DeepMind创始人接受专访：人工智能将塑造未来

admin

[摘要]哈萨比斯称，DeepMind最终将被用于解决现实世界大问题，学习型人工智能将提升游戏行业整体水平。

腾讯科技讯 3月14日，据国外媒体报道，谷歌(微博)旗下人工智能公司DeepMind的AlphaGo程序击败韩国围棋冠军李世石（Lee Se-dol），成为近年来人工智能领域少有的里程碑事件。但是AlphaGo至今还只是个程序，甚至不是谷歌的主要项目。但DeepMind创始人杰米斯·哈萨比斯(Demis Hassabis)不久前曾说过，DeepMind想要解决“智慧问题”，而他对如何实现这个目标有很多想法。

哈萨比斯本人拥有不同寻常的经历，但对实现“解决智慧问题”的目标似乎非常有用。这位国际象棋神童曾五次获得脑力奥林匹克运动会（Mind Sports Olympiad）全能脑力王(Pentamind)称号，年轻时即在英国电脑游戏开发商Bullfrog和Lionhead中声名鹊起，曾帮助研发人工智能游戏《主题公园》、《黑或白》等，此后组建了自己的工作室Elixir。在2000年中期，哈萨比斯离开游戏行业，并获得神经系统科学博士学位，2010年创建了DeepMind。

AlphaGo首次战胜李世石后，哈萨比斯接受了美国科技媒体网站The Verge记者萨姆·拜福德（Sam Byford）专访，除了探讨AlphaGo，他还畅谈了视频游戏、下一代智能手机助手、DeepMind在谷歌承担的角色、机器人以及人工智能如何帮助科学研究等话题。文章摘要如下：

1.AlphaGo成为人工智能研究领域的“圣杯”

拜福德：对于那些不怎么了解人工智能或AlphaGo的人，你如何描述昨天发生的“文化共鸣”现象？

哈萨比斯：AlphaGo已经达到完美信息游戏的巅峰，围棋远比国际象棋复杂得多，所以它始终是人工智能研究面临的“圣杯”或“巨大挑战”，特别是自“深蓝”以来。众所周知，尽管我们进行了很多努力，但距离目标依然很遥远。10年前，蒙特卡洛树搜索研究是一大创新，但我认为AlphaGo引入了直觉方面的神经网络，这才是区分最顶级棋手的关键。

拜福德：当你看到AlphaGo下棋时，你会为其特定动作感到惊讶吗？

哈萨比斯：我会，我们都感到非常震惊。我认为李世石也是如此，这从他的面部表情就可看出来。比如当AlphaGo将棋子下入左侧，深入李世石的领地后，我想那是个出人意料的举动。

拜福德：因为这代表侵略性？

哈萨比斯：的确，代表着侵略性和无畏。此外，AlphaGo也在以李世石擅长的策略发动反击。李世石向来以创造性攻击战闻名，而我们也正期望如此。游戏开始时，李世石开始在整个棋盘上布局，对于传统电脑为其程序来说，它们在这方面始终存在短板。它们善于局部计算，但是当放眼全局时，它们的表现就会很糟糕。

拜福德：最初举行次类比赛的重要原因是评估AlphaGo的能力，你从它与李世石的首场对战中有什么感悟吗？

哈萨比斯：我猜我们应该继续沿着当前方向研究，这并未出乎我们的预料。我们曾告诉人们，我们认为比赛胜负难料。我认为任何事都可能发生，我知道李世石可能会采取不同的战略。因此我认为接下来的比赛更值得期待。

刚刚谈及了AlphaGo对于人工智能研究的重要意义，现在我回答你的第一个问题：AlphaGo与深蓝的差异。深蓝是“手工研发”的程序，程序员筛选国际象棋大师的信息，将其转化为具体规则和启发，而我们为AlphaGo植入了学习能力，它可以通过练习和学习积累更多经验，这与人类更为相似。

2.最终将被用于解决现实世界大问题

拜福德：如果AlphaGo继续以同样方式获胜，接下来要做什么，将来是否继续人工智能PK人类的游戏？

哈萨比斯：我认为对于完美信息游戏来说，围棋就是巅峰。当然，可能还有其他顶级围棋大师与之对战，有些游戏也非常困难，多名玩家参战也将产生更大挑战，因为那将不再是完美信息游戏。此外还有各种各样的视频游戏，人类的表现也远超过计算机，比如韩国游戏《星际争霸》。在非完美信息世界中，战略游戏要求更高水平的策略能力，这被称为“永远不可能感知到整个世界”。在围棋游戏中，你可以在棋盘上一目了然地看到全局，对于计算机来说相对容易。

拜福德：你对亲手打赢《星际争霸》游戏感兴趣吗？

哈萨比斯：或许。在一定程度上，我们只对那些有助于我们研究计划的东西感兴趣。DeepMind的目标不仅仅是获得游戏胜利，还要从中获得乐趣和启发。但从个人角度来说，我喜欢玩游戏，我也曾开发过电脑游戏。可是从某种程度上说，它们又都是试验台，即尝试编写算法并对其进行测试的平台。最终，我们希望能将技术应用于解决现实世界的难题。

拜福德：我在20世纪90年代末的英国长大，曾在电脑杂志上看到过你的名字，将其与许多雄心勃勃的游戏联系起来。当我首次听说DeepMind和看到你的名字时，我就想“它们很相配”。你能描述下你此前在游戏行业的经历对你现在从事的工作的影响吗？

哈萨比斯：创建类似DeepMind这样的公司一直是我的终极目标，我已经为此准备了20多年。如果你了解我曾做过的全部事情，最后会发现它们都是人工智能研究的开始，这也是我选择现在这条路的初衷。如果你熟悉我在Bullfrog的工作，你会发现人工智能是我所编写所有代码的核心。我16岁开始开发《主题公园》，对我来说，那是开创性的时刻，让我意识到人工智能的强大，以及我们应该如何继续扩展它。我们出售了数百万份游戏拷贝，许多人都喜欢玩这款游戏，因为人工智能适应了你的游戏方式。我们继续前进，试图在我的游戏生涯中取得更大进展，此后我重返大学进修，因为我在2000时觉得通过开发游戏过程中留下的后门，会让人工智能研究越走越远。但这很难，毕竟开发商只希望开发流行游戏。

拜福德：游戏是人工智能最明显的应用吗？

哈萨比斯：我认为是如此，我们正研发非常先进的人工智能。在我20世纪90年代读大学时，这些新技术还没有真正流行起来，比如神经网络、深度学习、强化学习等。因此，实际上最好的人工智能都被应用在游戏中。但它们不是我们正在研发的学习型人工智能，而是属于有限态机器（finite-state machines），但它们依然十分复杂。《黑或白》等游戏使用了强化学习技术，我认为它依然是这款游戏中最复杂的技术。但是在2004年到2005年，游戏行业显然与20世纪90年代不同，变得更有趣、更有创意，你只需想出创意，就可开发任何游戏。但这个行业也变得不再有趣，为此我开始收集不同信息，准备创建DeepMind。我希望从大脑如何解决问题方面获得灵感，为此选择了攻读神经科学博士学位。

3.学习型人工智能将提升游戏行业整体水平

拜福德：这或许是短期可实现的目标，你将发挥人工智能优势，并将它们应用到当今游戏中？

哈萨比斯：坦白地说，很多领域都可使用人工智能技术，我也很喜欢那样做。但是限于带宽的束缚，我们的重点将集中于医疗和推荐系统等。但我认为，这将是个巨大的市场，如果拥有智能适应性人工智能对手，我认为游戏开发者将会喜欢它，他们在开发每款游戏时无需再开发新的人工智能，或许他们只需在自己的游戏中训练人工智能即可。

拜福德：我可以想到，当你在家中打视频游戏时，可能因为没有非玩家角色而到异常沮丧。

哈萨比斯：的确如此，在大型多玩家游戏中，这总是令我感到很沮丧，因为非玩家角色通常都非常沉默。他们没有任何记忆，没有任何改变，没有任何背景。但我认为，如果有了学习型人工智能，视频游戏的整体水平将获得极大提高。

拜福德：将来你开发的人工智能将主要应用于医疗、智能手机助手以及机器人方面。在医疗方面，IBM的人工智能Watson已经在诊断癌症方面取得很大进展，DeepMind的目标是什么？

哈萨比斯：DeepMind的开发还处于早期阶段。我们已经与NHS结为合作伙伴，但才刚刚开始开发可用于医疗领域的机器学习平台。我认为Watson的目标与我们完全不同，与我对人工智能的理解也有差异。它就像一个专家系统，属于完全不同的人工智能。我认为你将看到我们的人工智能对图片进行医学诊断，然后纵向追踪生命体征或量化自我，帮助人们过上更健康的生活方式。我认为那非常适合使用强化学习。

拜福德：与NHS合作后，你们推出的应用似乎并未太多使用人工智能或机器学习技术，这是为什么？为何NHS使用这款软件，而其他组织未采用？

哈萨比斯：就我个人理解，NHS的软件相当糟糕，因此我认为首先应帮助其实现现代化。他们的系统不支持移动技术，许多技术都非常落后，这令人十分沮丧。我认为，对于医生、护士来说，这会导致他们效率低下。因此，首先需要帮助他们获得更有用的工具，比如可视化和基本统计等工具。我们将开始研发这些软件，此后更复杂的机器学习技术将被融入其中。

拜福德：推销这种技术容易吗？显然，在英国投资医疗是个有争议的话题。

哈萨比斯：我们都是免费提供技术，这应该令其更容易推销。这与大多数软件公司可能截然不同。几乎开发这种软件的都是跨国大公司，它们并非真正在乎用户，而我们以初创企业的方式去设计它，真正倾听来自用户的反馈，并且不断重新设计它。

4.智能手机助手应该变得更智能化

拜福德：我们再谈谈智能手机助手。我看到你曾在演示中播放科幻爱情片《她》的幻灯片，那是你的终极目标吗？

哈萨比斯：我认为，《她》只是很容易流行和接受的主流观点，我们都认为智能手机助手实际上应该更加智能化，能够识别语境，可以深入了解你正尝试要做的事情。但与此同时，大多数此类系统都是预编程的。这意味着，一旦你去掉了预编程，它们就变得全无用处。因此，我们将开发适应性更强、更灵活、更强大的智能手机助手。

拜福德：在这些改进中需要哪些技术突破？为何我们不能在近期内实现？

哈萨比斯：我只是认为你需要不同的方法。再次强调下，这是预编程与机器学习的重要区别。目前几乎所有智能手机助手都是预编程的，那意味着它们相当脆弱，只能做些程序员设定的事情。而现实世界却非常混乱和复杂，用户会做各种各样提前不可预知的事情。在DeepMind，我们认为这是基础性原则，开发人工智能的唯一方式就是通过学习和练习积累经验。

拜福德：AlphaGo也是从被教导许多游戏模式开始的，如何才能用于输入方式各不相同的智能手机？

哈萨比斯：有无数相关数据，你可以从中学习。实际上，AlphaGo算法就是未来数月我们研发的重点，我们认为它可以摆脱最初的监督式学习，完全进入自我发挥的学习模式。这可能花费更长时间，因为当你随机去玩游戏时需要更长时间训练，期间还需要测试，有时候会出现错误。但我们认为，这才是纯粹的学习方式。

拜福德：这是因为当前算法已经支持这种可能吗？

哈萨比斯：不，我们以前曾做到过。它不会让程序更强大，只是纯粹的学习，无需进行监督。我们认为这种算法可在没有监督的情况下运行。我们去年开发的雅达利（Atari）游戏不会启动任何人类知识，仅仅在屏幕上随机学习。

拜福德：这是否更容易，因为失败状态变得更明显？

哈萨比斯：这的确更容易，因为分数变得更常见。在围棋中，你真正需要的就是得分，不论你在最后输赢。这就是所谓的“信贷分配问题”：当你在围棋中走了100步后，你却不知道哪一步是确保你获胜或导致你输棋的关键，因此信号相当弱。然而在雅达利游戏中，你正在做的大多数事情都会以分数的形式展示出来，因此更有迹可循。

拜福德：你能做出预测，人们使用的智能手机何时会出现明显进步吗？

哈萨比斯：我认为在未来2到3年中，你会看到智能手机发生巨大变化。我的意思是，手机将出现非常微妙的变化，某些方面变得更好。或许在4到5年后，你会开始看到智能手机性能发生更大改变。

5.谷歌支持对AlphaGo非常重要

拜福德：你已经确定了所有的未来可能性，这些是与谷歌存在的最明显联系。你认为这种技术适用于谷歌产品或业务模式吗？

哈萨比斯：不，在优化研究进展方面，我们有相当大的自主权。这是我们的使命，也是我们加入谷歌的初衷。但这可能需要数年时间。当然，我们实际上也参与到许多谷歌内部产品开发中，但都处于早期阶段，因此还不方便现在加以讨论。智能手机助手是非常核心的部分，我认为桑达尔·皮查伊（Sundar Pichai）已经多次提及，这对谷歌的未来非常重要。

拜福德：谷歌还有其他项目，比如Google Brain。谷歌也在推出机器学习功能，比如Google Photos以及大批面向用户的东西。你发现自己与Google Brain互动了吗？是否存在重叠部分？

哈萨比斯：当然，实际上我们是互补的，每周都会进行交流。Google Brain主要集中在深度学习方面，拥有杰夫·迪恩（Jeff Dean）等优秀工程师，为此他们已经扩散至公司的每个角落，这也是我们为何对Google Photos搜索取得如此大的进展感到惊讶的原因。此外，他们驻扎在山景城，距离产品团队更近，研究周期仅为12到18个月。而我们的算法开发周期更长，为此最初可能与产品没有太多交集。

拜福德：谷歌对AlphaGo的支持有多重要，没有这种支持你们能取得成功吗？

哈萨比斯：谷歌的支持非常重要，AlphaGo实际上还没有应用到硬件上，我们需要许多硬件训练它。我们还需要研发不同版本，让它们在云端互相对战。这可能需要大量硬件支持才能有效，因此如果没有谷歌提供的资源，我们无法短期内取得进展。

6.机器人将来或许会帮助找到新粒子

拜福德：谈到机器人，我曾去过日本，这个国家将自己视为机器人的“精神家园”。我看到机器人在日本主要有两种使用方式：Fanuc等公司制造的工业机器人，可以为固定目标做很多令人惊讶的事情。而软银开发的礼宾式机器人Pepper，在某些方面更具雄心，但使用有限。你对这种情况如何看待？

哈萨比斯：我认为，正如你所说，Fanuc的机器人拥有很强的物理能力，但它们缺少智慧。礼宾式机器人有点儿像智能手机助手，但也仅是根据预编程对固定问题做出解答。如果你不按常理出牌，它们就会陷入混乱。

拜福德：所以我想，显而易见的问题是，机器学习等技术将提高机器人能力。

哈萨比斯：这只是完全不同的方法。你正在建立新的能力去学习新东西和处理意外事件，我认为你需要将机器人或软件应用到现实世界中，与真实用户互动，它们需要有这样的能力并正确使用。我认为学习路径最终必须是正确方式。

拜福德：你认为学习型机器人最直接的应用是什么？

哈萨比斯：实际上，我们对此还没有太多考虑。显然，无人驾驶汽车也是一种机器人，但它们只是狭隘的人工智能，尽管它们利用了学习型人工智能的某些功能充当计算机视觉。特斯拉的计算机视觉技术也是基于深度学习开发的。我相信，日本的老年护理机器人、家用清洁机器人也是如此，我认为它们都将非常有用。特别是在人口老龄化时代，它将有助于缓解社会压力。

拜福德：为什么学习型人工智能如此重要？

哈萨比斯：你必须思考下：为何我们现在还没有这些东西？为何我们还没有能够自动清理房屋的机器人？原因是，每个房屋的布局、家居等各不相同。即使在你自己的房子中，其每天的状态也绝不一样，有时候会显得混乱不堪，有时候则十分整洁。因此你没法对机器人进行预编程，以方便其帮你整理房间。此外，还需要考虑到你的个人喜好，比如你喜欢如何叠衣服等。实际上这是个非常复杂的问题，人类做这些事很容易，但机器人处理却非常复杂。

拜福德：你有机器人真空吸尘器吗？

哈萨比斯：我有一个，但它不是非常管用。

拜福德：我也有一个，它的确不是特别有用，但我发现自己好像已经习惯了使用它，因为我很懒惰，其带来的好处显而易见。因此，我想知道我们何时能够获得更先进的机器人？足够好的机器人的临界点在何处？

哈萨比斯：我认为每个人都可能购买定价合理的机器人，它可帮你清洗盘子和整理屋子。这些漂亮的真空吸尘器非常受欢迎，但它们还没有智力。因此，我认为每次改进都将促使更先进的机器人诞生。

拜福德：你对人类、机器人以及人工智能将来的互动持何种愿景？

哈萨比斯：我本人没有太多考虑过机器人的问题。但我对在科学中使用这种人工智能感到兴奋，它可以促使科学以更快步伐前进。我希望看到人工智能辅助科学，你可以有效地使用人工智能助手，帮你完成单调乏味的工作，寻找看起来有趣的文章，在大量数据中发现规律，帮助人类科学家更快取得突破等。我认为，如果将来人工智能可以参与到发现新粒子的研究中，那将非常酷。（风帆）

视频：探访DeepMind公司 揭秘创业故事

人机围棋对战棋谱