圍棋之後，人工智慧的下一個戰場是什麼？

2016年04月02日 08:11 　　文章來源：蝌蚪五線譜

　　AlphaGo(阿法狗)對傳奇圍棋棋手李世石的勝利是人工智慧研究的一個重大里程碑事件。一直以來，這項複雜的中國棋類遊戲都認為無法被機器征服，但DeepMind使用機器學習和神經網路，賦予了AlphaGo世界一流級別的評估和實行技巧的能力。

　　但我們讓這個世界上最聰明的一群人來研究人工智慧，並不是只是為了征服圍棋。DeepMind(深智公司)的研究成果對人工智慧領域有著深遠的影響，它所使用的深度學習技術有潛力顛覆一切：從你用手機的方式到你駕駛汽車的方式。

　　

　　首先，圍棋的征服之路可能還未結束。柯潔，這位來自中國的18歲天才世界圍棋冠軍，對自己的勝率似乎持謹慎樂觀的態度。在李世石第一局敗於AlphaGo之後，他稱「我有60%的幾率贏AlphaGo。」許多圍棋棋手都說他們希望能更多地了解AlphaGo；畢竟，它只公開進行過幾場比賽，便展現出了不同尋常的、極具破壞力的策略。AlphaGo最終很有向大眾展示，而當以後看到它和柯潔對弈時，我們也不必驚訝；李世石被選作AlphaGo的對手，是因為他在漫長的職業生涯中所建立起來的地位，但柯潔卻被認為是一個更為強大的棋手。DeepMind的創始人戴米斯?哈薩比斯也宣稱其公司計劃測試一個沒有經過任何人類訓練經歷的版本，換而言之，這個程序需要自學圍棋。

　　但無論如何，有關一台電腦是否可以成為世界一流圍棋棋手的爭論現已塵埃落定。就全透明的遊戲(各方都能看見所有數據)而言，一切成就都已達成。對於非全透明的遊戲(比如多人無限制撲克)，人工智慧依然有些問題，但接下來的攻克前沿很有可能是電子遊戲；過去數周，我已經數次聽人提起暴雪娛樂經典的實時戰略遊戲《星際爭霸》。鑒於《星際爭霸》持久的受歡迎度和其在韓國萬人空巷的地位，想象未來一個高調的電腦-電子遊戲比賽並非難事。

　　上周，當我問起哈薩比斯時，他似乎對於《星際爭霸》有了想法，但他同時也說DeepMind只對那些處在主流的遊戲有興趣。「這些遊戲可以當作測試平台，用來編寫我們的新演演算法，或是用來測試我們做得有多好；這麼做很有效率，但我們最終還是要將這個程序應用於真實世界中的大問題中去。」

　　這個問題存在在人類還需要更快的學習技能和更有效的數據處理來幫助他們進行決策。在谷歌，機器學習和深度神經網路早已大規模使用，譬如用在搜索和無人駕駛汽車項目中。在以上任何區域，AlphaGo的經驗可都以收穫不斷累積增加的改進；你可能在還沒意識到那些改進之時就能感受到它帶來的便利。

　　

　　計算機科學家傑夫狄恩被很多谷歌人認為是這家公司最聰明的人。他主管谷歌大腦的深度學習研究項目，並且已經將很多概念應用到這家公司的產品中。目前谷歌排名第三的搜索信號器RankBrain是一個新的深度學習神經網路，該將過去兩年在搜索詞條排名上最大的改進歸功於它。機器學習同時也被用在一些更明顯、更直面用戶的地方，比如谷歌照片的搜索功能和自動撰寫電子郵件回復。

　　谷歌是家靠收集數據、出售廣告位置來賺取大部分利潤的公司，理所當然地對那些可以提升數據收集效率的新技術感興趣。當我問及狄恩機器學習是會幫助谷歌增強其核心業務還是會幫其擴展新的業務渠道時，他回復到：「我不認為這是非黑即白的，」他說，「我們會用這些技術來改進我們的核心產品，在很多情況下我們會對數據收集有著更深的理解，而這會極大地幫助我們設計新特點。但它也會幫助我們設計一些新穎有趣的產品，即便是在那些我們之前從未深度了解的區域。因此這種改進是雙方面的；我並不知道哪個會更重要，但我覺得他們應該會齊頭並進。」

　　當我向Alphabet主席、谷歌前CEO埃里克?施密特問及機器學習會以何種方式提升該公司時，他回答道：「想想谷歌干過的那些大事。我們有大量搜索，大量廣告，大量顧客和大量數據中心；那麼多次，我看見我們有許多人用著谷歌電腦或是我們的安全軟體。只要有許多人在用同一件產品，我們也許就可以用機器學習，用觀察和反覆訓練讓這一過程更有效率。」

　　「我認為我們將來在任何地方都會用上機器學習，」施密特繼續道，列出了這家公司傳統的搜索和廣告服務、無人駕駛汽車以及一個名為「Verily」的醫療健保部門，「在我看來，Alphabet公司的每一個部門都會用上這個技術。」

　　作為一家公司，DeepMind雖然和谷歌大腦保持聯繫，卻和谷歌的其他部門接觸甚少。「在優化搜索進程的項目中，我們對自己工作內容有相當大的自由度，」哈薩比斯告訴我，「當然，我們實際上也參與到谷歌內部的很多研發項目中去，但他們都在研發的早期階段，所以現在就討論他們有點為時過早。」哈薩比斯稱谷歌大腦的項目研發周期比DeepMind更短，加自身站得高看得遠，所以可以關注更多的產品。

　　

　　所以DeepMind接下來的一步是什麼呢？值得注意的是，AlphaGo並不是這個團隊唯一的項目，甚至不是最大的那一個。DeepMind已經將智能手機助手、健保和機器人研發作為其最終目標。至於AlphaGo，雖然他只是一個下圍棋的系統，哈薩比斯稱它的原則也可以用於處理真實世界的問題。

　　哈薩比斯認為我們在接下來幾年就會見到由先進機器學習輔助的智能手機助手。「我的意思是剛開始會很微妙，但某些方面會越來越好。也許在四到五年或是五年多，你就會看到(手機助手)功能的重大飛躍。」

　　哈薩比斯說道「我只是希望智能手機助手可以變得真正聰明起來，能夠理解上下文，也能對於我們想要做的事有著更深的理解。」。他一直相信類似的系統需要依賴於AlphaGo之類的學習程式中，而不是遵從那些提前寫好的對話路徑。「目前大部分的系統都非常脆弱；只要你拆除那些提前編好程序的模板，那些系統就變得毫無用處。因此我們需要讓它們變得富有適應性和靈活性，也更加強壯。」

　　醫療保健就有點遠了。DeepMind已經宣布和英國國家醫療服務體系結成合作夥伴，但到現在為止所有細節都只是一個數據追蹤的手機應用。哈薩比斯稱，在發布更加高級的工具之前，他們的首要目標是要讓英國國家醫療服務體系習慣上現代的移動手機軟體。

　　我們現在培訓沃森

　　IBM已經開發了名為「沃森」的「認知學習」平台，向醫療保健領域進軍；但他們的技術和DeepMind略有不同。這套系統開始於一台參與《危險邊緣》遊戲的超級電腦，但後來又向雲系統和預測性分析和性格分析之類的工具邁進。迄今為止，這套系統已經開始和斯隆凱特林紀念所展開合作，用來輔助泰國和印度兩家醫院的醫生診斷乳腺癌、肺癌和直腸癌；儘管系統自身並不能診斷出疾病，它能夠向醫生指出那些值得特別注意的身體部位並提出一些可能的療法。

　　「我們現在正在訓練沃森去看，」屈臣氏健康副總裁凱西麥格羅蒂說道，「沃森已經學習了多年的圖像分析，而我們現在也有來自Merge醫療保健的圖像數據來加速我們的研發能力。因此沃森將不僅可以識別出醫療圖像中的異常，也能夠在類似於Fitbit手環提供資料的幫助下推斷出那些異常的意義。」

　　

　　其最終，也許可能是最遠的主要應用就是我們目前所討論的人工智慧讓機器人學習。通過收購波士頓動力公司以及它自己的無人駕駛汽車計劃，谷歌在這一領域相當活躍。「我覺得機器人學真的是一個最無限的可能，」谷歌的傑夫?迪安說道，「我們買下了一大堆機器人公司，但深度學習以及將其應用到機器人學中的能力，尤其是通過視力實現運動的能力，在接下來幾年會變得相當有趣和重要。」

哈薩比斯說他對機器人學還沒有產生過太多思考。「很明顯，無人汽車是一種機器人，但它們大部分都只涉及到了淺層的人工智慧，儘管使用人工智慧學習的電腦版。特斯拉目前使用的是標準的電腦版就是基於深度學習的技術。」哈薩比斯引用家庭清潔和老年人護理作為學習性人工智慧機器人可能的發展方向，但很明顯這個概念還有點超前。

　　就目前而言，AlphaGo的成功已經吸引了全世界的注意力；儘管人工智慧目前的具體應用項目仍不多，它也重新點燃了主流社會對人工智慧的興趣。認為電腦已經可以在那些先前認為需要「無法量化的直覺」才能完成的任務中超越人類的想法變得很有吸引力。

　　這個想法，對某些人來說也很困擾。在前一陣對AlphaGo的報道中，我感到稍稍失望的就是對電腦主宰另一個領域的恐懼等一系列反應，但我認為這些反應都沒能看到過去一周所表露出來的真正的意義。實際上，是活生生的人類建造了AlphaGo，解決了他們所獻身的領域的最古老也是最大的挑戰之一。DeepMind的成就有著深遠的意義，對我們未來的生活方式也有可能有著極大的正面影響。

　　正如埃里克?施密特在這場比賽的開幕式中所說的那樣：「這場比賽的結果無論如何，贏家都是人類。」(蝌蚪君編譯自theverge，譯者 薛定諤的貓)