&专访AlphaGo之父：它和深蓝有何不同？人工智能打《星际争霸》会怎样？
专访AlphaGo之父：它和深蓝有何不同？人工智能打《星际争霸》会怎样？
日04时15分来源：
▲DeepMind创始人哈撒比斯
3月9日，谷歌人工智能AlphaGo战胜韩国棋手李世石引起巨大轰动，美国科技媒体“The Verge”在比赛结束后对AlphaGo背后的DeepMind公司联合创始人德米斯·哈萨比斯进行了长篇访谈，哈萨比斯谈到了他对人工智能未来的看法。以下是文章全文。　　
DeepMind的AlphaGo战胜韩国传奇棋手李世石，点燃了空前的对人工智能问题的热情。但是，这家谷歌子公司的AlphaGo计划却远远超出了它自身 - 甚至可以说它本身都不是重点。作为DeepMind的联合创始人，德米斯·哈萨比斯(Demis Hassabis)在本周早些时候表示，DeepMind要做出“智慧解决方案”，对此他有一些想法。
　　哈萨比斯自己走了个不寻常的路去达到人生目标，现在回想起来这却是一个完美的道路。哈萨比斯是一个在智力奥林匹克竞赛中5次获得冠军的国际象棋神童。他声名鹊起则是年轻时在英国Bullfrog和Lionhead游戏开发公司工作，在那里他致力于开发一款类似于“主题公园”、“黑与白”的人工智能游戏，后来他成立了自己的工作室。哈萨比斯在00年代中期离开了游戏行业去读完神经科学的博士学位，2010年他与别人联合创立了DeepMind公司。
　　在AlphaGo首次战胜李世石后的清晨，哈萨比斯坐下来接受The Verge的访谈。他在进屋时评论着首尔四季酒店(注：比赛地点)的灯光布景，给人的感觉十分温馨友好。当一个谷歌代表告诉他，昨夜有3300篇韩国媒体文章报道了他，他明显看起来非常吃惊。 “这令人难以置信，对吧？”他说， “看到一个深奥难懂的事物开始流行起来，这很有趣。”
　　除了AlphaGo，我们的谈话触及视频游戏、下一代智能手机助手、DeepMind在谷歌公司中的角色、机器人、AI如何帮助科研等等。
关于围棋和游戏
问：对于那些不了解人工智能或围棋的人，你会如何描述昨天所发生的文化共鸣？
　　哈萨比斯：对于这些我要说几点。围棋一直是完全信息博弈的巅峰。它在可能性方面比国际象棋更复杂，所以它一直是人工智能研究领域努力寻求突破的重大挑战，尤其是在“深蓝”之后。你知道，即使付出了很多的努力，我们还是没有走出太远。蒙特卡洛树搜索是十年前一个很大的创新，但我认为我们成功地用AlphaGo给神经网络引入了“直觉”——如果你想这么叫的话，而正是这些直觉让某些人成为顶尖棋手。我很惊讶，即使是现场解说迈克尔·雷德蒙德(Michael Redmond)也很难算出结局，他可是一个职业9段棋手啊！而这表明了你是有多么难写出围棋的“评价函数”(valuation function)。
　　问：当你看到AlphaGo的特殊举动，你会感到惊讶吗？
　　哈萨比斯：是啊。我们相当震惊，我认为李世石也是，从他的面部表情就能看出来。AlphaGo的那步棋深深地打入了李世石的领地。我认为这是一个相当意外的举动。
　　问：是因为(这步棋的)侵略性吗？
　　哈萨比斯：嗯，是因为侵略和大胆！此外，它在比赛中戏耍了李世石。李世石以好战而闻名，这就是他所传达出的，我们期待的那种东西。本场比赛一开始，他就在整个棋盘上求战，但是没有一处是真的。传统的围棋程序在处理这种情况时非常无力。他们在局域计算中并不差，但是在需要通盘视野的时候会很无力。
　　问：举行这次比赛的一大原因就是评估AlphaGo的能力，无论输赢。你从昨晚学到什么？
　　哈萨比斯：好吧，我想我们了解到：我们已经沿着这条线走出了很远 ——没有超出我们的预期，但达到了我们的期望。我们要告诉大众，我们认为比赛是五五开。我认为这仍然可能是正确的，这儿任何事都有可能发生，我知道李世石今天回来后会采取不同的策略。所以，我认为寻找出对手策略将是非常有趣的。
　　刚才谈到了AI的意义，回答了你的第一个问题。另一个我要告诉你的事情是，我们和深蓝是不同的。深蓝是一个“手工”程序——程序员从国际象棋的规则中提炼出信息和获得启发。而我们的AlphaGo拥有学习能力，它通过实践和学习获得知识，这更像人。
　　问：如果在系列赛中AlphaGo继续以这种方式取胜，接下来会发生什么？未来会有一个人工智能的游戏对决吗？
　　哈萨比斯：我认为作为围棋是完全信息博弈的巅峰。当然，我们还有其他顶尖棋手要比赛。此外，其他的游戏 ——像无限押注的德州扑克就非常困难。多人比赛会有其他的挑战，因为它是一个不完全信息博弈。再有明显的就是，人类在玩《星际争霸》这类游戏时比电脑更好。战略游戏需要在一个不完全信息的世界里拥有高层次的战略能力。而围棋的事情是很明显的，你可以在棋盘上看到一切，因此，这对于电脑来说更容易一些。
　　问：(人工智能)打《星际争霸》这些游戏你个人会感兴趣吗？
　　哈萨比斯：也许吧。我们只对研究项目主线范围内的事情感兴趣。所以DeepMind的目的不只是打游戏，尽管那非常有趣而且令人兴奋。你知道，我喜欢玩游戏，我以前编写过电脑游戏。但是那仅限于作为测试平台，用于尝试写出我们的算法思想和测试出它能到多高等级、能玩得多好，这是一个非常有效的方式。最终，我们希望能应用到现实世界中的重大问题。
　　问：90年代末，我在英国长大，当时我在电脑杂志上看过你的名字，你的名字常常和游戏联系在一起。当我第一次听说DeepMind，看到你名字时，我在想：“真是绝配。”之前你在游戏行业的职业经历对于现在所做的工作有何影响？
　　哈萨比斯：类似DeepMind的东西一直是我的终极目标。从某种意义上来说，我在这方面的计划已有20多年时间。如果你从这种角度来看，即我所做的一切都是为了最终进军人工智能领域，那么可以发现我的选择是合理的。如果熟悉我在Bullfrog等公司的工作，那么你会知道，人工智能是我所做一切的核心。很明显，(Bullfrog创始人之一)皮特·莫里诺克斯(Peter Molyneux)的游戏也都是人工智能游戏。
　　16至17岁时，通过开发《主题公园》，我意识到如果继续发展人工智能，那么人工智能将发挥巨大的力量。我们卖出了数百万个拷贝，而许多人都喜欢这款游戏。正是由于人工智能的存在，这款游戏才可以适应玩家。我们随后继续进行开发，而我也在游戏行业的职业生涯中试图继续发展这一技术。
　　随后，我退出了游戏行业，回到了学术界，从事神经科学的研究。因为在21世纪00年代中期，我感觉通过游戏这扇“后门”去展开人工智能研究已经非常困难，因为游戏发行商只想要游戏。
　　问：当时，游戏是否是人工智能唯一显而易见的应用？
　　哈萨比斯：是的，我认为是这样。实际上我认为，当时我们正在开发技术极其领先的人工智能。我想说的是，那时学术界还停留在90年代，而所有新技术都尚未普及，也没有得到大规模应用，例如神经网络、深度学习和强化学习。因此，最优秀的人工智能技术存在于游戏之中。
　　当时的技术不同于我们目前开发的学习型人工智能，而更多的像是有限状态机。但这些系统很复杂，并且具有自适应性。类似《Black & White》的游戏采用了强化学习技术。我认为这是到目前为止游戏中最复杂的人工智能应用案例。不过到年，很明显游戏行业走上了与90年代不同的发展方向。90年代的游戏很有趣，具有创新性。当你想到一个点子时，就可以将其开发出来。而到00年代，游戏更强调图像、内容IP，类似FIFA的游戏大行其道。因此，游戏行业不再有趣。
　　在游戏行业，我做了能做的所有一切，在成立DeepMind之前我需要收集好必要的信息。这就是神经科学。我希望从大脑解决问题的方式中获得灵感。因此，没有什么其他方式比攻读神经科学的博士学位更好。
　　问：这些或许是唾手可得的果实。你是否会将人工智能的技术进步应用在今天的游戏中？
　　哈萨比斯：我认为将会很有趣。实际上，近期EA也有人联系我，我们应该去做这件事。但现在的情况是，我们有很多事情可做！这些技术通用性很强，我愿意去做这件事，但问题是人的精力有限。目前，我们的关注重点是医疗和推荐系统，以及诸如此类的应用。但或许未来我们会去做游戏，这对我来说这形成一个闭环。实际上，在游戏中设计自适应的人工智能对手将创造一个巨大的市场。我认为，相对于为每款游戏开发新的人工智能技术，开发者会更喜欢这种模式。或许他们只需要针对每款游戏去训练通用的人工智能即可。
　　问：我可以想象，当你在家里打电子游戏时，相对于我，游戏中虚拟人物的表现会更让你失望。
　　哈萨比斯：是的，大型多人游戏和其他类似游戏总是令我感觉失望。我从来都无法真正融入游戏，因为虚拟人物看起来傻傻的。他们没有记忆，不会改变，也与环境无关。如果有学习型人工智能，那么游戏质量将提升至新的水平。
关于医疗　　问：本周你谈到，人工智能未来的主要用途将是医疗、智能助理和机器人。能否详细谈谈。例如关于医疗，IBM“沃森”已经在癌症诊断领域有过一些尝试。那么，DeepMind能带来些什么？
　　哈萨比斯：目前还处于起步阶段。几周前，我们宣布了与NHS(英国国民医疗系统)的合作，但我们最开始将建设支持机器学习的平台。根据我的理解，沃森与我们所做的工作有很大不同，更像是一个专家系统。因此，这是一种类型完全不同的人工智能。这类人工智能所做的是基于医疗图像的诊断，或是追踪生命指标，以及长期的“量化自我”，帮助人们养成健康的生活习惯。我认为，强化学习非常适合这一领域。
　　问：关于与NHS的合作，你们宣布了一款应用，但这款应用似乎没有用到太多的人工智能和机器学习技术。背后的考量是什么？NHS为何要用你们的应用，而不是其他公司的软件？
　　哈萨比斯：据我所知，NHS的软件相当糟糕，因此我们要做的第一步就是让软件具备21世纪的设计。这些软件并不存在于移动端，与用户目前习以为常的产品也很不相同。我认为，这令医生和护士们感到失望，也妨碍了他们的工作进度。因此，第一步是帮他们获得更实用的工具，例如可视化和基本的数据统计。我们将开发这样的工具，看看我们的状况，随后再引入更复杂的机器学习技术。
　　问：销售难度会有多大？很明显，在英国，医疗资金是一个持续讨论的话题。
　　哈萨比斯：我们目前是免费去做，因此推广难度不大。这与大部分软件公司都有所不同。目前，开发这类软件的大多是跨国公司，因此它们并不是非常关心用户。我们的开发方式更类似于创业公司，你会去倾听用户的反馈，并与他们共同设计。
关于智能手机助手　　问：让我们来谈谈智能手机助手。我看到你在演讲幻灯片中贴出了一张来自电影《她》的剧照。这代表了最终目标？
　　哈萨比斯：不是这样。我的意思是，电影《她》是主流人群看待智能助手的一种简单方式。我们需要智能手机助手变得更智能，更好地理解环境，并对你正在从事的工作有更深的理解。目前，大部分这类系统还很简单：一旦你脱开预设的模板，它们就变得毫无用处。因此关键在于让这样的助手具有更好的适应性、灵活性，同时更强大。
▲电影《她》海报
　　问：这方面的发展需要什么样的突破？我们为何不能立即着手去做这件事？
　　哈萨比斯：实际上我们可以，你所需的只是不同的方法。这里再次出现了预编程和后天学习的不同。目前，许多智能手机助手针对专门的应用场景进行预编程，因此只能处理预编程范围内的逻辑。现实世界非常复杂，用户会从事各种各样难以预料的事，你不可能提前预测。DeepMind认为，实现智能的唯一方法在于从头开始学习，并确保通用性。这也是我们生存的基本法则。
　　问：在起步之初，AlphaGo被教给了许多棋型模式。考虑到用户的输入信息多种多样，这种技术将如何应用至智能手机？
　　哈萨比斯：是的，数据量很大，你可以利用数据去学习。但就AlphaGo的算法而言，我们认为可以不再规定受控的学习起点，完全放手让其自学，从零起步。我们将在未来几个月进行这样的尝试。这会花更长的时间，可能是几个月，因为不按棋谱随机下棋意味着更多的尝试和试错。但我们认为，这种纯粹依靠自学的模式是可行的。
　　问：出现这样的可能性是否是由于算法已发展到目前的程度？
　　哈萨比斯：不是的。我们之前也可以这样做。这样做不会让程序更强大，这只是为了尝试纯粹的自学，摆脱人为控制的部分。我们认为，这一算法可以在不受控的情况下运转。我们去年让人工智能去玩Atari的游戏，人工智能从像素点的研究起步，这其中没有掺杂任何人类知识。人工智能从屏幕上的随机像素开始。
　　问：让人工智能玩游戏更简单，这是否因为游戏中的失败条件很明显？
　　哈萨比斯：玩游戏更简单是因为分数更有规律。在围棋比赛中，你只能得到一个分数，这就是结束时胜负。这被称作“信度分配问题”。在围棋比赛中，你做出数百次行为，但却不知道哪一次会带来胜利或失败，因此信号强度很弱。在Atari的游戏中，你所做的大部分操作都会带来得分，因此你会有更多的信息反馈，帮你知道如何去做。
　　问：能否给一个时间表，即人工智能何时能给普通人使用的手机带来明显不同？
　　哈萨比斯：在未来2到3年里，你就会看到这些。不过，起步之初的情况可能会比较微妙，某些方面还需要改进。而在4年、5年，或是5年之后，你将看到性能的大幅提升。
关于谷歌　　问：在你提到的未来所有可能性中，智能手机助手与谷歌整体的关联度最大？
　　哈萨比斯：是的。
　　问：谷歌是否暗示过你们，期望你们的技术如何融入谷歌的产品路线图，或是整体商业模式？
　　哈萨比斯：不，我们有很高的自由度，可以按照我们自己的意愿去优化研究进展。这是我们的使命，也是我们加入谷歌的原因。加入谷歌使我们得到加速，过去几年的情况已然如此。当然，我们会开发谷歌的许多内部产品，但这些产品都处于极早期的阶段，因此还没有到讨论的时机。我认为，智能手机助手将是非常核心的产品，而谷歌CEO桑达尔·皮查伊(Sundar Pichai)也说过，这将是谷歌未来的最核心。
　　问：谷歌也有Google Brain等其他项目，同时也推出了诸如Google Photos搜索等面向用户的机器学习功能。
　　哈萨比斯：这类技术无处不在。
　　问：你们是否与Google Brain有过互动，双方的关注点有没有重合之处？
　　哈萨比斯：我们的互补性很强，每周都会沟通。Google Brain专注于深度学习，而他们有杰出的工程师，例如杰夫·迪恩(Jeff Dean)，因此他们将技术传播至公司的每个角落。这也是为何我们看到Google Photos搜索等强大产品的原因。他们的工作成果是现象级的。他们常驻加州山景城，因此与产品集团的联系更多，并采用12至18个月的研发周期，而我们更多地关注算法开发，周期通常为2到3年，且我们在起步之初并不直接关注产品。
　　问：谷歌对AlphaGo的支持有多重要？如果没有谷歌，你们还能不能取得这一成就？
哈萨比斯：非常重要。AlphaGo在比赛中并没有使用庞大的硬件，但我们需要大量的硬件资源去训练它，并制造多个版本，让它们在云计算平台上对弈。只有获得庞大的硬件资源才能高效地做到这一点。因此如果没有谷歌的资源，我们不可能在当前这个时间段就取得这样的成果。
关于机器人　　问：关于机器人。我常驻日本，而日本自认为是机器人的精神家园。在日本，我看到机器人的用途有两方面。一方面，发那科制造了工业机器人，被用于多种场合。另一方面，我们也看到了类似软银Pepper的礼宾机器人，这些机器人有着远大的目标，但使用场景很有限。对于这一领域，你的看法是什么？
　　哈萨比斯：正如你所说，发那科的机器人在“肢体”上非常强大，所欠缺的是“智力”。礼宾机器人则有点类似智能助手。不过我所见到的这些机器人都经过预编程，只是按照模板做出响应。如果超出模板，那么机器人就不知所措。
　　问：我感觉，最显而易见的问题就是，机器学习之类的技术将如何提高机器人的能力。
　　哈萨比斯：这将是一种完全不同的方式。你需要从头开发，让机器人学习新东西，处理不可预期的事件。我认为，这才是在现实世界中机器人和软件与真实用户互动的方式。它们需要这类能力，从而发挥用处。因此，应当为机器人制定适当的学习路线。
　　问：你认为，学习型机器人短期内会有什么样的使用场景？
　　哈萨比斯：我们还没有太多地思考这一问题。很明显，无人驾驶汽车就是一种机器人，但目前这基本是一种狭义人工智能。不过，计算机视觉利用了学习型人工智能的某些方面，例如特斯拉就采用了基于深度学习的标准计算机视觉技术。我可以肯定，日本已经在思考诸如老人看护机器人，或家政机器人之类的产品，这对社会，尤其是老龄化社会来说很有意义。
　　问：对于这些使用场景，基于学习的方式为何更适合？
　　哈萨比斯：你只要想想这些问题：为什么我们还没有这样的技术？为什么我们还不能让机器人来帮你打扫卫生？问题在于，每个人的家中布局和家具都不相同。而即使是同一所屋子，每天的状态也在改变。某些时候乱糟糟，某些时候又很整洁。因此没有任何一种方式可以对机器人进行预先编程，针对你的屋子提供解决方案。你甚至还希望加入自己的偏好，例如你希望衣服怎么叠放。这是一个非常复杂的问题。这些事对人来说很简单，但实际上这些任务相当复杂。
　　问：问个个人问题，你用扫地机器人吗？
　　哈萨比斯：我们有一个，但用处不是太大。
　　问：我自己有一个，确实不是非常有用。我会去看看它扫的不干净的地方，并再去打扫。因此我很好奇，我们何时会看到更先进的机器人，所谓“足够好”的转折点将于何时出现？
　　哈萨比斯：是的，我是说有可能。我认为，所有人都会以合理价格买一台机器人，帮他们收拾盘子洗碗。这种简单的扫地机器人很流行。实际上它们并没有任何智能性。我认为，在这一发展道路上的每一步都是有用的。
　　问：未来，对于人类、机器人和人工智能之间的互动，你有什么样的预期？很明显，人们会想到科幻小说中的场景。
　　哈萨比斯：我个人不是很关注机器人。我关心的是将这样的人工智能应用至科学，推动科学更快地进步。我想看看由人工智能辅助的科学研究。届时人工智能将成为研究助手，去完成大量冗繁的工作，找出有趣的文章，在海量数据中找到数据结构，将这些信息呈现给人类专家和科学家，帮助他们更快地取得突破。几个月前，我曾向欧洲粒子物理研究所(CERN)做过一次演讲：相对于地球上的其他人，他们制造出了更多数据。我们都知道，在这些海量数据中可能会蕴藏新粒子的信息，但由于数据量太大，没有人能完成分析。因此我认为，如果某天人工智能可以参与寻找新粒子，那么将会很酷。
一起看风云变幻tech.sina.com.cn微信ID：techsina长按识别二维码关注数月前，我长途跋涉来到位于纽约州约克城高地的IBM研究实验室的林间园区，为的就是能早早一窥那近在眼前却让人期待许久的人工智能的未来。这儿是超级电脑&沃森&（Watson）的研发地，而沃森在2011年就在&危险边缘&（Jeopardy！）节目的比赛里拔得头筹。最初的沃森电脑仍留于此处&&它是一个体积约与一个卧室相当，由10台直立的冷柜式机器围成四面墙的计算机系统。技术人员可以通过系统内部的小细孔把各种线缆接到机器背部。系统内部温度高得出奇，仿佛这个计算机集群是活生生的一般。如今的沃森系统与之前相比有了显著差异。它不再仅仅存在于一排机柜之中，而是通过大量对用户免费开放的服务器传播，这些服务器能够即时运行上百种人工智能的&情况&。同所有云端化的事物一样，沃森系统为世界各地同时使用的客户服务，他们能够用手机、台式机以及他们自己的数据服务器连上该系统。这类人工智能可以根据需求按比例增加或减少。鉴于人工智能会随人们的使用而逐步改进，沃森将始终变得愈发聪明；它在任何一次情况中所获悉的改进点都会立即传送至其他情况中。并且，它也不是一个单一的程序，而是各种软件引擎的集合&&其逻辑演绎引擎和语言解析引擎可以在不同的代码、芯片以及位置上运行&&所有这些智慧的因素都汇集成了一个统一的智能流。 用户可以直接接入这一永久连接（always-on）的智能系统，也可以通过使用这一人工智能云服务的第三方应用程序接入。正如许多高瞻远瞩的父母一样，IBM想让沃森电脑从事医学工作，因此他们正在开发一款医疗诊断工具的应用程序，这倒也不足为奇。之前，诊疗方面的人工智能尝试大多以惨败告终，但沃森却卓有成效。简单地说，当我输入我曾经在印度感染上的某种疾病症状时，它会给我一个疑似病症的清单，上面一一列明了可能性从高到低的疾病。它认为我最可能感染了贾第鞭毛虫病（Giardia）&&说的一点儿也没错。这一技术尚未直接对患者开放；IBM将沃森电脑的智能提供给合作伙伴接入使用，以帮助他们开发出用户友好界面为预约医生及医院方面服务。&我相信类似沃森这种&&无论它是机器还是人&&都将很快成为世界上最好的诊疗医生&，的首席医疗官艾伦&格林（Alan Greene）说道，该公司受到电影《星际迷航》中医用三录仪[2]的启发，正在利用云人工智能技术制造一种诊疗设备。&从人工智能技术改进的速率来看，现在出生的孩子长大后，很可能不太需要通过看医生来得知诊疗情况了。&医学仅仅只是一个开始。所有主流的云计算公司，加上数十家创业公司都在争先恐后地开展类似沃森电脑的认知服务。根据量化分析公司Quid的数据，自2009年以来，人工智能已经吸引了超过170亿美元的投资。仅去年一年，就有322家拥有类似人工智能技术的公司获得了超过20亿美元的投资。Facebook和谷歌也为其公司内部的人工智能研究小组招聘了研究员。自去年以来，雅虎、、、、以及推特也都收购了人工智能公司。过去四年间，人工智能领域的民间投资以平均每年62%的增长速率增加，这一速率预计还会持续下去。纵观所有这些活动，人工智能的未来正进入我们的视野之中，它既非如那种哈尔9000（HAL 9000）（译者注：小说及电影《2001：太空漫游》中的超级电脑）&&一台拥有超凡（但有潜在嗜杀倾向）的类人意识并依靠此运行的独立机器那般&&也非让奇点论者心醉神迷的超级智能。即将到来的人工智能颇似亚马逊的网络服务&&廉价、可靠、工业级的数字智慧在一切事物的背后运行，偶尔在你的眼前闪烁几下，其他时候近乎无形。这一通用设施将提供你所需要的人工智能而不超出你的需要。和所有设施一样，即使人工智能改变了互联网、全球经济以及文明，它也将变得令人厌倦。正如一个多世纪以前电力所做的那样，它会让无生命的物体活跃起来。之前我们电气化的所有东西，现在我们都将使之认知化。而实用化的新型人工智能也会增强人类个体（加深我们的记忆、加速我们的认知）以及人类群体的生活。通过加入一些额外的智能因素，我们想不到有什么东西不能变得新奇、不同且有趣。实际上，我们能轻易地预测到接下来的一万家创业公司的商业计划：&做某项事业，并加入人工智能&。兹事体大，近在眼前。大约在2002年时，我参加了谷歌的一个小型聚会&&彼时谷歌尚未IPO，还在一心一意地做网络搜索。我与谷歌杰出的联合创始人、2011年成为谷歌CEO的拉里&佩奇（Larry Page）随意攀谈起来。&拉里，我还是搞不懂，现在有这么多搜索公司，你们为什么要做免费的网络搜索？你是怎么想到这个主意的？&我那缺乏想象力的无知着实证明了我们很难去做预测，尤其是对于未来的预测。但我要辩解的是，在谷歌增强其广告拍卖方案并使之形成实际收益，以及进行对YouTube的并购或其他重要并购之前，预测未来是很难的。我并不是唯一一个一边狂热地用着谷歌的搜索引擎一边认为它撑不了多久的用户。但佩奇的回答让我一直难以忘怀：&哦，我们实际上是在做人工智能。&过去数年间，关于那次谈话我想了很多，谷歌也收购了14家人工智能以及机器人方面的公司。鉴于搜索业务为谷歌贡献了80%的收入，因此乍一看去，你可能会觉得谷歌正在扩充其人工智能方面的投资组合以改善搜索能力。但是我认为正好相反。谷歌正在用搜索技术来改善人工智能，而非使用人工智能来改进搜索技术。每当你输入一个查询词，点击搜索引擎生成的链接，或者在网页上创造一个链接，你都是在训练谷歌的人工智能技术。当你在图片搜索栏中输入&复活节兔子&（Easter Bunny）并点击看起来最像复活节兔子的那张图片时，你都是在告诉人工智能，复活节兔子是长成什么样的。谷歌每天拥有12亿搜索用户，产生1210亿搜索关键词，每一个关键词都是在一次又一次地辅导人工智能进行深度学习。如果再对人工智能的算法进行为之10年的稳固改进，加之一千倍以上的数据以及一百倍以上的计算资源，谷歌将会开发出一款无与伦比的人工智能产品。我的预言是：到2024年，谷歌的主营产品将不再是搜索引擎，而是人工智能产品。这个观点自然也会招来怀疑的声音。近60年来，人工智能的研究者都预测说人工智能时代即将到来，但是直到几年前，人工智能好像还是遥不可及。人们甚至发明了一个词来描述这个研究结果匮乏、研究基金更加匮乏的时代：人工智能之冬。那么事情真的有变化吗？是的。近期的三大突破让人们期待已久的人工智能近在眼前：1. 成本低廉的并行计算思考是一种人类固有的并行过程，数以亿计的神经元同时放电以创造出大脑皮层用于计算的同步脑电波。搭建一个神经网络&&即人工智能软件的主要结构&&也需要许多不同的进程同时运行。神经网络的每一个节点都大致模拟了大脑中的一个神经元&&其与相邻的节点互相作用，以明确所接收的信号。一项程序要理解某个口语单词，就必须能够听清（不同音节）彼此之间的所有音素；要识别出某幅图片，就需要看到其周围像素环境内的所有像素&&二者都是深层次的并行任务。但直到最近，标准的计算机处理器也仅仅能一次处理一项任务。事情在十多年前就已经开始发生变化，彼时出现了一种被称为图形处理单元（graphics processing unit -GPU）的新型芯片，它能够满足可视游戏中高密度的视觉以及并行需求，在这一过程中，每秒钟都有上百万像素被多次重新计算。这一过程需要一种专门的并行计算芯片，该芯片添加至电脑主板上，作为对其的补充。并行图形芯片作用明显，游戏可玩性也大幅上升。到2005年，GPU芯片产量颇高，其价格便降了下来。2009年，吴恩达（Andrew Ng）（译者注：华裔计算机科学家）以及斯坦福大学的一个研究小组意识到，GPU芯片可以并行运行神经网络。这一发现开启了神经网络新的可能性，使得神经网络能容纳上亿个节点间的连接。传统的处理器需要数周才能计算出拥有1亿节点的神经网的级联可能性。而吴恩达发现，一个GPU集群在一天内就可完成同一任务。现在，一些应用云计算的公司通常都会使用GPU来运行神经网络，例如，Facebook会籍此技术来识别用户照片中的好友，Netfilx也会依其来给5000万订阅用户提供靠谱的推荐内容。2. 大数据每一种智能都需要被训练。哪怕是天生能够给事物分类的人脑，也仍然需要看过十几个例子后才能够区分猫和狗。人工思维则更是如此。即使是（国际象棋）程序编的最好的电脑，也得在至少对弈一千局之后才能有良好表现。人工智能获得突破的部分原因在于，我们收集到来自全球的海量数据，以给人工智能提供了其所需的训练。巨型数据库、自动跟踪（self-tracking）、网页cookie、线上足迹、兆兆字节级存储、数十年的搜索结果、维基百科以及整个数字世界都成了老师，是它们让人工智能变得更加聪明。3. 更优的算法20世纪50年代，数字神经网络就被发明了出来，但计算机科学家花费了数十年来研究如何驾驭百万乃至亿级神经元之间那庞大到如天文数字一般的组合关系。这一过程的关键是要将神经网络组织成为堆叠层（stacked layer）。一个相对来说比较简单的任务就是人脸识别。当某神经网络中的一组比特被发现能够形成某种图案&&例如，一只眼睛的图像&&这一结果就会被向上转移至该神经网络的另一层以做进一步分析。接下来的这一层可能会将两只眼睛拼在一起，将这一有意义的数据块传递到层级结构的第三层，该层可以将眼睛和鼻子的图像结合到一起（来进行分析）。识别一张人脸可能需要数百万个这种节点（每个节点都会生成一个计算结果以供周围节点使用），并需要堆叠高达15个层级。2006年，当时就职于多伦多大学的杰夫&辛顿（Geoff Hinton）对这一方法进行了一次关键改进，并将其称之为&深度学习&。他能够从数学层面上优化每一层的结果从而使神经网络在形成堆叠层时加快学习速度。数年后，当深度学习算法被移植到GPU集群中后，其速度有了显著提高。仅靠深度学习的代码并不足以能产生复杂的逻辑思维，但是它是包括IBM的沃森电脑、谷歌搜索引擎以及Facebook算法在内，当下所有人工智能产品的主要组成部分。这一由并行计算、大数据和更深层次算法组成的完美风暴使得持续耕耘了60年的人工智能一鸣惊人。而这一聚合也表明，只要这些技术趋势继续下去&&它们也没有理由不延续&&人工智能将精益求精。随着这一趋势的持续，这种基于云技术的人工智能将愈发成为我们日常生活中不可分割的一部分。但天上没有掉馅饼的事。云计算遵循收益递增（increasing returns）[4]法则，这一法则有时也被称为网络效应（network effect），即随着网络发展壮大，网络价值也会以更快的速度增加。网络（规模）越大，对于新用户的吸引力越强，这又让网络变得更大，又进一步增强了吸引力，如此往复。为人工智能服务的云技术也遵循这一法则。越多人使用人工智能产品，它就会变得越聪明；它变得越聪明，就有越多人来使用它；然后它变得更聪明，进一步就有更多人使用它。一旦有公司迈进了这个良性循环中，其规模会变大、发展会加快，以至于没有任何新兴对手能望其项背。因此，人工智能的未来将有两到三家寡头公司统治，它们会开发出大规模基于云技术的多用途商业智能产品。1997年，沃森电脑的前辈、IBM公司的深蓝电脑在一场著名的人机大赛中击败了当时的国际象棋大师加里&卡斯帕罗夫（Garry Kasparov）。在电脑又赢了几场比赛之后，人们基本上失去了对这类比赛的兴趣。你可能会认为故事到此就结束了，但卡斯帕罗夫意识到，如果他也能像深蓝一样立即访问包括以前所有棋局棋路变化在内的巨型数据库的话，他在对弈中能表现得更好。如果这一数据库工具对于人工智能设备来说是公平的话，为什么人类不能使用它呢？为了探究这一想法，卡斯帕罗夫率先提出了&人加机器&（man-plus-machine）比赛的概念，即用人工智能增强国际象棋选手水平，而非让人与机器之间对抗。这种比赛如今被称为自由式国际象棋比赛，它有点儿像混合武术对抗赛，选手们可以使用任何他们想要用的作战技巧。你可以单打独斗；也可以接受你那装有超级聪明的国际象棋软件的电脑给出的帮助，你要做的仅仅是按照它的建议来移动棋子；或者你可以当一个卡斯帕罗夫所提倡的那种&半人半机&的选手。半人半机选手会听取人工智能设备在其耳边提出的棋路建议，但是也间或不会采用这些建议&&颇似我们开车时候用的GPS导航一般。在接受任何模式选手参赛的2014年自由式国际象棋对抗锦标赛上，纯人工智能的国际象棋引擎赢得了42场比赛，而半人半机选手则赢得了53场。当今世上最优秀的国际象棋选手就是半人半机选手Intagrand，它是一个由多人以及数个不同国际象棋程序所组成的小组。但最令人惊讶的是：人工智能的出现并未让纯人类的国际象棋棋手的水平下降。恰恰相反，廉价、超级智能的国际象棋软件吸引了更多人来下国际象棋，比赛比以前增多了，棋手的水平也比以前上升了。现在的国际象棋大师（译者注：国际象棋界的一种等级）人数是深蓝战胜卡斯帕罗夫那时候的两倍多。现在的排名第一的人类国际象棋棋手马格努斯&卡尔森（Magnus Carlsen）就曾接受人工智能的训练，他被认为是所有人类国际象棋棋手中最接近电脑的棋手，同时也是有史以来积分最高的人类国际象棋大师。如果人工智能能帮助人类成为更优秀的国际象棋棋手，那么它也能帮助我们成为更为优秀的飞行员、医生、法官以及教师。大多数由人工智能完成的商业工作都将是有专门目的的工作，严格限制在智能软件能做到的工作之内，比如，（人工智能产品）把某种语言翻译成另一种语言，但却不能翻译成第三种语言。再比如，它们可以开车，但却不能与人交谈。或者是能回忆起YouTube上每个视频的每个像素，却无法预测你的日常工作。在未来十年，你与之直接或者间接互动的人工智能产品，有99%都将是高度专一、极为聪明的&专家&。实际上，这并非真正的智能，至少不是我们细细想来的那种智能。的确，智能可能是一种倾向&&尤其是如果我们眼中的智能意味着我们那特有的自我意识、一切我们所有的那种狂乱的自省循环以及凌乱的自我意识流的话。我们希望无人驾驶汽车能一心一意在路上行驶，而不是纠结于之前和车库的争吵。医院中的综合医生&沃森&能专心工作，不要去想自己是不是应该专攻英语。随着人工智能的发展，我们可能要设计出一些阻止它们拥有意识的方式&&我们所宣称的最优质的人工智能服务将是无意识服务。我们想要的不是智能，而是人工智慧。与一般的智能不同，智慧（产品）具有专心、可衡量、种类特定的特点。它也能够以完全异于人类认知的方式来思考。这儿有一个关于非人类思考的一个很好的例子，今年三月在德克萨斯州奥斯汀举行的西南偏南音乐节（South by Southwest festival）上，沃森电脑就上演了一幕厉害的绝技：IBM的研究员给沃森添加了由在线菜谱、美国农业部（USDA）出具的营养表以及让饭菜更美味的味道研究报告组成的数据库。凭借这些数据，沃森依靠味道配置资料和现有菜色模型创造出了新式的菜肴。其中一款由沃森创造出的受人追捧的菜肴是美味版本的&炸鱼和炸薯条&（fish and chips），它是用酸橘汁腌鱼和油炸芭蕉制成。在约克城高地的IBM实验室里，我享用了这道菜，也吃了另一款由沃森创造出的美味菜肴：瑞士/泰式芦笋乳蛋饼。味道挺不错！非人类的智能不是错误，而是一种特征。人工智能的主要优点就是它们的&相异智能&（alien intelligence）。一种人工智能产品在思考食物方面与任何的大厨都不相同，这也能让我们以不同的方式看待食物，或者是以不同的方式来考虑制造物料、衣服、金融衍生工具或是任意门类的科学和艺术。相较于人工智能的速度或者力量来说，它的相异性对我们更有价值。实际上，人工智能将帮助我们更好地理解我们起初所说的智能的意思。过去，我们可能会说只有那种超级聪明的人工智能产品才能开车，或是在&危险边缘&节目以及国际象棋大赛中战胜人类。而一旦人工智能做到了那些事情，我们就会觉得这些成就明显机械又刻板，并不能够被称为真正意义上的智能。人工智能的每次成功，都是在重新定义自己。但我们不仅仅是在一直重新定义人工智能的意义&&也是在重新定义人类的意义。过去60年间，机械加工复制了我们曾认为是人类所独有的行为和才能，我们不得不改变关于人机之间区别的观点。随着我们发明出越来越多种类的人工智能产品，我们将不得不放弃更多被视为人类所独有能力的观点。在接下来的十年里&&甚至，在接下来的一个世纪里&&我们将处于一场旷日持久的身份危机（identity crisis）中，并不断扪心自问人类的意义。在这之中最为讽刺的是，我们每日接触的实用性人工智能产品所带来的最大益处，不在于提高产能、扩充经济或是带来一种新的科研方式&&尽管这些都会发生。人工智能的最大益处在于，它将帮助我们定义人类。我们需要人工智能来告诉我们，我们究竟是谁。原文来自 Wired，作者 Kevin Kelly，标题 The Three Breakthroughs That Have Finally Unleashed AI on the World。本文由译言 沈持盈 翻译。
24小时报不停
360：公司CFO姚珏、副总经理廖清红因个人原因辞职
唱吧麦颂宣布完成了亿元级别的A轮融资
印度区块链初创公司Elemetial获经纬投资
中国联通开始陆续清退2G网络，为5G商用化做准备
全球数字货币犯罪调查：美欧合占近6成，中国占16%
除了SpaceX和蓝色起源，索尼也计划加入私营太空产业
全球再添16家“独角兽” ，美菜网等四家中国公司上榜
扎克伯格去年薪酬仅1美元：为安全支出近500万元
马斯克将特斯拉开进了第一段Boring公司的隧道中
Waymo已在加州申请新测试许可证，无驾驶员“陪护”
美国奧斯汀试行区块链标识系统，帮助无家可归者
报道称美国有上千工人正在偷雇主算力挖矿
区块链游戏平台DreamTeam获欧洲顶级VC投资
苏宁体育即将完成A轮融资，总金额5到6亿美元
AlphaGo给化学合成带来新启示
越南现ICO诈骗案 3.2万投资人被骗6.6亿美元
全球最依赖旅游经济体排行榜出炉，中国澳门名列第三
贾跃亭妻子甘薇也被列入老赖名单：中泰创展追讨14亿
中国借助AI解决医生不足问题，俄媒:带来便利但有局限
尼日利亚比特币公司非法募资数百万奈拉后，跑路
新乐视智家再曝操盘手变更
补贴战“熄火”，美团滴滴相继宣布停止常态化补贴
浙大首开区块链课程，不鼓励学生“炒币”
深消委称小米苹果等手机壳有毒，企业表示是儿童餐具标准
小米6X于4月25日武汉发布
滴滴上海率先取消常态化补贴
聚美优品CFO因个人原因辞职，陈欧将兼任聚美CFO
Coinbase收购以太坊浏览器Cipher Browser
采用Nvidia MX110显卡：华硕推出X407/X507超极本
百度网盘封杀非官方版本，擅自使用会被锁定账号
分析师预计苹果新机比iPhone X贵，将采用三管齐下新策略
虎扑签约国内三支“吃鸡”战队
小米投资的黑鲨游戏手机发布 售价2999元起
小米考虑收购GoPro，后者股价应声上涨8.8%
法乐第未来计划5月21日安装组装线 年底造FF91
SpaceX发起新一轮5亿美元融资 估值将升至250亿美元
火山小视频整改升级：暂停同城频道 恢复时间未确定
抖音整改通告：下架万条视频 永久封禁15234个账号
哈罗单车完成近7亿美元融资 蚂蚁金服、复星参与
苹果或推廉价版HomePod，出货量将低于市场预期
美国iPhone用户去年平均安装45个应用 开支增长23%
三星S9/S9+曝通话存在故障 官方：正修复
马斯克：特斯拉今年无需筹资 三四季度可实现盈利
锤子科技将于5月15日发布的旗舰机，细节被曝光
三星发布Galaxy J2 Pro 针对学生和老年人群体不能联网
蔡文胜再度增持美图200万股，已累计斥资8344万港元
三星被起诉专利侵权，罚款或高达30亿美元
腮红金版苹果iPhone X官方图片首现：采用LCD屏幕
苹果警告员工：严禁将内部产品信息泄露给媒体
罗永浩确认锤子手机将引入代言人：倾向于朴树和陈冠希
腾讯官方深夜紧急回应：QQ国际版不会在欧盟下线
市占率低于1%，三星手机在华“命悬一线”
“无人银行”真的来了
9%的美国用户已删除Facebook账号}