对话 DeepMind 创始人 Demis Hassabis：AI 将会如何重塑我们的世界？

当然不是，我的意思是说《她》是现在主流的观点。我只是觉得我们想让这些智能手机助手变得智能、能情境化并且可以对我们想做的事有一个更深的理解。而目前，大多数的系统还非常脆弱，一旦你使用了他们没有预先编程的模板，那他们就完全没用了。所以这还是有关实用性、灵活性以及可靠性的问题。

那你们需要什么样的突破以提升它？为什么我们不能再明天就用上它呢？

事实上我们是可以的，我只是觉得我们需要一种不同的方式。再说一次，这是在预先编程和自我学习之间的对立，而目前，几乎所有的智能手机助手都采用的是预先编程的方式，因此它们也非常脆弱，，因为它们只能做已经编程好了的事。但真实的世界是非常复杂的，用户会用你做许多你意想不到的事。而我们对 DeepMind 的坚信就在于这个基本原则：你研究智能的唯一办法就是从根本性和普遍性上学习。

AlphaGo 成功的方法是学到了许多不同的游戏模式，但这种方法如何应用到智能手机当中呢？毕竟人们向智能手机输入的内容五花八门。

我同意你的意见，因此数据量非常大，而你可以从中进行学习。事实上，我们将会在接下来的几个月继续调整 AlphaGo 的算法，我们认为我们可以摆脱监督式的学习方式，能够完全做到自我发挥，能够从一张白纸成长起来。这段路可能会很长，因为你需要测试和犯错误，所以也许我们需要几个月的时间。但我们觉得让 AlphaGo 由纯粹的自我学习成长起来是可能的。

这可能吗？你们的算法已经达到这个程度了吗？

不，我们可以在算法没达到之前就能完成。因为它不是开发出更强大的程序，我们只是让它使用纯粹的学习方法。我们认为目前的这个算法能够在没有监督的情况下运行。

这会更容易吗？比如它的失败迹象会更明显吗？

它会更容易，因为分数会变得更规则。在围棋中，想要判断你的胜负，你只需得到一个分数就够了，这被称为所谓的「信用分配问题」，它的问题在于当你在围棋中下了一百颗棋子之后，你并不知道哪些是让你赢的、哪些是让你输了的，因此，判断的信号会变得相当微弱。而在其他的一些游戏中，你所做的大多数举动都能给你一个分数，因此你会有效仿的对象。

你能给出一个时间表吗？合适人们才能在手机上见到这些变化？

我认为在接下来的两到三年中，人们就能见到这些变化。我的意思是，它的开始是很微妙的，只是让某些方面变得更好了而已；但也许四到五年之后，你就能开始看到一些大的变化了。

根据你所确定的未来的可能性，这会是让你们同 Google 连接起来成为一个整体的那一部分？

是的。

你有没有得到任何的指示去让你上面提到的这些技术契合到 Google 的产品路线图中去？

没有，对于我们想要做的事，我们拥有非常自由的选择权。那就是我们的使命，也是我们选择加入 Google 的原因，在过去的几年它从未改变。当然，我们也同许多 Google 内部的产品一起工作，但它们还都在非常初级的阶段，因此 Google 还不想谈论这些。智能手机助手当然是我认为非常重要的核心部分，我也认为 Sundar Pichai 也已经多次谈论过将其作为 Google 未来发展的核心了。

Google 自己也有一些创新部门，比如 Google Brain，它们也面向用户推出了像 Google Photos 这样的机器学习产品。

这样的产品到处都是。

你觉得你们和 Google Brain 有互动吗？你们之间的工作有重叠的地方吗？

当然有了，事实上我们是非常互补的部门。我们每周都有交流。Brain 主要关注在深度学习方面，而他们也有像 Jeff Dean 这样杰出的工程师，因此他们能融入到公司的每一个角落中，这也是为什么我们能见到 Google Photos 这样优秀的产品的原因。他们目前正在着手进行一项非常重要的工作，因为他们的部门在 Moutain View，所以他们离产品部门更近，他们也有 12-18 个月不等的研究周期。而我们则更多的关注在算法开发上，我们想要做的事通常时间周期都在两到三年之间，我们不需要在一开始就关注在产品上。

Google 对 AlphaGo 的帮助大吗？如果没有他们，你能完成这项工作吗？

Google 的帮助当然很大。AlphaGo 在硬件上的运行要求并不大，但是我们需要很多的硬件设施去训练它、去测试不同的版本并且在 Google 的云端进行比赛训练。这些都对于硬件设施有很高的要求，因此我们不可能在没有这些资源的情况下、在这个时间范围内完成它。

改变机器人的世界

再让我们聊聊机器人吧。我驻扎在日本，这里被认为是机器人的精神家园。我认为机器人目前在这个国家在两个方向上被使用，Fanuc 这样的公司制造工业化机器人，他们能够在一个固定用途上做出令人惊讶的工作；而像软银的 Pepper 这样的公司则开发一些礼宾式的机器人，他们很有野心，却又用途有限。那你的想法是什么？

是的，就像你所说的 Fanuc 一样，他们的产品拥有很出色的身体机能，但缺少的是智慧。而那些礼宾式的机器人则更像是智能手机助手，都是使用模板进行预先编程那种样式的，如果你做了什么他们无法理解的事，他们会非常困惑。

所以我猜目前最显而易见的问题就是像机器学习这样的技术如何才能推动机器人的能力发展。

这是两种完全不同的思路。我们人类从基础上就拥有了学习新事物和应对突发事件的能力，而我认为这才是机器人或者软件在真实世界中所需要具备的能力，他们也需要拥有正确使用这种能力的方法。我觉得机器人的学习路径最终会走上正轨的。

目前你能看到的最直接使用学习方法的机器人案例是哪个？

我还没太想过这个问题。显然自动驾驶汽车会是其中的一种，但他们目前使用 AI 的场景太有限了，尽管它们能在计算机视觉方面使用 AI 学习技术，Tesla 就使用了基于深度学习的计算机视觉技术。我相信在日本肯定思考过不少这方面的事，比如能够照顾老人的机器人，或者是家庭清扫方向的机器人，它们都会在社会中非常有用，尤其是在一个人口老龄化问题严重的国家。

为什么这种更加以学习为基础的方法会对实际的使用有这么大的帮助？

你只需要去思考「为什么我们还没有这些东西」就好了。为什么我们还没有一个能够清扫家庭的机器人？这就是因为我们每个人的家里都是不同的，比如布置、家具之类的，即使是你自己的房子，它每天的状况甚至都是不同的，有时它很乱、有时又没那么乱。因此，你不可能使用一个预先编程的办法去解决你的家庭清扫问题，对吧？并且，在类似衣物折叠这类问题上，你还会有自己的喜好问题，这就更复杂了。我们觉得这些问题对人类来说没什么难的，但事实上我们所处理的是非常复杂的问题。

这只是一个个人的好奇，你有机器人吸尘器吗？

额…我们没买，但是它真的不是很好用…

因为我买了一个，它并不是「特别」好用，但是我发现我能学习到它的那些怪癖并能与它一起工作，因为我很懒，而它所带来的好处是值得我付出这些的。所以，我很好奇说，当我们拥有了更先进的机器人时，那个「足够好」的引爆点是哪个？我们会在它能达到有意义的人类层面的交互之前就停止前进吗？

我想这是有可能的。我想我们每个人都会去购买价格合理的机器人，因为它能够处理垃圾、帮我们打扫卫生，无论如何，这些非常蠢得机器人确实很受欢迎，而它们也确实没有任何智能的地方。因此，我想我们所进的每一步都会是非常有用的。

那么，你对未来人类、机器人与 AI 之间的互动有什么用的期待？很明显，人们目前都在科幻小说中幻想美丽的场景。

我自己并不会做太多机器人方面的想象，真正令我感兴趣的还是 AI 在科学上的应用以及它的进步和发展。我想要看到 AI 助手在科学上帮助人类处理很多艰苦的工作、检索有趣的文章、在大量数据中发现相关结构、并且协助那些真正能够做出重大突破的人类科学家去工作。几个月之前，我和欧洲粒子物理研究所（CERN）有一场对话，很明显，他们创造出的数据比地球上的任何人都要多，而我们都知道可能有新的粒子就躺在那些海量的硬盘当中，但没人能够分析出它们，因为数据实在是太多了。因此，我想如果有一天 AI 能够参与到发现新粒子的过程中去，那会是非常酷的一件事。

我觉得这是一个非常有戏剧性的结束方式。

文中图片均来自 The Verge

文章转载自极客公园 作者：龟途慢慢