untitled尋找未來:Demis Hassabis 攝影:David Ellis
本文來源:機器之心
引言:該篇文章是《衛(wèi)報》對DeepMind創(chuàng)始人Demis Hassabis的深度專訪,全面且深刻的還原了這位天才的性格、生活,以及對人工智能的熱情和野心。他有著近乎傳奇的早期經(jīng)歷,在國際象棋、游戲設計、計算機科學和神經(jīng)科學等多個領域取得的成就形成了他從事人工智能偉大研究的完整拼圖,他稱自己為科學與創(chuàng)造力的結合體。Hassabis帶領DeepMind進行開創(chuàng)性的人工智能研究,破解圍棋這一歷史難題,研究成果在極短的時間內(nèi)兩次登上《Nature》封面。而更加重要的是,DeepMind開創(chuàng)了一種科學研究與創(chuàng)業(yè)團隊完美結合的機制。DeepMind在積極探索人工智能研究和應用的同時,在人工智能倫理研究方面也走在了全世界前列。Hassabis更是通過一次長談說服了霍金,讓他不再對人工智能大放厥詞。Hassabis就像DeepMind的AlphaGo一樣,像個超人一樣保持高強度的工作和學習節(jié)奏,他把人工智能當成為之畢生奮斗的事業(yè),也是他生活中的一部分。而Hassabis將和他的DeepMind繼續(xù)朝著“創(chuàng)造解決世界上一切問題的通用人工智能”這一目標前進。
Demis Hassabis舉止溫和,面容謙遜,而當他告訴我他正在為“破解智能難題,然后用其來解決一切問題”的使命而奮斗時又格外認真。其他任何人說出這句話,聽起來都十分可笑,但這句話從他的口中說出就另當別論了。39歲的Hassabis是一位前國際象棋大師、游戲設計員,他的人工智能研究創(chuàng)業(yè)公司DeepMind在2014年被谷歌以6.25億美元收購。
他是移民后代,在倫敦芬奇利一所公立綜合學院上學,分別取得了劍橋大學和倫敦大學學院(UCL)的計算機科學和認知神經(jīng)科學學位。與他一起工作過的人們認為他是一個“有遠見”的管理者。Hassabis認為他發(fā)現(xiàn)了一種“讓科學研究更有效率”的方法,并提到他正在領導一個“21世紀的阿波羅項目”。他長相如此平凡,是那種你在街上不會看第二眼的人,但Tim Berners-Lee曾經(jīng)向我這么形容他:他是這個星球上最聰明的人之一。
每次我們打開Siri或者收到Android的推送時,都會感到人工智能已經(jīng)在我們身邊。從短期來說,谷歌的產(chǎn)品將毫無疑問的從Hassabis的研究中獲利,盡管這些技術所帶來的個性化、搜索、YouTube、語音和人臉識別等產(chǎn)品的提升都沒有被定義為真正“人工智能”(Hassabis對此笑稱到:“它只是軟件,對吧?它只是一個能運行的東西。”)。但從長期來說,Hassabis正在開發(fā)的技術并不僅僅局限于情感機器人和更加智能的手機,也不僅僅圍繞著谷歌。Facebook、微軟、蘋果和許多其他科技巨頭們都在如饑似渴的招攬人工智能博士生,在這場最新的科技競賽中砸入數(shù)十億美元。人工智能關注所有的事情,包括我們能想象到的,以及那些我們想象不到的。
它確實聽起來太過野心勃勃。大部分人工智能系統(tǒng)應用范圍都很“窄”,訓練預設程序的機器去執(zhí)行特定任務,除此之外再沒什么了。因此,IBM的深藍能在國際象棋比賽中擊敗Gary Kasparov,但卻在井字游戲中輸給三歲孩童。而Hassabis正在把他從人腦中得到的啟發(fā)用于構建首個“通用學習機器”:一套能像生物系統(tǒng)一樣學習的靈活、自適應的算法,僅使用原始數(shù)據(jù)就能從頭開始掌握任何任務。
它就是通用人工智能(artificial general intelligence ,簡稱AGI),它的重點落于“通用”上。在Hassabis眼中,未來超級智能機器將與人類專家合作解決一切問題。“癌癥、氣候變遷、能源、基因組學、宏觀經(jīng)濟學、金融系統(tǒng)、物理學等,太多我們想掌握的系統(tǒng)知識正變得極其復雜。”Hassabis指出:“如此巨大的信息量讓最聰明的人窮其一生也無法完全掌握。那么,我們?nèi)绾尾拍軓娜绱她嫶蟮臄?shù)據(jù)量中篩選出正確的見解呢?而一種通用人工智能思維的方式則是自動將非結構化信息轉換為可使用知識的過程。我們所研究的東西可能是針對任何問題的元解決方法(meta-solution)。”
雖然尋找“元解決方法”也許要花費數(shù)十年時間,但它看起來正在迫近。2015年2月,世界頂級科學期刊《自然》將像素游戲《Space Invaders》作為其封面,右下角是“自我教學軟件在玩游戲上達到了人類般的表現(xiàn)”。在這一期,DeepMind的論文描述了首個成功的通用“端對端”學習系統(tǒng),他們的人工代理——一個針對于圖像處理單元的Deep-Q網(wǎng)絡算法——能夠學習如何處理屏幕的輸入值并理解其含義,并采取能實現(xiàn)所需結果的決策(在這種情況下,系統(tǒng)成為眾多雅達利2600經(jīng)典游戲,如太空侵略者、拳擊、打磚塊中的超級玩家)。這是一項讓整個科技界都為之震撼的突破。