圖片：DeepMind共同創(chuàng)始人兼首席執(zhí)行官Demis Hassabis，Hasabi鳳凰科技新聞，北京時間，4月23日。谷歌人工智能研究部門DeepMind的聯(lián)合創(chuàng)始人兼首席執(zhí)行官德米斯?哈薩比斯（Demis Hassabis）最近在英國《金融時報》（Financial Times）上發(fā)表了一篇文章，解釋人工智能如何提供幫助。人類在認識未知世界方面取得了難以想象的飛躍。本文的全文是：現(xiàn)代文明是一項神奇的壯舉，是科學能夠?qū)崿F(xiàn)的壯舉。每次我飛，我都驚訝于能讓我們翱翔在云層之上的技術(shù)。這項技術(shù)使飛行成為日常用餐。我們繪制了基因組圖，開發(fā)了超級計算機和互聯(lián)網(wǎng)，向彗星發(fā)射了探測器，以接近光速的速度粉碎了粒子加速器中的原子，完成了登陸月球的偉大任務(wù)。我們該怎么做呢？當我們開始思考我們的大腦能達到什么時，這真是一件很棒的事情。科學方法可能是人類擁有的最強大的思想，自啟蒙運動以來的進步是驚人的。但我們正處于關(guān)鍵時刻，我們需要掌握的許多系統(tǒng)極其復(fù)雜，“從氣候變化、宏觀經(jīng)濟問題到阿爾茨海默病”。我們是否能夠應(yīng)對這些挑戰(zhàn)以及我們能夠以多快的速度應(yīng)對這些挑戰(zhàn)將影響未來數(shù)十億人民的福祉和我們生活的環(huán)境。問題恰恰是這些挑戰(zhàn)如此復(fù)雜，以至于即使是世界上最頂尖的科學家、臨床醫(yī)生和工程師也難以理解實現(xiàn)這些突破所需的所有復(fù)雜性。據(jù)說達·芬奇可能是他這一代人中最了解知識廣度的最后一個人。從那時起，我們不得不擁有一些專業(yè)知識，而今天，即使是天體物理學或量子力學等單一領(lǐng)域的知識，也要求一個人畢生致力于掌握它。我們現(xiàn)在想要了解的系統(tǒng)是由大量數(shù)據(jù)支持的。通常，高度動態(tài)的、非線性的、具有顯著屬性的數(shù)據(jù)使我們很難發(fā)現(xiàn)一些結(jié)構(gòu)和聯(lián)系，并揭示隱藏的秘密。開普勒和牛頓可以用方程來描述恒星和物體在地球上的運動，但是現(xiàn)在很少有問題可以簡化為一組簡潔的公式。最艱巨的科學任務(wù)之一正是我們這個時代最偉大的科學挑戰(zhàn)之一。現(xiàn)代計算機時代的創(chuàng)始人，如艾倫·圖靈、約翰·馮·諾伊曼和克勞德·香農(nóng)，都理解信息論的核心重要性，今天我們已經(jīng)意識到，幾乎所有的事情都可以用這種方式思考或表達。這在生物信息學領(lǐng)域最為明顯。在這一領(lǐng)域，基因組實際上是一個巨大的信息編碼模型。我相信有一天，信息將被視為同等重要的能源和物質(zhì)。智能的核心在于，它可以被看作是將非結(jié)構(gòu)化信息轉(zhuǎn)化為有用和可操作的知識的過程。作為一項我畢生致力于的研究項目，人工智能的科學承諾是，我們能夠集成、自動化和優(yōu)化這個過程，然后利用技術(shù)作為工具，幫助我們在某些領(lǐng)域快速獲取新知識。”對于人類來說，這些地區(qū)仍然是勢不可擋的。今天，對人工智能的研究已經(jīng)成為一種非常時髦的東西。然而，人工智能這個術(shù)語可能意味著很多依賴于上下文的事物。在DeepMind，我共同創(chuàng)立的公司，我們專注于學習和普及概念，以便開發(fā)可用于科學研究的人工智能。如果我們想讓計算機發(fā)現(xiàn)新知識，那么我們必須讓他們真正的自學成才。我們開發(fā)的算法可以學習如何直接從原始經(jīng)驗中掌握任務(wù)，這意味著他們獲得的知識最終是基于某種形式的感覺現(xiàn)實，而不是抽象的符號。我們還要求他們感覺同一個系統(tǒng)具有相同的參數(shù)可以在一系列的任務(wù)中表現(xiàn)良好。DeepMind在2015年出版的《自然》雜志上描述了這兩條原則，并說一個計算機程序可以通過“自學”來玩幾十個經(jīng)典的Atari游戲，除了屏幕上的像素和分數(shù)之外，它不需要任何其他形式的信息輸入。我們還使用系統(tǒng)級神經(jīng)科學作為新算法和結(jié)構(gòu)思想的主要靈感來源。畢竟，大腦是我們存在的唯一證據(jù)，證明了基于經(jīng)驗的通用學習系統(tǒng)是可以實現(xiàn)的。AI發(fā)展史上的里程碑完全不同于我們許多前任的實踐。通過比較世界頂級游戲中的兩個突破，也許最能說明問題的是區(qū)別：IBM的深藍超級計算機，它于1997年擊敗了世界象棋冠軍加里·卡斯帕羅夫；以及我們最新的阿爾法圍棋項目，它是去年世界上最復(fù)雜的游戲。擊敗世界冠軍李世石。“深藍”使用所謂的“專家系統(tǒng)”方法：一個程序開發(fā)團隊與幾個國際象棋大師坐下來討論如何清晰地提取他們的知識并編寫一個復(fù)雜的試用程序。然后，超級計算機使用這些規(guī)則來評估大量的潛在變量，并盡力找出正確的方法。”“深藍”打敗卡斯帕羅夫是人工智能發(fā)展史上的一個重要里程碑。然而，這次勝利僅僅展示了IBM開發(fā)團隊和象棋大師的智慧，以及當代硬件的計算能力，而不是程序本身的任何固有智能。國際象棋大師卡斯帕羅夫戰(zhàn)敗后，圍棋成為了人工智能研究的“新圣杯”。Weiqi有3000年的歷史。它在亞洲有著深遠的文化影響。它不僅被認為是一種游戲，而且是一種藝術(shù)形式。它的職業(yè)冠軍是公眾崇拜的偶像。圍棋的勢能數(shù)達到了171次方10，超過了可觀測宇宙中原子的總數(shù)，即80次方10。因此，即使整個宇宙都耗盡了，所有的可能性都無法挽救。頂尖的人類圍棋選手經(jīng)常通過直覺和本能來處理這種巨大的復(fù)雜性，而象棋選手則更依賴于精確的計算。至于AlphaGo，我們意識到為了捕捉Go的直覺，我們必須采取一種完全不同于國際象棋程序（比如深藍）的方法。我們使用一般技術(shù)，包括深層神經(jīng)網(wǎng)絡(luò)，來建立學習系統(tǒng)，而不是手動編碼的人類專家策略，并向他們展示數(shù)以千計的強大的業(yè)余游戲，幫助他們形成自己對人類游戲合理性的理解。然后，我們用系統(tǒng)的不同版本玩了幾千個游戲，從錯誤中學習，并且每次都逐漸改進，直到系統(tǒng)變得非常強大。2016年3月，我們準備迎接最后的挑戰(zhàn)：對陣世界頂級圍棋選手李·塞多爾，他贏得了18次世界圍棋錦標賽，并被廣泛認為是過去十年中最偉大的圍棋選手。超過2億人在網(wǎng)上觀看了人工智能對科學發(fā)展的益處的戰(zhàn)斗，阿爾法·戈最終以4比1擊敗了李世石。專家們一致認為，這項突破計劃提前了十年。更重要的是，在比賽中，AlphaGo做了很多創(chuàng)造性的把戲。令人驚訝的是，其中之一數(shù)百年來顛覆了智慧的結(jié)晶，并從此被國際象棋選手研究。在獲勝的過程中，阿法戈教給世界一個全新的知識，這可能是歷史上最有趣的游戲。受這些算法的啟發(fā)，我們終于理解了為什么人工智能對科學如此有利：機器輔助科學發(fā)現(xiàn)的可能性。我們認為，AlphaGo的基本技術(shù)是通用的，可以廣泛地應(yīng)用于其他領(lǐng)域，特別是在可以優(yōu)化、目標明確、可以精確模擬環(huán)境的領(lǐng)域，從而實現(xiàn)高效和高速的實驗。例如，在能量效率方面，我們使用這些算法的版本來創(chuàng)建集合。

« OFO聯(lián)合創(chuàng)始人：今年擴展到20個國家，價值超過20億美元。 | 胡偉煒：不想成為一個大男人，年輕女人。如何成為獨角獸？ »