德米斯·哈薩比斯
3月1日,英國《衛報》網站近日刊登了一篇題為《這位人工智能天才能防止人工智能技術失控嗎》《The superhero of artificial intelligence: can this genius keep it in check? 》,作者是Clemency Burton-Hill。
下面是文章的主要內容。
德米斯·哈薩比斯(Demis Hassabis)有著溫和的風度和謙遜的面容,但當他告訴我說,他正在致力于這樣一個使命——“解答智能問題,然后用它來解答一切問題”,他顯得很嚴肅。這話從其他任何人嘴里說出來都是可笑的,但從他嘴里說出來不一樣。哈薩比斯是一位國際象棋大師,也是一位視頻游戲設計師,他創辦的人工智能創業公司DeepMind在2014年被谷歌(微博)以6.25億美元的價格收購。他出生于一個移民家庭,擁有劍橋大學和倫敦大學的計算機科學和認知神經科學學位。哈薩比斯的同事認為他是一名“有遠見”的管理者,哈薩比斯認為自己已經找到一種“進行高效科學研究”的方法,并宣稱自己正在領導一個“21世紀的阿波羅計劃”。哈薩比斯相貌很平常,走在大街上絲毫沒有回頭率,但互聯網創始人蒂姆·伯納斯-李(Tim Berners-Lee)將他稱為這個星球上最聰明的人之一。
人工智能(AI)已經走進人們的生活,許多人都在使用蘋果或谷歌的語音助手。不久以后,谷歌的產品必將從哈薩比斯的研究中獲益,產品個性化、搜索、YouTube、語音和面部識別領域的改進都與“AI”有關。從長遠來看,哈薩比斯正在研究的技術不僅僅與情緒機器人或智能手機有關,其受益者不僅僅是谷歌,也不僅僅是Facebook、微軟、蘋果等投入巨資參與人工智能產品研發競賽的大公司。它關乎我們能夠想象和不能想象的一切。
這聽起來很嚇人,確實如此。大多數AI系統是“狹隘的”,它們只能完成一種特殊的任務。所以,IBM的深藍電腦可以擊敗國際象棋冠軍卡斯帕羅夫,但在面對畫圈打叉這種簡單的游戲時連一個三歲小孩都不如。 而哈薩比斯從人類的大腦獲得靈感,并試圖建立第一個“通用學習機器”,即一套靈活、自適應性的算法,它可以像生物系統那樣學習,從零開始完成任何任務,除了原始數據之外不需要任何別的幫助。
這就是人工通用智能(AGI),其重點是“通用”。在他的未來愿景中,超級智能機器將能夠與人類專家協作解決幾乎所有問題。“癌癥、氣候變化、能源,基因組學、宏觀經濟學、金融系統、物理,許多我們想要掌握的學科越來越復雜。”他說,“即使是最聰明的人,窮期一生也難以掌握其中一個領域。我們如何通過篩選泛濫的數據得出合理的觀點?我們可以將AGI看作一個能夠自動將非結構化信息轉化為可用知識的過程。我們正在努力研究的是一種可以解決任何問題的超級解決方案。
這種超級智能機器的出現也許還需要幾十年之久,但它似乎離我們越來越近。2015年2月,DeepMind的一篇論文世界成為頂級科學雜志《自然》的封面文章,該文宣稱“能夠自學的AI軟件在視頻游戲中已經達到人類的水平。”在這個“終端到終端”的學習系統中,一種被稱為Deep-Q Network的算法已經學會如何理解輸入端的動作,并能作出正確的決定(它在一些經典的雅達利2600游戲——包括《太空侵略者》、拳擊和乒乓球游戲——中達到精通水平。)這是一個震撼世界的技術突破。
上個月,DeepMind的另一篇論文又登上了《自然》雜志的封面。在這樣短的時間里連續在《自然》雜志上發表兩篇封面文章,這本身就是一個了不起的成就。這一次,DeepMind的試驗走得更遠,它向古老的競技游戲圍棋發起了挑戰。圍棋的歷史超過2500年,中國孔子的著作中曾提到過這種游戲。圍棋的著法變化無窮,其變數甚至超過宇宙中原子的移動。國際象棋的所有變化可以計算出來,但圍棋不能。更難的是,編程者也不可能寫出圍棋的評估函數。相反,圍棋需要一種類似于“直覺”的東西,當圍棋棋手被問到他們下出一步棋的原因時,他們往往會這么說:“感覺。”
重大里程碑
出于顯而易見的原因,電腦一直無法進行這種類似于直覺的判斷。圍棋也因此長期以來被認為是AI“最大的挑戰”之一。大多數研究人員預計,要研究出能夠破解圍棋的電腦至少還需要十年。
但是,DeepMind創立的新人工算法AlphaGo曾在去年秋天的一次秘密比賽中以5比0戰績擊敗了歐洲圍棋冠軍范輝(Fan Hui)。AlphaGo還將在今年三月份挑戰世界圍棋冠軍李世石。英國帝國理工學院(Imperial College)認知機器人學教授Murray Shanahan將AlphaGo的成功稱為“一個驚人的成就”,超人類主義哲學家Nick Bostrom也將之稱為“一個重大里程碑”。Nick Bostrom認為,如果AGI能夠最終完成,它的影響將是無與倫比的。
“是的,它很酷。”哈薩比斯同意。“圍棋是一種終極游戲:它是游戲的巔峰之作,是最智慧的游戲。它的迷人的、美麗的。我們感到興奮的不僅僅是我們已經精通了這種游戲,而且我們可以通過一套驚人而有趣的算法來處理它。”他認為圍棋是一門藝術,而不是一門科學。“AlphaGo能夠以人類的方式學習圍棋,并在不斷的對局中變得越來越厲害,就像我們人類一樣。”AlphaGo是他最激動人心的研究成果。“它超出了任何人的想象,”他興奮地說,“但對我們來說,最重要的方面是,它不是一種采用人工規則的專家系統。它能夠使用通用機器學習技術進行自我教育,最終精通這門游戲。最終,我們希望將這些技術應用于諸如氣候建模或復雜的疾病分析等重要的現實問題。所以,想象一下它下一步的進展,這讓人感到非常興奮……”
我與哈薩比斯首次相遇是在2014年夏天,即谷歌收購DeepMind幾個月之后。從那以后,我觀察他在各種環境中工作。在過去八個月里,我在三個不同場合正式采訪過他。在那段時間里,我看著他從谷歌的AI天才發展成一個引人注目的技術傳播者。他找到了一種有效的方式來向非科技工作者描述他的工作。DeepMind的研究成果將新舊人工智能技術結合在一起,例如,DeepMind的研究人員將傳統的“樹形檢索”和現代的“深度神經網絡”結合起來分析圍棋的變化。同時,DeepMind系統也將AI研究的不同領域結合在一起。
在DeepQ中,他們將深度神經網絡和“強化學習(reinforcement-learning)”機制結合在一起。“強化學習”是所有動物的學習方式,通過大腦的多巴胺獎勵系統發生作用。而AlphaGo又向前邁出了一步,它加上了另一個更深度的、用于處理長遠規劃的強化學習系統。接下來,他們將會加入更多功能,直到整合所有重大的人工智能成果。哈薩比斯說:“關鍵是結合所有這些不同的領域,因為我們感興趣的是可以將從一個領域中學到的知識應用到另一個領域的算法。”
2024-12-29 08:45
2024-11-16 10:25
2024-11-16 10:23
2024-11-02 08:58
2024-09-01 08:07
2022-09-13 10:13
2021-10-12 10:11
2021-08-28 10:40
2021-08-28 10:33
2021-08-28 08:54