深度揭秘：击败李世石后，AlphaGo 的下一步是什么？

The Verge：1990年代后期，我在英国长大，从电脑杂志上看到你的名字与一些非常雄心勃勃的游戏联系在一起。后来当我第一次听说DeepMind、看到你的名字在里面的时候，我心想，“简直太配了”。你可以说说你是怎么从之前的游戏行业转到你现在做的事情上的吗？

Hassabis：当然。像DeepMind这样的东西一直以来都是我的终极目标。我为此策划了超过20年，从某些方面来说。如果你回顾一下我做的一切，从最终我开始致力于AI研究来看，我的选择就变得非常清晰了。如果你很熟悉我在Bullfrog工作室的事情还有后来一些别的事，你就会知道，对于我所写的一切程序、我所参与的一切活动来说，AI是核心部分。显然PeterMolyneux（Bullfrog工作室的创始人之一）的游戏都是AI游戏。当我16还是17岁的时候，我在编写《主题公园》的程序，那对我来说是一段非常重要的时间，让我意识到了如果我们真的试图拓展AI的能力、它能强大到怎样的地步。我们卖出了数百万份《主题公园》的游戏，有那么多人都沉浸于玩这个游戏，这是因为游戏里的AI能够适应你玩游戏的方式、做出改变。我们在此基础上继续前进，我也试图在我接下来的游戏生涯中继续往这个方向开拓。后来我离开了游戏行业，回到学术圈和神经科学界，因为我在2000年代中期感到我们在AI研究方面已经做到了极限——当你还需要真的做出一款游戏的时候。AI研究难以继续深入，因为发行商们只想要游戏，是吧？

The Verge：所以那时只是因为AI最显而易见的应用就是游戏吗？

Hassabis：当然，我是这么觉得的，我也确实认为我们当时做的AI极为前沿、让人几乎难以相信。我觉得1990年代学术圈还没有什么动静，而这些新技术——神经网络、深度学习、强化学习——也还没有真正得到推广。所以事实上那时候最好的AI在游戏行业。那不是我们现在致力于研究的这种AI，它更像是有限状态机（finite-statemachines），但是相当复杂、也能自我适应。《黑与白》之类的游戏中有强化学习——我仍然觉得这是强化学习用在游戏中的最复杂的一个例子。但是，随后在2004年、2005年左右的时候，很明显游戏行业走的路线与90年代不同了——90年代时它非常有趣也非常有创造力，你可以想出任何主意、然后实现它。但它后来变得更多的是在依赖于画质、续作、还有FIFA足球游戏等等，不再那么有趣了——我在游戏方面做了我能做的一切，是时候为了DeepMind的建立而去收集不同的信息了。那就是神经科学。我想要从大脑如何解决问题中获得灵感，那么还有比攻读一个神经科学博士学位更好的方法吗？

The Verge：这可能看上去是唾手可得的成果，不过如果你们现在将AI的进展应用到游戏上，会怎么样？

Hassabis：我觉得应该会真的很惊人。最近EA有人联系过我…【渴望的语气】我们应该会做的。有那么多事情可以做！【笑声】使用这些技术是非常通用的，我很想要做这件事。但是有带宽的限制在，并且我们现在精力集中在医疗和推荐系统之类的方面上。不过可能到某个时间我们就会做这件事，制作一些智能的、有适应能力的AI对手，并且我觉得游戏开发者们也会喜欢这样的——不必再为每个游戏都开发新的AI——届时可能他们只需要通过他们的游戏训练出一个AI就好了。

The Verge：我刚才想象了一下你在家打视频游戏，在NPC面前比我还要疲于奔命的样子。

Hassabis：当然【笑声】是的，在MMG（大型多人游戏）和类似游戏里这总是让我很受挫。我从来没有真的为这些游戏着迷，因为NPC都太蠢了。他们没有记忆，不会改变，不理解上下文。我觉得如果有了这种可以学习的AI，游戏就完全上升到另一个层次了。

The Verge：这周你带来的消息里，AI未来主要的用途是医疗、智能手机助手以及机器人。让我们来详细聊聊。医疗方面，举例来说，IBM的Watson在癌症诊断方面有所建树——DeepMind可以带来什么？

Hassabis：好吧，现在还只是雏形。我们几周前宣布了一项与NHS（英国国家医疗服务体系）的合作，不过这只是刚开始着手建立一个利用机器学习力量的平台。我觉得Watson与我们做的事情非常不同，从我的理解而言——Watson更像是一个专家系统，所以它是另一种形式的AI。我觉得你能看到这类AI做的事情会是医疗图像的诊断，然后可能有对于自我量化（quantifiedself）或是重要迹象的长期追踪，帮助人们有更健康的生活状态。我觉得这很适合用强化学习。

The Verge：在与NHS的合作中，你们推出了一款看上去没有怎么用到AI或是机器学习的app。这背后你们是怎么想的？为什么NHS要用这个app，而不是其他厂商推出的软件？

Hassabis：NHS的软件在我的理解中是相当糟糕的一个东西，所以我觉得第一步就是试着让它进入21世纪。它们并不是移动端的，完全不是我们作为今天的消费者理所当然认为能看到的那种样子。并且我觉得对于医生和护士来说它用起来让人觉得很挫败，降低了他们的效率。所以我觉得第一步是，帮助他们用上更有用的工具，比如可视化和基础统计信息。我们认为，我们会实现这样的功能，然后看清我们到底需要什么，随后再将更纯熟的机器学习技术运用其中。

The Verge：这一切有多简单？医疗资金在英国显然会是一个充满争议的话题。

Hassabis：当然，呃，好吧，我们正在免费做这件事【笑声】这让它变得很简单！这与大部分软件公司都有很大的不同。大部分时候是大型跨国公司制作这种软件，所以他们不会真正把注意力放到用户身上，而我们在设计它的时候更像是一种初创企业的方式，从用户那里倾听反馈、从某种程度上来说与他们一起设计一个软件。

The Verge：那么让我们谈谈智能手机助手。我看到你第一天的时候演讲PPT里有一张图来自电影《她（Her）》——这会是最终形态吗？

（编辑：云计算网_宿迁站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!