机器里的心灵：戴米·斯哈萨比斯论人工智能 　　深度思维的共同创始人讲解人工智能将

使用CN2/CN2GIA顶级线路，支持Shadowsocks/V2ray科学上网，支持支付宝付款，每月仅需 5 美元

## 加入品葱精选 Telegram Channel ##

机器里的心灵：戴米·斯哈萨比斯论人工智能　　深度思维的共同创始人讲解人工智能将如何帮助我们在认识世界的努力中做出难以想象的飞跃性进步

2017年4月21日金融时报https://www.ft.com/content/048f418c-2487-11e7-a34a-538b4cb30025　　作者：戴米斯·哈萨比斯　　翻译：JZ

现代文明是一个神奇的壮举，而这要归功于科学。每一次我坐飞机，我总是惊叹于能够让我们如此平常的在云层之上飞翔的科技。我们描绘了整个人类基因组、造出了超级计算机和互联网、将探测器登上彗星、在粒子加速器里将原子以接近光速的速度碰撞、而且我们登上了月球！我们是如何完成这些奇迹的？当我们停下来思量这些壮举都是出自我们3英镑重的大脑，我们就会觉得这一切是如何的不同寻常。

科学方法可能是人类有过的最强大的思想，自启蒙运动以来的进步更是惊人。但是我们现在到了一个关键阶段，需要我们掌握的很多系统都极其复杂，从气候变化到宏观经济问题还有老年痴呆症。我们是否能够解决这些挑战，需要花多少时间去解决，将直接影响数以亿计的人口和我们生活的环境。

问题是这些挑战是如此复杂以至于那些世界上最好的科学家、医生和工程师在掌握那些关键突破所需要的全部细节时都捉襟见肘。有人说达芬奇是最后一个能够掌握当时所有知识的人。从那以后所有的人必须专业化，而今天，完全掌握一个领域譬如天体物理或者量子力学就会穷尽一个人的毕生。

我们现在去尝试认识的系统的基础是大量的数据，通常这些数据非常动态化、非线性，并且出现次生特征（译者举例：温度是微观粒子无规则运动速度的次生特征），使得发现其中的结构和关联去洞察深藏其中的规律极其困难。开普勒和牛顿可以写出几个方程式去描述行星和地球上的物体的运动规律，可是现在我们要解决的问题几乎没有任何一个可以归纳到一些简洁而又优美的公式。

这是我们这个时代一个最伟大的科学挑战。现代计算机时代之父—图灵、纽曼和山能—在那个时代就认识到信息理论的关键重要性，而我们现在意识到几乎所有的东西都可以用信息理论的模型去思考或表达。在生物信息学里这是最明显的，基因组实际上是一个巨大的信息编码程式。我相信有一天，信息将会被当作和能量和物质同样基本的东西。

智能的核心可以看作是把无序的信息转化成有用和可作为的知识一个过程。我一直从事的工作，人工智能，它在科学上的承诺，是我们或许可以去人工合成这个过程，并把它自动化和最优化。使用这个技术，我们将在某些难以捉摸的领域内去更快速的获得新的知识。

今天，研究人工智能已经成为一种时髦。然而，根据不同的语境，人工智能这个术语有许多不同的内涵。在我共同创立的公司深度思维我们所采取的办法是集中精力在学习和通用性这两点，目的是为了发展出能够做科学研究的这样一种人工智能。如果我们想用计算机来发现新的知识，那么我们必须给予它们真正能够自我学习的能力。

我们正在研究的算法会直接地从原始的经历中来学习，也就是说，它们获得的知识最终根植于一些感官事实而不是来自于抽象的符号。而且，我们要求它们具有通用性，意即，具有相同参数的同一套系统能够完成一系列广泛的任务。这两点在我们2015年的自然杂志文章里得到很好的体现，我们描述了一个程序它教会它自己好几十套经典的阿塔里游戏，仅有的输入就是屏幕上的像素还有得分。我们也把系统水平上的神经科学作为鼓舞我们发明新算法和构筑概念之源泉，毕竟，大脑是唯一一个我们已有的证据来证明有这样一个通用的、基于经验的学习系统是可能的。

和许多我们的先进所采用的方法比起来，这是一个极为不同方法。为了最佳地阐述它们间的差异，或许我们可以来比较一下同样在游戏领域里达到世界上首次称号的两个突破性计算机程序：IBM的深蓝，它在1997年打败世界象棋冠军卡斯帕罗夫，还有我们最近的阿尔法狗程序，去年打败了一位世界顶级围棋冠军，围棋比国际象棋还要复杂。深蓝采用了所谓的“专家系统”的办法：一组程序员会同一些国际象棋大师把他们的棋艺进行精确的提炼和程序化从而变成一组复杂的启发式程序。接下来，一个强大的超级计算机用这些手工制作的规则来考察大批的可能的变化，用纯粹的计算力量来算出每一步的正确下法。深蓝打败卡斯帕罗夫标志了人工智能历史上一个重要的里程碑。然而，它的胜利，与其说是深蓝程序本身的内在智能，不如说是证明了程序员和国际象棋大师们的高明，还有现代化硬件的计算能力。

国际象棋被人工智能解决之后，围棋就成为了人工智能的新的逐鹿之地。围棋已有三千年左右的历史，它在亚洲具有无比的文化重要性，它不仅是一种游戏更是一种艺术，专业围棋选手在亚洲是受公众敬仰的人士。围棋有高达10的170次方的可能棋局，比宇宙内的原子数目还多，纯粹用计算解决不了围棋。事实上，一个棋子在棋局中位置稍有变化就可能会对整个棋局产生极大的影响，因此，很长时间内，仅仅是要写出一个函数去决定在某个特定的围棋棋局哪方正在胜出都被认为是不可能的。人类的顶级围棋棋手是如何对付这样极其复杂的情况的呢？他们很大的程度上依赖于直觉和本能，常常描述某些走法就是“感觉上是对的”；相反，国际象棋棋手更多的依靠准确的计算。

做阿尔法狗我们意识到为了抓住围棋的直觉这个特点我们得采用和深蓝等国际象棋程序完全不同的思路。与其手工编码人类专业棋手的各种策略，我们使用通用目的技术，包括深度神经网络去制作出一个学习系统，然后为它演示几千局高水平的业余选手的比赛棋局去帮助它发展出它自己对人类选手是怎样下围棋的理解。下一步，我们让不同版本的阿尔法狗互相对局，几千局下下来，它的棋力就变得无比强大，因为每一次对局它都能从错误中学习从而不断地循序渐进。2016年3月，我们已经完成准备去接受最终的挑战：和传奇围棋棋手李世石对垒，李世石拥有18个世界冠军的称号，被认为是过去十年最伟大的围棋棋手。

超过2亿人在线观看了比赛，结果阿尔法狗以4比1奇迹般地胜出，专家一致认为这个突破被提前了10年。更为重要的是，比赛中，阿尔法狗下出了五六手极为创新的走法，其中一步走法，第2局第37步，是如此的令人吃惊，它打破了几百年来人类下法的定规，一直到现在众多棋手们还在不断研究这一步棋。在赢得比赛的过程中，阿尔法狗不知不觉中地教给了我们全新的知识，这些棋局有可能成为被研究得最多的棋局。

这一些人工智能算法历史上鼓舞人心的时刻，让我们窥视到为什么人工智能可以帮助科学研究：在机器帮助下的科学发现是有可能的。我们相信，支撑着阿尔法狗的技术具有目的的通用性，能够用在一系列广泛的场合，特别是那些具有能够被优化的有明确目的性的函数，加上能够被精确模拟的环境，从而允许进行高效高速实验的领域。譬如，在节能领域，我们使用一个稍作变化的这些算法发现了一系列创新的技术，能够把谷歌数据中心的空调电费降低40%，我们正在推广这个技术到所有的谷歌数据中心，它能够给我们节省很多开支并且有益环境。

我们相信今后的几年内，科学家和研究者会使用类似的方法去研究很多的领域，从超导材料设计到新药研发。在很多方面，我把人工智能类比于哈勃望远镜—它是一个科学的工具，让我们看得更远，更好的认识我们所在的这个宇宙。

当然，就像任何强大的技术，人工智能的使用必须要有责任、有伦理，并惠及每一个人。我们也必须继续高度关注人工智能算法的适用性和有限性。但是，如果我们继续严格关注程序的能力，更多地研究输入数据的质量对结果产生的影响，以及算法运作的透明度，我们就有可能会发现，人工智能可以支持各行各业的专家，帮助他们发现原本难以发现的规律和原因。

人类和算法之间的亲密合作将会在未来几十年里带来不可思议的科学上的进步。我相信，人工智能将会变成某种形式的辅助解决方案，成为科学家解决问题的助手，从而充实我们每一天的生活，让我们能够更快更有效的工作。如果我们能多方而合理的配置这些工具，营造出一种人人都能参与和受惠的环境，我们就有机会去充实和发展整个人类文明。

我们这样做的时候，也可能会更多的了解我们自己。我总有这样的感觉，物理学和神经科学在某些方面是两门最基础的学科：一门是关于外部世界，另一门是关于我们思维的内部世界。两者之间包括了所有的东西。人工智能有潜力去帮助我们更好认识这两个世界。当我们更多的了解学习过程本身并把它和人类的大脑比较，有一天我们或许会获知究竟是什么东西造就了人类与众不同的特性，包括去解释人类思维的这些秘密：梦想、创造力，甚至可能某一天解决什么是意识这个问题。

如果人工智能能够帮助我们的社会不仅仅保护环境，征服疾病，探索宇宙，而且更好的认识我们自己—那样的话，历史将证明这可能是人工智能最伟大的发现之一。

作者是深度思维公司的共同创始人和首席执行官

(XYS20170511)

最简单好用的 VPS,没有之一，注册立得 100 美金