揭秘AlphaGo背后团队：人工智能的下一个目标是什么？

攻克围棋，仅仅是AlphaGo背后Deepmind团队的步。

近日，Deepmind创始人Demis Hassabis在接受The Verge采访时透露， AlphaGo仅仅是谷歌人工智能项目的一个分支。在未来，Deepmind主要目的是“用人工智能解决一切问题”，并将进一步探索人工智能在医疗、机器人以及手机等多个领域的应用。

回溯Demis Hassabis的成功之路，从一个获得过5次智力奥林匹克冠军的国际象棋神童，到两科优等成绩获得剑桥大学计算机科学学位的青少年，再到创造了款包含人工智能的视频游戏《主题公园》并创立了开创性的视频游戏公司Elixir1，之后离开游戏产业深造神经科学的PhD学位后于2010年创立Deepmind团队，你会发现他的经历十分与众不同。

Hassabis接受The Verge采访时正值AlphaGo首胜李世石九段的次日清早，如果说这个时候他把来自媒体的追问抛到九霄云外似乎也无可厚非。然而他却依旧热情友好，当Google方面的代表告诉Hassabis一夕之间有超过3300篇韩国媒体关于他的采访时，Hassabis表示出了明显的诧异：“这真是难以置信，不过看到一个高深莫测的东西在短时间内变得如此受欢迎，还是一件有趣的事情。”

围棋将是永恒的圣杯

据Hassabis称：“围棋一直位于完美信息游戏的顶峰之处，在可能性方面围棋比国际象棋复杂得多，所以，尤其是在深蓝之后，围棋对于人工智能来说意味着可望而不可及的圣杯。尽管我们做出了很多的努力，但仍旧没有特别深入的领悟围棋。蒙特卡罗树搜索可以说是十年前的一项重大革新，但是我认为对于AlphaGo的研发更为重要的部分在于我们引入了深度神经网使得人工智能拥有了所谓的直觉方面的判断力。可以说好的直觉是令顶尖棋手出类拔萃的关键原因，在昨天的比赛的实时解说中，当我看到麦克雷蒙九段在计算结果方面表示很难判断的时候，再次感到写出一套围棋价值判断的程序极其困难。

此外，对于AlphaGo在实战过程中下出的一些出其不意的招数，Hassabis表示十分震惊：“我相信李世石也会是同样的感觉，从他的面部表情上面可以观察出来，当AlphaGo向左进击李世石的领域时，我承认这的确出人意料。”同时他也认为，AlphaGo的下法极具进攻性，在某种程度上来说，AlphaGo在用李世石的长项来进行对抗。Hassabis说：“李世石以奇招频出和善于把控局势闻名，可以说AlphaGo在场比赛中下出了我们想要看到的局面，在开始的时候，它只是在整个棋盘上进行布局并没有实质地占领某块区域。传统的围棋程序之所以具有明显的短板，是因为它们精于计算却缺乏一种大局观。”

为何AlphaGo的胜利意义重大

举办这场比赛的初衷在于评估AlphaGo 的能力，谈及从AlphaGo的胜利中学到了什么以及未来它的发展方向，Hassabis表示：“通过比赛我们意识到我们目前所处的环节比之前预计的更加先进。对于完美信息游戏，围棋一直位于金字塔尖，还有许多顶级的围棋高手等待对决。此外，还有很多其他的游戏，比如说无限制扑克，因为是不完美信息游戏，因此多人游戏也是一个挑战。显而易见所有人类比机器玩儿的好的电子游戏也可以被考虑其中，比如说《星际争霸》在韩国也是非常受欢迎的。在信息不完美世界里，策略游戏对决策能力有极高的要求，因为能够被看到的仅仅是全局的一部分。而在围棋之中全盘情况都是可视的，这点对于电脑来说会使游戏略微容易一些。”

尽管用人工智能进行游戏对战刺激有趣，但是Deepmind团队还是希望将人工智能用于更多主流的项目当中。Hassabis表示他本人对游戏十分感兴趣，也许是曾经写过游戏，但是目前来说，游戏仅仅是提供测试平台用来测试我们的算法并且评估它们的等级的一个行之有效的办法。而Deepmind的终极目标在于用人工智能解决真实世界中的棘手问题。

谈及自己过去从事游戏行业的经历对现在有何影响时，Hassabis说：“可以说创立Deepmind一直以来是我的最终目的，我用了近20年筹划这个事情，如果你从一个最终我将要从事人工智能研究的角度审视我的经历，你会发现我的每一步选择都是朝向人工智能的，熟悉我的Bullfrog员工都知道，我写的所有游戏的核心都是与人工智能相关的。在16岁的时候写《主题公园》游戏的时候我次意识到如果我们全力以赴进行研究，人工智能的前景不可估量。这款游戏十分畅销，说明玩家享受其中，因为人工智能十分贴合玩家的心意。因此我继续在游戏领域进行拓展，然而在2000年的时候我感觉到我们已经在’从后门偷偷逼近‘人工智能研究的路上走到了尽头，因为不管怎么样你的最终目标都只是做出一款游戏，所以我转而去学习神经科学，以期在人工智能领域有所进展。”

Hassabis认为人工智能在90年代最直观的应用即是体现在游戏行业，那时，学术界的研究没有什么动静，一些诸如增强学习、深度学习、神经网络等新技术都没有得到应用与推广，所以游戏成为人工智能最好的应用领域，当然那时的人工智能与现在大相径庭，当时的人工智能更像是较为复杂的有限状态机(FSM)，游戏Black &White中应用到了增强学习技术，到目前为止我仍旧认为这是在游戏中应用最复杂的案例。然而到了2004年左右，游戏行业发生了很大的变化，不再像90年代那样只要你有一个不错的点子就可以做一款游戏，游戏行业变得更加注重画面感，并且官方授权也变得十分重要，像FIFA系列游戏就是一个很好的例子。所以我认为做游戏不再像以前那样有趣了，并且我已经在游戏领域积蓄了创立Deepmind所需的信息与经验，这个时候神经科学引起了我的兴趣，我很想从明白大脑解决问题的过程中获得灵感，所以读一个神经科学的PhD再合适不过了。”欢迎转载，转载请注明作者和出处！