Google的智能设计师

起点学院产品经理365成长计划,2天线下闭门集训+1年在线学习,全面掌握BAT产品经理体系。了解详情

th

编注:什么才是真正的人工智能?需要预先编程预设场景和应对措施的AI显然算不上。因为那样的智能处理不了没碰到过的情况。真正的人工智能 应该能像人一样,会学习,懂得从失败中总结经验。要想做出这样的AI,显然第一需要了解大脑的机制,第二需要计算机模仿出这样的机制。8岁开始思考这两个 问题的Demis Hassabis,在38岁的时候已经迈出了实现这种人工智能的第一步。

Demis Hassabis 从小就是神童。他 4 岁开始下国际象棋,8 岁开始思考 2 个问题:1)大脑是如何学习掌握复杂任务的;2)计算机能不能效仿?

现在他 38 岁了。今年早些时候,在演示了超越人类水平的自学玩游戏能力之后,这位曾被 Mind Sports Olympiad 称为“史上最好的国际象棋选手”与人联合创办的人工智能初创企业DeepMind被搜索巨头Google以6.28亿(原来报道为4亿)美元收走了。

在今年温哥华举行的 TED 大会上,Google CEO Larry Page 一直对 Hassabis 滔滔不绝,并把他那家公司的技术称为是“很长一段时间以来我见到过的最令人兴奋的东西之一。”

研究人员已经开始研究如何利用 DeepMind 的技术改进 Google 的现有产品,如搜索等。但是 Hassabis 却有更大的期望。他希望 DeepMind 能开发出从小就想要的那种人工智能软件,那种面对几乎任何问题都能学习的智能,果真如此的话,它有可能改变计算机在许多领域扮演的角色。

文艺复兴人

Hassabis 探求理解和创造智能之路让他经历了三种职业:游戏开发者、神经科学家以及人工智能创业者。提前两年完成高中学业后,他从著名的英国游戏设计师 Peter Molyneux 那里得到了一份工作。17 岁时,Hassabis 就领导了经典的模拟游戏 Theme Park(主题公园,1994 年推出)的开发工作。然后他继续在剑桥大学完成了计算机科学的学位,并在 1998 年成立了自己的游戏公司。

但是开发计算机游戏限制了他践行自己的真正使命。最后他决定,是时候专注于把智能当作主要努力目标了。

于是 2005 年,他开始在伦敦大学学院开始攻读神经科学博士学位,希望通过研究真正的大脑来发现对人工智能有用的线索。他选择了海马体作为研究对象。海马体主要负责记 忆和学习以及空间导向,日常生活中的短期记忆都储存在海马体中,至今人类对它的认知还很少。Hassabis 说:“我选了一个我们还没有很好的算法来模拟的大脑功能区。”

作为一个高中没上过生物课的计算机科学家和游戏创业者,Hassabis 的表现超过了同部门的医学博士和心理学家。他说:“我经常开玩笑说我对大脑的唯一认知是,它是在头盖骨里面的。”

玩笑归玩笑,Hassabis 很快就做出了成绩。2007 年,他的一项研究被《科学》杂志评为“年度突破”。研究中他发现 5 位健忘症患者是因为海马体受损而很难想象未来事件。从而证明了大脑中以往被认为只与过去有关的部分对于规划未来也至关重要。

发现了记忆与预先计划的交错关系后,Hassabis 2011 年终止了自己的博士后研究,开始成立 DeepMind Technologies,其目标是“解决智能问题。”

得高分

这个公司是 Hassabis 与人工智能专家同事 Shane Legg 以及连续创业家 Mustafa Suleyman 一起创立的。公司招聘了机器学习方面的领先研究人员,还吸引到了一些著名的投资者,包括 Peter Thiel 的 Founders Fund 以及 SpaceX 的创始人 Elon Musk。但是 DeepMind 一直保持低调,直到 2013 年 12 月首次出席一次业界领先的机器学习研究大会时。

在太浩湖畔的哈利士赌场酒店里,DeepMind 的研究人员一开始演示他们的软件就令人惊艳。该软件可以玩雅达利的一些游戏,包括太空入侵者以及乒乓球等,而且比任何人都玩得好。更关键的是,软件事先并 没有获得任何有关如何玩游戏的信息;提供给软件的东西只有这几样:控制器、显示器、游戏得分,并告诉它尽可能得高分。程序通过不断地试错最后成了游戏高 手。

此前从未有人演示过具备这种能力的软件,即可以从零开始学习和掌握如此复杂的任务。事实上,DeepMind 利用了一种最近流行的机器学习技术—深度学习,这种技术通过大概模拟神经元的网络来处理数据。在场的人尽管都是专家,但还是有一点震惊,因为没人想到现阶段能做到这种程度。

不过,除了深度学习以外,软件还结合了一些其他的技巧,其中就包括强化学习技术。强化学习的灵感源自 B.F. Skinner 等动物心理学家的工作。它可以让软件通过做动作然后接收对动作效果的反馈来学习,人类和动物往往都是这么干的。

当然,强化学习也不是 DeepMind 先发明出来的,此前人工智能研究者已经折腾过数十年了。但是在 DeepMind 的 Atari 演示之前,还没有人开发过具备这种复杂学习能力的系统。其原因之一可能是 Hassabis 借鉴了他在海马体上面的发现。那个玩 Atari 游戏的软件的学习过程,部分就牵涉到了不断地重放过去的经历,以便尝试和提取有关将来应该怎么做的最精确提示。Hassabis 说,我们知道大脑就是这样工作的,人在睡觉的时候海马体会把一天的记忆重放给大脑皮层。

1 年后,Russell 等研究人员仍对 DeepMind 做出来的东西究竟如何得到如此显著成效感到困惑不已,并且还苦苦思索其他的用途是什么。不过 Google 却没有想那么久,在太浩湖进行完演示一个月之后就宣布收购了这家公司。

公司人

现在,Hassabis 是 Google DeepMind 的领导。其总部仍然位于伦敦,依旧把“解决智能问题”当做自己的使命宣言。加入 Google 时公司大概有 75 人,Hassabis 还打算再多招 50 人。其中约有 75% 从事基础研究的基础工作。剩下的则组建一支“应用研究团队”,寻找将 DeepMind 的技术应用于 Google 现有产品的机会。

比方说,DeepMind 的技术可以用于改进 YouTube 的推荐或者移动语音搜索。Hassabis 指出,未来几年 DeepMind 的若干技术就会嵌入到上述产品当中。当然,Google 并非唯一相信 DeepMind 的方案能赚大钱的人。上个月,Hassabis 因为其工作有可能令英国经济受益而获得了英国皇家学会的穆拉德奖。

不过相比之下,谈到除了调整一下现有产品的算法还能做什么时,Hassabis 显得更加兴奋。他梦想着创造出“人工智能科学家”,那种可以在实验室提出和测试有关疾病的新假设之类事情的软件。此外,他说 DeepMind 的软件还可以对机器人产生帮助。Google 最近在这个领域投入重金,迄今已收购了包括Boston Dynamics在内的 8 家机器人初创企业。Hassabis 解释说,目前没有更多的机器人做出更多有用事情的原因之一,是机器人往往需要预编程。所以在处理非预期情况或学习新东西时表现糟糕。

不过 Hassabis 不愿谈一些可能令人害羞的应用,也可能是因为他的研究人员在理解如何推进公司的人工智能软件这件事情上仍处于早期阶段。但是 Hassabis 显然认为一种新型的强大的人工智能很快就要到来,一个很强烈的迹象是他正在 Google 内部设立一个道德委员会,准备考虑先进人工智能的负面影响(注:比方说自动化让我们变蠢的隐患)。“我们或者 Google 的其他人都需要意识到这方面的问题。现在我们还在玩雅达利的游戏,”他笑道:“但是我们已经迈出了第一步了。”

原文来自technologyreview.com

译文来自36kr

您的赞赏,是对我创作的最大鼓励。

评论( 0

登录后参与评论
加载中