DeepMind 哈薩比斯：深藍算不上智能，AI類似于哈勃望遠鏡
新智元推薦
現代文明是一場奇跡，是科學讓其成為可能。每次坐在飛機上，我都會對飛行技術感到驚歎，它讓我們可以飛行在雲端。目前，人類已經繪製出了基因地圖、發明了超級電腦和互聯網、將探測器發送到了彗星上、在例子加速器中以接近光速的速度分解原子以及將人類送上月球。我們是如何做到這些的? 如果我們開始停下來思考人類這只有3磅重的大腦都實現了哪些成就，
科學方法可能是人類迄今為止擁有的最強大創意，沒有之一。並且，從啟蒙運動之後，人類在這一方向上取得的進步非常令人震撼。但是，我們現在處在一個關鍵的節點上，在這兒，許多我們需要把控的系統都非常複雜，從氣候變化到宏觀經濟議題再到阿茲海默疾病。
問題是，這些挑戰過於複雜，即便是世界上頂尖的科學家、醫生和工程師，如果想掌握所有的必要技術來實現突破，可能都會面臨層層阻礙。據說，達芬奇可能是最後一個全才，能夠掌握他所處的那個時代的所有知識。自那以後，我們開始走向專才，
我們現在想要理解的系統是由大量資料支撐的，通常是高度動態的，非線性的，並且具有緊迫性，使得我們難以找到其結構和連接以揭示隱藏在其中的洞見。開普勒和牛頓可以寫方程來描述地球上行星和物體的運動，但今天人類面臨的問題很少能直接簡化成一套簡潔而緊湊的公式。
這是我們所處的時代最大的科學挑戰之一。電腦時代的奠基人阿蘭·圖靈、約翰·馮·諾依曼、克勞德·香農，他們都深刻地理解了資訊理論的核心及其重要性。今天我們已經意識到，幾乎所有的東西都可以在這種範式中被思考或表達出來。這在生物資訊學中最為明顯，其中基因組實際上是一個巨大的資訊編碼模式。我相信有一天，資訊將會與能源和物質一樣，被視為是一種基礎性的存在。
其核心在於，智力（Intelligence）可被視為將非結構化資訊轉化為有用和可指導行動的知識的過程。人工智慧（AI）的科學前景，同時也是我將窮盡一生的事業，就是我們可以合成，自動化和優化這一過程，把技術作為一種工具，幫助我們快速地掌握新的知識，這些新領域的知識，如果沒有科學手段的幫助，人類是難以處理或者掌握的。
今天，研究 AI 已經變成了一件非常流行的事，但是“AI”這一術語本身在不同的情境下，會有多維度的含義。我們在DeepMind 所採用的方法，聚焦於“學習”和“通用”這兩個概念，目的是開發出科學所需要的 AI。如果我們想讓電腦去發現新的知識，我們必須首先賦予它們真正的學習能力。
Photographs: Caleb Charland
我們所研究的演算法，會學習如何從原始經驗直接處理任務，這意味著它們所獲得的知識最終是基於某種形式的現實感官而不是抽象符號。我們進一步要求這些演算法應該是通用的，具有相同參數的同類系統可以在各種各樣任務中都有良好表現。
這兩個原則在DeepMind 2015年發表在Nature上的論文中得到了很好的展示：其中一個程式教會自己玩幾十種經典的 Atari 遊戲，前提是，除了螢幕上的圖元和運行得分之外沒有其他輸入。我們還使用系統神經科學作為新演算法和架構思想的主要靈感來源。畢竟，大腦是唯一存在的證據，能證明一個通用的、基於經驗的學習系統最終是可以實現的。
這與我們許多前輩的做法完全相違背。通過比較在遊戲領域取得世界第一的兩項突破性進展IBM的深藍和AlphaGo，雙方的差異可能得到最好的解釋 。 深藍使用了所謂的“專家系統”方法：一個程式師團隊與一些國際象棋大師坐下來，將他們的知識明確地提煉出來並將其編纂成一套複雜的啟發式演算法。然後，一個強大的超級電腦使用這些人寫的規則來評估大量可能的變化，通過暴力計算獲得正確的方式。
深藍對卡斯帕羅夫的勝利是 AI 發展歷史上的一個重大里程碑。但它的勝利更多地證明了其程式師和大師隊伍的聰明以及當代硬體的計算能力，而不是程式本身的任何內在智慧。
國際象棋被征服後，圍棋成為AI研究的新聖杯。圍棋差不多有3000年歷史，在整個亞洲具有深刻的文化根基，它被認為不僅僅是一個遊戲，還是一種藝術形式，其專業冠軍會成為公眾偶像。因為其棋局狀態達到了10的170次方種，甚至超過了宇宙中的原子數量，所以通過暴力方法是無法解決的。
事實上，即使要編寫一個函數，來確定在特定的棋盤狀態下哪一方會最終獲勝，這長久以來都被認為是不可能的，因為單個位置的微小變化可以徹底改變整個棋盤的狀態。頂尖的人類圍棋手傾向於通過自己的直覺和本能來處理這個巨大的複雜性，他們通常將一手棋簡單地描述為簡單的“感覺正確”，但象棋手更依賴於精確計算。
對於AlphaGo，我們意識到，要捕捉圍棋博弈中所謂的“直覺”，我們必須採取與“深藍”這類象棋程式截然不同的方法。我們使用包括深度神經網路在內的通用技術來構建學習系統，並向系統展示數以千計的強大的專業棋手對局，讓系統可以對“人類合理的下棋方法是什麼”有一個自己的理解。然後，我們讓系統的不同版本之間相互對弈，每次從錯誤中學習，逐漸改進，直到變得非常強大。
2016年3月，我們與傳奇棋手李世石對戰，他曾獲得18項世界冠軍，並被認為是過去十年中最偉大的棋手。
超過 2 億人線上觀看了這一對決，AlphaGo 4：1 獲勝。專家之間的共識是，這一突破至少早來了十年。更重要的是，在比賽期間，AlphaGo 開發了很多創造性的走法，並帶來勝利，其中之一是第二場比賽中第37手，它推翻了數百年的智慧，走出一步意外之棋，並被棋手們深入研究。
在獲勝的過程中，AlphaGo以某種方式向全世界傳授了對可能是歷史上最受矚目的棋局遊戲的全新認識。
這些演算法帶來啟發的時刻讓我們看到為什麼AI可以對科學如此有益，即機器輔助科學發現的可能性。我們相信，AlphaGo的基礎技術是通用的，可以廣泛應用於其他領域，特別是有著可以優化的清晰目標函數的領域，以及可以精確模擬的環境，從而實現高效的快速實驗。例如，在能源效率方面，我們使用這些演算法的一個變體來找到一套能夠將Google資料中心電力消耗降低40％的新技術，我們現在正在整個團隊中推廣以實現巨大的成本節約，並為環境做出巨大貢獻。
我們認為，在接下來的幾年中，科學家和研究人員使用類似的方法將會在多個領域產生深刻影響，包括從超導材料設計到藥物發現等。在許多方面，我認為AI類似于哈勃望遠鏡，這是一種科學工具，可以讓我們看得更遠並且更好地瞭解我們周圍的宇宙。
當然，像任何強大的技術一樣，AI必須以負責任的、道德的方式被使用，並使每個人都受益。我們還必須繼續高度理解AI演算法的實用性和局限性，嚴格地關注程式自身的能力，以及將更多研究需要投入到輸入資料的品質和透明度控制上，我們可能會發現，人工智慧可以識別一些模式和人眼漏掉的資源，從而在支持各種專家時發揮至關重要的作用。
正是在人與演算法之間的這種合作中，未來幾十年裡才能有不可思議的科學進步。我相信AI將成為科學家部署、增強日常生活的一種基本解決方案，讓我們大家更快更有效地工作。如果我們可以廣泛和公平地部署這些工具，培育一個環境讓每個人都可以參與和受益，我們就有機會豐富和促進人類的整體發展。
與此同時，我們也可以學到一些關於自己的東西。我一直覺得物理和神經科學在某種程度上是最根本的課題：一個是關心外部世界，另一個與內在世界相關。因此二者涵蓋了一切。 AI 有潛力幫助我們更好地理解世界，隨著我們更多地瞭解學習過程本身並將其與人類的大腦進行比較，我們總有一天可以更好地瞭解是什麼使我們獨一無二，揭示長久以來的奧秘，包括將夢想、創造力或者意識 。
如果人工智慧可以幫助整個人類社會，不僅可以拯救環境，治癒疾病和探索宇宙，而且還能讓人更好地瞭解自己， 這可能是它所有發現中最偉大的一個。
新智元招聘
職位：總編
職位年薪：30 - 100 萬（工資+獎金）
工作地點：北京-海澱區
所屬部門：編輯部
彙報對象：CEO
下屬人數：9 人
年齡要求：25 歲至 40 歲
性別要求：不限
工作年限：5 年
語 言：英語 + 普通話
學歷要求：碩士以上
職位描述：
熱愛人工智慧和媒體事業；
深入把握國內外 AI 市場競爭格局、技術發展趨勢和用戶需求；
具有 5 年以上媒體採編經驗，在業內有一定影響力及人脈；
英文閱讀寫作及溝通能力優異；
很強的抗壓能力和自驅力，能在競爭激烈的環境下激勵團隊；
具有創業精神及團隊精神，有恒心肯吃苦；
理工科背景優先，有知名企業或知名媒體機構工作經驗者優先。
崗位職責：
應聘郵箱：jobs@aiera.com.cn
新智元歡迎有志之士前來面試，更多招聘崗位請點擊閱讀原文查看。
但是“AI”這一術語本身在不同的情境下，會有多維度的含義。我們在DeepMind 所採用的方法，聚焦於“學習”和“通用”這兩個概念，目的是開發出科學所需要的 AI。如果我們想讓電腦去發現新的知識，我們必須首先賦予它們真正的學習能力。Photographs: Caleb Charland
我們所研究的演算法，會學習如何從原始經驗直接處理任務，這意味著它們所獲得的知識最終是基於某種形式的現實感官而不是抽象符號。我們進一步要求這些演算法應該是通用的，具有相同參數的同類系統可以在各種各樣任務中都有良好表現。
這兩個原則在DeepMind 2015年發表在Nature上的論文中得到了很好的展示：其中一個程式教會自己玩幾十種經典的 Atari 遊戲，前提是，除了螢幕上的圖元和運行得分之外沒有其他輸入。我們還使用系統神經科學作為新演算法和架構思想的主要靈感來源。畢竟，大腦是唯一存在的證據，能證明一個通用的、基於經驗的學習系統最終是可以實現的。
這與我們許多前輩的做法完全相違背。通過比較在遊戲領域取得世界第一的兩項突破性進展IBM的深藍和AlphaGo，雙方的差異可能得到最好的解釋 。 深藍使用了所謂的“專家系統”方法：一個程式師團隊與一些國際象棋大師坐下來，將他們的知識明確地提煉出來並將其編纂成一套複雜的啟發式演算法。然後，一個強大的超級電腦使用這些人寫的規則來評估大量可能的變化，通過暴力計算獲得正確的方式。
深藍對卡斯帕羅夫的勝利是 AI 發展歷史上的一個重大里程碑。但它的勝利更多地證明了其程式師和大師隊伍的聰明以及當代硬體的計算能力，而不是程式本身的任何內在智慧。
國際象棋被征服後，圍棋成為AI研究的新聖杯。圍棋差不多有3000年歷史，在整個亞洲具有深刻的文化根基，它被認為不僅僅是一個遊戲，還是一種藝術形式，其專業冠軍會成為公眾偶像。因為其棋局狀態達到了10的170次方種，甚至超過了宇宙中的原子數量，所以通過暴力方法是無法解決的。
事實上，即使要編寫一個函數，來確定在特定的棋盤狀態下哪一方會最終獲勝，這長久以來都被認為是不可能的，因為單個位置的微小變化可以徹底改變整個棋盤的狀態。頂尖的人類圍棋手傾向於通過自己的直覺和本能來處理這個巨大的複雜性，他們通常將一手棋簡單地描述為簡單的“感覺正確”，但象棋手更依賴於精確計算。
對於AlphaGo，我們意識到，要捕捉圍棋博弈中所謂的“直覺”，我們必須採取與“深藍”這類象棋程式截然不同的方法。我們使用包括深度神經網路在內的通用技術來構建學習系統，並向系統展示數以千計的強大的專業棋手對局，讓系統可以對“人類合理的下棋方法是什麼”有一個自己的理解。然後，我們讓系統的不同版本之間相互對弈，每次從錯誤中學習，逐漸改進，直到變得非常強大。
2016年3月，我們與傳奇棋手李世石對戰，他曾獲得18項世界冠軍，並被認為是過去十年中最偉大的棋手。
超過 2 億人線上觀看了這一對決，AlphaGo 4：1 獲勝。專家之間的共識是，這一突破至少早來了十年。更重要的是，在比賽期間，AlphaGo 開發了很多創造性的走法，並帶來勝利，其中之一是第二場比賽中第37手，它推翻了數百年的智慧，走出一步意外之棋，並被棋手們深入研究。
在獲勝的過程中，AlphaGo以某種方式向全世界傳授了對可能是歷史上最受矚目的棋局遊戲的全新認識。
這些演算法帶來啟發的時刻讓我們看到為什麼AI可以對科學如此有益，即機器輔助科學發現的可能性。我們相信，AlphaGo的基礎技術是通用的，可以廣泛應用於其他領域，特別是有著可以優化的清晰目標函數的領域，以及可以精確模擬的環境，從而實現高效的快速實驗。例如，在能源效率方面，我們使用這些演算法的一個變體來找到一套能夠將Google資料中心電力消耗降低40％的新技術，我們現在正在整個團隊中推廣以實現巨大的成本節約，並為環境做出巨大貢獻。
我們認為，在接下來的幾年中，科學家和研究人員使用類似的方法將會在多個領域產生深刻影響，包括從超導材料設計到藥物發現等。在許多方面，我認為AI類似于哈勃望遠鏡，這是一種科學工具，可以讓我們看得更遠並且更好地瞭解我們周圍的宇宙。
當然，像任何強大的技術一樣，AI必須以負責任的、道德的方式被使用，並使每個人都受益。我們還必須繼續高度理解AI演算法的實用性和局限性，嚴格地關注程式自身的能力，以及將更多研究需要投入到輸入資料的品質和透明度控制上，我們可能會發現，人工智慧可以識別一些模式和人眼漏掉的資源，從而在支持各種專家時發揮至關重要的作用。
正是在人與演算法之間的這種合作中，未來幾十年裡才能有不可思議的科學進步。我相信AI將成為科學家部署、增強日常生活的一種基本解決方案，讓我們大家更快更有效地工作。如果我們可以廣泛和公平地部署這些工具，培育一個環境讓每個人都可以參與和受益，我們就有機會豐富和促進人類的整體發展。
與此同時，我們也可以學到一些關於自己的東西。我一直覺得物理和神經科學在某種程度上是最根本的課題：一個是關心外部世界，另一個與內在世界相關。因此二者涵蓋了一切。 AI 有潛力幫助我們更好地理解世界，隨著我們更多地瞭解學習過程本身並將其與人類的大腦進行比較，我們總有一天可以更好地瞭解是什麼使我們獨一無二，揭示長久以來的奧秘，包括將夢想、創造力或者意識 。
如果人工智慧可以幫助整個人類社會，不僅可以拯救環境，治癒疾病和探索宇宙，而且還能讓人更好地瞭解自己， 這可能是它所有發現中最偉大的一個。
新智元招聘
職位：總編
職位年薪：30 - 100 萬（工資+獎金）
工作地點：北京-海澱區
所屬部門：編輯部
彙報對象：CEO
下屬人數：9 人
年齡要求：25 歲至 40 歲
性別要求：不限
工作年限：5 年
語 言：英語 + 普通話
學歷要求：碩士以上
職位描述：
熱愛人工智慧和媒體事業；
深入把握國內外 AI 市場競爭格局、技術發展趨勢和用戶需求；
具有 5 年以上媒體採編經驗，在業內有一定影響力及人脈；
英文閱讀寫作及溝通能力優異；
很強的抗壓能力和自驅力，能在競爭激烈的環境下激勵團隊；
具有創業精神及團隊精神，有恒心肯吃苦；
理工科背景優先，有知名企業或知名媒體機構工作經驗者優先。
崗位職責：
應聘郵箱：jobs@aiera.com.cn
新智元歡迎有志之士前來面試，更多招聘崗位請點擊閱讀原文查看。