬如用在搜索和无人驾驶汽车项目中。在以上任何区域，AlphaGo的经验可都以收获不断累积增加的改进；你可能在还没意识到那些改进之时就能感受到它带来的便利。
计算机科学家杰夫狄恩被很多谷歌人认为是这家公司最聪明的人。他主管谷歌大脑的深度学习研究项目，并且已经将很多概念应用到这家公司的产品中。目前谷歌排名第三的搜索信号器RankBrain是一个新的深度学习神经网络，该将过去两年在搜索词条排名上最大的改进归功于它。机器学习同时也被用在一些更明显、更直面用户的地方，比如谷歌照片的搜索功能和自动撰写电子邮件回复。
谷歌是家靠收集数据、出售广告位置来赚取大部分利润的公司，理所当然地对那些可以提升数据收集效率的新技术感兴趣。当我问及狄恩机器学习是会帮助谷歌增强其核心业务还是会帮其扩展新的业务渠道时，他回复到：“我不认为这是非黑即白的，”他说，“我们会用这些技术来改进我们的核心产品，在很多情况下我们会对数据收集有着更深的理解，而这会极大地帮助我们设计新特点。但它也会帮助我们设计一些新颖有趣的产品，即便是在那些我们之前从未深度了解的区域。因此这种改进是双方面的；我并不知道哪个会更重要，但我觉得他们应该会齐头并进。”
当我向Alphabet主席、谷歌前CEO埃里克?施密特问及机器学习会以何种方式提升该公司时，他回答道：“想想谷歌干过的那些大事。我们有大量搜索，大量广告，大量顾客和大量数据中心；那么多次，我看见我们有许多人用着谷歌电脑或是我们的安全软件。只要有许多人在用同一件产品，我们也许就可以用机器学习，用观察和反复训练让这一过程更有效率。”
“我认为我们将来在任何地方都会用上机器学习，”施密特继续道，列出了这家公司传统的搜索和广告服务、无人驾驶汽车以及一个名为“Verily”的医疗健保部门，“在我看来，Alphabet公司的每一个部门都会用上这个技术。”
作为一家公司，DeepMind虽然和谷歌大脑保持联系，却和谷歌的其他部门接触甚少。“在优化搜索进程的项目中，我们对自己工作内容有相当大的自由度，”哈萨比斯告诉我，“当然，我们实际上也参与到谷歌内部的很多研发项目中去，但他们都在研发的早期阶段，所以现在就讨论他们有点为时过早。”哈萨比斯称谷歌大脑的项目研发周期比DeepMind更短，加自身站得高看得远，所以可以关注更多的产品。
所以DeepMind接下来的一步是什么呢？值得注意的是，AlphaGo并不是这个团队唯一的项目，甚至不是最大的那一个。DeepMind已经将智能手机助手、健保和机器人研发作为其最终目标。至于AlphaGo，虽然他只是一个下围棋的系统，哈萨比斯称它的原则也可以用于处理真实世界的问题。
哈萨比斯认为我们在接下来几年就会见到由先进机器学习辅助的智能手机助手。“我的意思是刚开始会很微妙，但某些方面会越来越好。也许在四到五年或是五年多，你就会看到(手机助手)功能的重大飞跃。”
哈萨比斯说道“我只是希望智能手机助手可以变得真正聪明起来，能够理解上下文，也能对于我们想要做的事有着更深的理解。”。他一直相信类似的系统需要依赖于AlphaGo之类的学习程式中，而不是遵从那些提前写好的对话路径。“目前大部分的系统都非常脆弱；只要你拆除那些提前编好程序的模板，那些系统就变得毫无用处。因此我们需要让它们变得富有适应性和灵活性，也更加强壮。”
医疗保健就有点远了。DeepMind已经宣布和英国国家医疗服务体系结成合作伙伴，但到现在为止所有细节都只是一个数据追踪的手机应用。哈萨比斯称，在发布更加高级的工具之前，他们的首要目标是要让英国国家医疗服务体系习惯上现代的移动手机软件。
我们现在培训沃森
IBM已经开发了名为“沃森”的“认知学习”平台，向医疗保健领域进军；但他们的技术和DeepMind略有不同。这套系统开始于一台参与《危险边缘》游戏的超级电脑，但后来又向云系统和预测性分析和性格分析之类的工具迈进。迄今为止，这套系统已经开始和斯隆凯特林纪念所展开合作，用来辅助泰国和印度两家医院的医生诊断乳腺癌、肺癌和直肠癌；尽管系统自身并不能诊断出疾病，它能够向医生指出那些值得特别注意的身体部位并提出一些可能的疗法。
“我们现在正在训练沃森去看，”屈臣氏健康副总裁凯西麦格罗蒂说道，“沃森已经学习了多年的图像分析，而我们现在也有来自Merge医疗保健的图像数据来加速我们的研发能力。因此沃森将不仅可以识别出医疗图像中的异常，也能够在类似于Fitbit手环提供资料的帮助下推断出那些异常的意义。”
其最终，也许可能是最远的主要应用就是我们目前所讨论的人工智能让机器人学习。通过收购波士顿动力公司以及它自己的无人驾驶汽车计划，谷歌在这一领域相当活跃。“我觉得机器人学真的是一个最无限的可能，”谷歌的杰夫?迪安说道，“我们买下了一大堆机器人公司，但深度学习以及将其应用到机器人学中的能力，尤其是通过视力实现运动的能力，在接下来几年会变得相当有趣和重要。”
哈萨比斯说他对机器人学还没有产生过太多思考。“很明显，无人汽车是一种机器人，但它们大部分都只涉及到了浅层的人工智能，尽管使用人工智能学习的电脑版。特斯拉目前使用的是标准的电脑版就是基于深度学习的技术。”哈萨比斯引用家庭清洁和老年人护理作为学习性人工智能机器人可能的发展方向，但很明显这个概念还有点超前。
就目前而言，AlphaGo的成功已经吸引了全世界的注意力；尽管人工智能目前的具体应用项目仍不多，它也重新点燃了主流社会对人工智能的兴趣。认为电脑已经可以在那些先前认为需要“无法量化的直觉”才能完成的任务中超越人类的想法变得很有吸引力。
这个想法，对某些人来说也很困扰。在前一阵对AlphaGo的报道中，我感到稍稍失望的就是对电脑主宰另一个领域的恐惧等一系列反应，但我认为这些反应都没能看到过去一周所表露出来的真正的意义。实际上，是活生生的人类建造了AlphaGo，解决了他们所献身的领域的最古老也是最大的挑战之一。DeepMind的成就有着深远的意义，对我们未来的生活方式也有可能有着极大的正面影响。
正如埃里克?施密特在这场比赛的开幕式中所说的那样：“这场比赛的结果无论如何，赢家都是人类。”(蝌蚪君编译自theverge，译者 薛定谔的猫)
支付宝扫一扫
微信扫一扫
赏