配圖:DeepMind聯(lián)合創(chuàng)始人兼CEO德米斯·哈薩比斯
北京時間4月23日消息，谷歌旗下人工智能研究部門DeepMind聯(lián)合創(chuàng)始人兼CEO德米斯·哈薩比斯(Demis Hassabis)近日在英國《金融時報》上撰文，全面闡述了人工智能如何幫助人類在理解未知世界方面取得當(dāng)前難以想象的飛躍。
以下即為文章全文:
現(xiàn)代文明是一個神奇的壯舉，一個可由科學(xué)實(shí)現(xiàn)的壯舉。每次乘飛機(jī)的時候，我都驚訝于使我們能夠翱翔在云層之上的技術(shù)——這種技術(shù)使得乘飛機(jī)旅行成為家常便飯。我們已經(jīng)繪制了基因組圖譜，開發(fā)了超級計算機(jī)和互聯(lián)網(wǎng)，向彗星發(fā)射了探測器，在粒子加速器中以接近于光速的速度擊碎了原子，并實(shí)現(xiàn)了人類登陸月球的偉業(yè)。我們是如何做到這一切的呢?當(dāng)一個人開始去思考我們的大腦所能實(shí)現(xiàn)的成就時，這確實(shí)是一件了不起的事情。
科學(xué)方法可能是人類所擁有的最強(qiáng)大的一個創(chuàng)意，而啟蒙運(yùn)動以來的進(jìn)步更是驚人。但是，我們目前正處于一個關(guān)鍵時刻，我們需要掌握的許多系統(tǒng)都極為復(fù)雜——從氣候變化、宏觀經(jīng)濟(jì)問題到阿爾茨海默式病。我們能否解決這些挑戰(zhàn)以及我們解決此類挑戰(zhàn)的速度，將會影響未來數(shù)十億人的福祉及我們所生活的環(huán)境。
問題恰恰在于，這些挑戰(zhàn)非常復(fù)雜，即使是世界頂尖的科學(xué)家、臨床醫(yī)師和工程師，也很難領(lǐng)悟取得這些突破所需要的一切復(fù)雜性。據(jù)說，萊昂納多·達(dá)芬奇(Leonardo da Vinci)也許是他那個年代最后一個完全明白知識廣度的人。從那以后，我們不得不擁有某種專長，而今天，即使是天體物理學(xué)或量子力學(xué)等單一領(lǐng)域的知識，也需要一個人傾注畢生精力才能完全掌握。
我們現(xiàn)在想要理解的那些系統(tǒng)是以大量數(shù)據(jù)為支撐——通常是高度動態(tài)、非線性、具有突現(xiàn)屬性的數(shù)據(jù)，使得我們難以從中找到某種結(jié)構(gòu)和連接，揭示其中隱藏的奧秘。開普勒和牛頓可以通過方程式來描述地球上行星和物體的運(yùn)動，但當(dāng)今的問題極少可以簡化成一套簡潔而緊湊的公式。
最艱巨的科學(xué)任務(wù)之一
這恰恰是我們這個時代所面臨的最大科學(xué)挑戰(zhàn)之一。阿蘭·圖靈(Alan Turing)、約翰·馮·諾依曼(John von Neumann)、克勞德·香農(nóng)(Claude Shannon)等現(xiàn)代計算機(jī)時代的奠基人，都明白信息理論的核心重要性，而今天我們已經(jīng)意識到，幾乎所有的東西都可以在這種模式下進(jìn)行思考或表達(dá)出來。這一點(diǎn)在生物信息學(xué)領(lǐng)域體現(xiàn)地最為明顯——在那個領(lǐng)域，基因組實(shí)際上就是一個巨大的信息編碼模式。我相信有朝一日，信息將被視為與能源和物質(zhì)同等重要的東西。
智能的核心在于，它可以被視為一個將非結(jié)構(gòu)化信息轉(zhuǎn)化為有用且可操作知識的過程。作為一個我傾注畢生精力所從事的研究項(xiàng)目，人工智能的科學(xué)承諾是，我們可以綜合、自動化和優(yōu)化這一過程，進(jìn)而以技術(shù)為工具，幫助我們在一些領(lǐng)域快速獲得新知識——對人類來說，這些領(lǐng)域目前仍然令人不堪重負(fù)。
今天，從事人工智能研究成了一件非常時髦的事情。然而，人工智能一詞可能意味著無數(shù)取決于語境的事情。在我參與創(chuàng)辦的公司DeepMind，我們所采取的方法側(cè)重于學(xué)習(xí)和普遍性概念，目的是開發(fā)我們可用于科學(xué)研究的人工智能。如果我們想要電腦去發(fā)現(xiàn)新知識，那么我們就必須讓它們真正掌握自學(xué)能力。
我們開發(fā)的算法可以學(xué)習(xí)如何直接從原始經(jīng)驗(yàn)中掌握任務(wù)，這意味著它們所獲得的知識最終是基于某種形式的感官現(xiàn)實(shí)而不是抽象符號。我們進(jìn)一步要求它們必須感覺到，具有相同參數(shù)的相同系統(tǒng)可以在一系列任務(wù)中表現(xiàn)良好。
DeepMind曾在2015年《自然》雜志上闡述了這兩個原則，并稱一個計算機(jī)程序通過“自學(xué)成才”，可以玩幾十種經(jīng)典Atari游戲，這種游戲除了屏幕上的像素和得分外，不需要其他任何形式的信息輸入。我們還使用系統(tǒng)級神經(jīng)科學(xué)作為新算法和結(jié)構(gòu)思想的主要靈感來源。畢竟，大腦才是我們唯一存在的證據(jù)，證明基于體驗(yàn)的通用型學(xué)習(xí)系統(tǒng)是可以實(shí)現(xiàn)的。
人工智能發(fā)展史上的里程碑
這與我們許多前輩的做法完全背道而馳。通過比較在游戲領(lǐng)域取得世界第一的兩項(xiàng)突破性研究，或許最能體現(xiàn)出這種差異:IBM的“深藍(lán)”(Deep Blue)超級計算機(jī)(1997年擊敗了世界象棋冠軍加里·卡斯帕羅夫)，以及我們最近的AlphaGo計劃(去年在世界最復(fù)雜的游戲圍棋比賽中擊敗了世界冠軍李世石)。
“深藍(lán)”使用了所謂的“專家系統(tǒng)”(expert systems)方法:一個程序開發(fā)團(tuán)隊(duì)與幾位國際象棋大師坐下來商討，如何將他們的知識明確地提煉出來并編寫成一套復(fù)雜的試探程序。接著，超級計算機(jī)就使用這些規(guī)則來評估海量的潛在變量，盡全力計算出正確的方法。
“深藍(lán)”戰(zhàn)勝卡斯帕羅夫是人工智能發(fā)展歷史上的一個重大里程碑。但是，這場勝利只是更多地證明了IBM開發(fā)團(tuán)隊(duì)和國際象棋大師的聰明才智以及當(dāng)代硬件的計算能力，而不是程序本身的任何內(nèi)在智能。在國際象棋大師卡斯帕羅夫被擊敗后，圍棋成為人工智能研究的“新圣杯”。
圍棋具有大約3000年的歷史，在亞洲具有深遠(yuǎn)的文化影響，不僅被認(rèn)為是游戲，還是一種藝術(shù)形式，其職業(yè)冠軍是公眾崇拜的偶像。圍棋的潛在下法數(shù)量達(dá)到10的171次方，超過了可觀測宇宙范圍內(nèi)的原子總數(shù)，即10的80次方，因此即使窮盡整個宇宙的物質(zhì)也不能存下圍棋的所有可能性。人類頂尖圍棋選手往往通過直覺和本能來處理這種巨大的復(fù)雜性，而國際象棋棋手則更依賴于精確計算。
至于AlphaGo，我們意識到為了捕捉圍棋的這種直覺，我們必須采取與“深藍(lán)”等國際象棋程序截然不同的方法。我們使用包括深層神經(jīng)網(wǎng)絡(luò)在內(nèi)的通用技術(shù)來構(gòu)建學(xué)習(xí)系統(tǒng)，而不是手工編碼的人類專家策略，并向其展示了數(shù)千個功能強(qiáng)大的業(yè)余游戲，以幫助它形成自己對于人類游戲玩法合理性的理解。
然后，我們用不同版本的系統(tǒng)玩了數(shù)千次游戲，每次從錯誤中不斷學(xué)習(xí)并逐漸改進(jìn)，直到系統(tǒng)變得異常強(qiáng)大。2016年3月，我們做好了進(jìn)行終極挑戰(zhàn)的準(zhǔn)備:與世界頂尖圍棋棋手李世石(Lee Se-dol)對決，此人獲得過18個世界圍棋比賽冠軍，被廣泛認(rèn)為是過去十年最偉大的圍棋選手。
人工智能對科學(xué)發(fā)展的益處
超過2億人在線觀看了這場對決，最終AlphaGo以四比一戰(zhàn)勝李世石，專家們對此的一致意見是，這一突破比預(yù)期時間提前了十年。更為重要的是，在比賽期間，AlphaGo下出很多創(chuàng)造性的絕招。令人驚訝的是，其中一種下法顛覆了數(shù)百年來的智慧結(jié)晶，并從此被棋手們深入研究。在獲勝的過程中，AlphaGo向全世界傳授了這項(xiàng)可能是歷史上最受關(guān)注的游戲的全新知識。
這些算法獲得靈感的瞬間讓我們終于明白人工智能為何對科學(xué)如此有益:機(jī)器輔助科學(xué)發(fā)現(xiàn)的可能性。我們相信，AlphaGo的基礎(chǔ)技術(shù)是通用的，可以被廣泛應(yīng)用于其他一系列領(lǐng)域，特別是可以優(yōu)化的、具有明確目標(biāo)功能的領(lǐng)域，以及可以精確模擬的環(huán)境中，從而實(shí)現(xiàn)高效的高速實(shí)驗(yàn)。
例如，在能源效率方面，我們使用這些算法的一個版本，就發(fā)明了一套能將谷歌數(shù)據(jù)中心能耗降低40%的新技術(shù)，我們現(xiàn)在正在谷歌所有數(shù)據(jù)中心推廣這種新技術(shù)，希望最終能實(shí)現(xiàn)巨大的成本節(jié)約，并為環(huán)境做出巨大的貢獻(xiàn)。
我們認(rèn)為，在接下來的幾年間，科學(xué)家和研究人員使用類似的方法，將會給人在超導(dǎo)材料設(shè)計到藥物發(fā)現(xiàn)等多個領(lǐng)域產(chǎn)生深刻見解。在許多方面，我看到人工智能就好比是“哈勃”太空望遠(yuǎn)鏡，后者是一種科學(xué)工具，可以讓我們看得更遠(yuǎn)，更好地了解宇宙。
加深對人類自身的了解
當(dāng)然，像任何強(qiáng)大的技術(shù)一樣，人工智能也必須以負(fù)責(zé)任、有道德的方式進(jìn)行使用，使每個人都從中受益。我們還必須明確認(rèn)識到人工智能算法的實(shí)用性和局限性。但是，由于對人工智能的密切關(guān)注，加上對相關(guān)數(shù)據(jù)質(zhì)量影響的更多研究，我們終有一天會發(fā)現(xiàn)，人工智能通過發(fā)現(xiàn)可逃過人眼的模式和來源，在支持各類專家的工作方面發(fā)揮至關(guān)重要的作用。
正是科學(xué)家與算法之間的這種合作，將決定著未來幾十年里科學(xué)進(jìn)步的具體成就。我相信，人工智能將成為科學(xué)家可以部署的解決方案，進(jìn)而提升我們的日常生活質(zhì)量，使得我們所有人都能更快、更高效地工作。如果我們可以廣泛、適度地部署這些工具，創(chuàng)造一種生機(jī)勃勃的環(huán)境，讓每個人都能參與并從中受益，那么我們就有機(jī)會豐富和推進(jìn)人類的整體發(fā)展。
在此過程中，我們可能還會學(xué)到一些關(guān)于我們自己的東西。我一直覺得物理和神經(jīng)科學(xué)在某種程度上是最根本的學(xué)科:一個與外部世界有關(guān)，另一個與我們頭腦中的內(nèi)部世界有關(guān)。因此，兩者之間涵蓋一切東西。人工智能可以幫助我們更好地理解這兩個學(xué)科。當(dāng)我們發(fā)現(xiàn)了更多有關(guān)學(xué)習(xí)過程本身的事情，并將其與人類大腦進(jìn)行比較時，我們有一天就可以更好地了解使人類獨(dú)一無二的東西，比如揭示思維中一些長期未解的謎團(tuán)，如夢想、創(chuàng)造力、甚至是意識。
如果人工智能不僅可以幫助我們整個社會拯救環(huán)境、治愈疾病和探索宇宙，還能更好地了解我們自己，這也許最終會成為人類獲得的最偉大的發(fā)現(xiàn)之一。
