AlphaGo首胜柯洁后,AlphaGo之父分享AI愿景

北京时间5月24日消息，围棋峰会进入第二天，在今日举行的人工智能高峰论坛上，DeepMind创始人杰米斯.哈萨比斯(Demis Hassabis)发表了演讲，介绍了AlphaGo的研发过程，以及AlphaGo意味着什么。

AlphaGo是DeepMind公司打造了人工智能系统，DeepMind在2010年于伦敦创立，在2014年加入Google。据哈萨比斯介绍，DeepMind参与了谷歌人工智能的“阿波罗计划”，另外还还打造了研发科学的新方式。

“DeepMind的愿景是研究何为AI，然后再用智能解决所有问题，即我们怎样提出有效的建议去解决问题，我们最终希望建立通用人工智能。”哈萨比斯说到。

据哈萨比斯透露，AlphaGo打造的通用学习机器有两个特性，一个是“学习”，即非程序预设，可以自主学习原始材料。另一个是通用性，即同一个系统可以执行多种任务。“一系列的算法和系统能够做系列的任务，这些任务可能是前所未见的。”哈萨比斯表示，通用的强人工智能，与现在弱人工智能不一样，目前弱人工智能都是预设的，其实IBM在上世纪90年代设计的国际象棋程序也是预设的预设的人工智能，“它是通过蛮力搜索，机器被动的接受这个程序，不能自我学习。”哈萨比斯说到。

DeepMind希望打造强化学习框架，哈萨比斯称，强化学习框架就是让“智能体”深处在一个真实/虚拟的环境中，去完成一个特定的目标。为了完成这项任务，智能体可以观察环境，这其中有视觉、听觉、触觉等观察方式。在这个之后，在头脑中设置一个想法，然后采取行动，践行计划。在实时的观察中就可以行动的。“如果能解决这个问题，其实强人工智能就已经实现了，这与人这一智能体观察学习的方式是一样的。”哈萨比斯表示。

哈萨比斯提到了雅达利智能体，这是DeepMind在AlphaGo之前(三年前)研发的AI程序，通过2600测试台，测试百余款八十年代的八位元雅达利游戏。当时的雅达利智能体仅仅输入原始像素(~30)，目标是利用深度强化学习，玩好雅达利游戏。

AlphaGo目前成为DeepMind最新的人工智能系统。哈萨比斯称，虽然AlphaGo是玩围棋的，但是它也可以做其他东西。

为什么计算机下围棋非常困难?这是因为其复杂程度让穷举搜索都难以解决，这个难题包括两个方面，一是“不可能”写出评估程序以决定输赢，另一个是搜索空间太过庞大。

在哈萨比斯看来，更困难的是围棋不像象棋等游戏靠计算，而是靠直觉。“围棋中没有等级概念，所有棋子都一样，围棋是筑防游戏，因此需要盘算未来。你在下棋的过程中，是棋盘在心中，必须要预测未来。小小一个棋子可撼动全局，牵一发动全身。围棋'妙手'如受天启。”哈萨比斯如此解释围棋中的直觉。

在技术上，AlphaGo用到了两种网络：策略网络和估值网络，这些技术去年在《Nature》上发表，并启发了很多研究者设计自己的人工智能系统。

哈萨比斯回忆到，此后我们进行了测试，2016年我们让AlphaGo与李世石对弈，最后AlphaGo以4:1战胜了李世石，“这一刻我们等了十年，真的是十年磨一剑。”李世石感慨到。

AlphaGo吸引了2.8亿的观众，3.5万篇的报道，棋盘销售在西方增加了10倍。哈萨比斯回忆了其中(AlphaGo对弈李世石)的精彩之处，分别是第二局第37步棋令人惊叹，它让我们思考：几千年来，你人类都低估了第5条线下子的价值。另外，还有第四局绝伦的第78着，他赢得了一盘。李世石说，“我认为这给围棋引入了新思路，我感觉找到了继续玩围棋的新理由。”

哈萨比斯称，很多艺术都是主观，AlphaGo把围棋看做了一个客观的艺术，每一步都会分析有什么影响。“因此，我给直觉的定义是，通过体验获得初步感知，无法表达出来，可通过行为确认其存在和正误。”哈萨比斯表示，AlphaGo已经可以模仿人的直觉，而且具备创造力，通过组合已有知识或独特想法的能力。所以AlphaGo已经有了直觉和创造力，不过这些能力目前仅仅局限在围棋上。

在这之后，DeepMind希望弥补AlphaGo知识的空白，之后便发布了新的版本“Master”，在网上进行对局，也获得了很大的胜利。柯洁在与Master对弈后感叹到，人类数千年的实战演练进化，计算机却告诉我们人类全都是错的。哈萨比斯称，“20世纪三四十年代，吴清源给围棋带来了革命性的力量。我相信AlphaGo也能开启一个围棋新时代。棋类程序讲战术，AlphaGo讲战略。”

“我们离最优还有多远，怎样才是完美的棋局?3000年的对弈不足以找到最佳棋局。AlphaGo让我们可探寻这些奥秘。”哈萨比斯说到。

围棋之外，哈萨比斯希望将人工智能运用到各种各样的领域。哈萨比斯称，“人机合作可以达到1+1>2的效果，人类的智慧将被人工智能放大。人工智能和AlphaGo都是工具，就像哈勃望远镜一样，可以推进人类文明的进步。”哈萨比斯称，无数其他领域也将遭到组合轰炸，强人工智能也是我们探索的最好工具，比如将AI用到材料设计、新药研制上，还有现实生活中的应用，如医疗、智能手机、教育等。

目前，DeepMind已经非常成功的将AlphaGo用到了数据中心的优化中，结果显示可以节省50%的电能。

最后，哈萨比斯总结到，信息过载和系统冗余是巨大挑战，我们希望利用AI找到元解决方案。“我们的目标是实现人工智能科学，或人工智能辅助科学，当然AI要有伦理和责任的约束。总之，人工智能技术可以帮助我们更好的探索人脑的奥秘。