内容发布更新时间 : 2024/5/1 7:38:43星期一 下面是文章的全部内容请认真阅读。

戴密斯哈萨比斯人工智能背后的超级英雄

戴密斯?哈萨比斯举止谦逊、外表朴实，但是当他对我说他现在的使命是“破解智能的奥秘，再用它去解决其他一切问题”时，他是极为严肃的。这话若出自他人之口，听起来恐怕会让人觉得可笑，而由他说出来则未必如此。39岁的哈萨比斯曾是国际象棋大师，设计过电子游戏，他创办的从事人工智能研究的初创公司DeepMind在2014年被谷歌收购，据报道收购价为6.25亿美元。他是移民的儿子，曾就读于芬奇利一所公立的综合性中学，后来获得剑桥大学的计算机科学学位和伦敦大学学院的认知神经科学学位。在那些与他共事的人眼里，哈萨比斯是个“富有远见”的管理者，他也认为自己找到了一种“使科研更有效率”的方法，并说自己正在引领“21世纪的阿波罗计划”。他相貌平平，走在街上你不会看他第二眼，但是蒂姆?伯纳斯-李曾经对我形容过，他是这个星球上最聪明的人之一。通用人工智能

当然，我们每次向Siri发问或收到安卓系统给出的推荐时，都会感到人工智能已经无处不在。从短期来看，谷歌的产品无疑将受益于哈萨比斯的研究，尽管个性化、搜索、YouTube、语言及面部识别等方面的改进并没有以这种“人工智能”来标榜。然而，从更长远来看，哈萨比斯正在开发的

技术所涉及的不只是具有情感的机器人和更加智能的手机。它所涉及的领域超出了谷歌，超出了脸书、微软、苹果以及其他众多正将人工智能专业博士招至麾下，并在这场最新的科技军备竞赛中斥资数十亿的企业巨头。它关系到我们所能想到的一切，以及许多我们根本无从想象的事物。 如果这听起来太雄心勃勃，事实也确实如此。大多数人工智能系统都“有局限性”，只是训练预先设好的代理程序掌握某一特定任务，除此没多少其他功能。而哈萨比斯则从人脑汲取灵感，尝试建造首个“通用型学习机器”：单独的一套灵活且具有变通能力的算法，能够像生物系统那样，仅通过原始数据就能从零开始学习如何掌握任意一项任务。 这就是通用人工智能（AGI），重点在“通用”二字。在哈萨比斯对未来的展望中，超级聪明的机器将和人类专家协同工作，有望解决所有问题。“癌症、气候变化、能源、基因组学、宏观经济、金融系统、物理学――我们想要掌握的许多知识体系都变得非常复杂，”他说，“信息量如此巨大，即便是最聪明的人也难以在其有生之年掌握全部信息。我们如何对如此泛滥的数据进行筛选，发现蕴藏其中的真知灼见呢？你可以把通用人工智能看作一个将缺乏条理的信息自动转化为可资利用的知识的过程。我们现在所研究的很可能是解决一切问题的超级方法。” DeepMind的人工智能算法 我和哈萨比斯初次见面是在2014年的夏天，在

DeepMind公司被收购几个月后。自那以后，我在不同的环境下观察过工作中的他，而且为了这篇报道，在过去的八个月里，我在三个不同的场合对他进行了正式采访。在此期间，我看着他从一名谷歌的人工智能天才逐渐成为一个令人信服、善于交流的人，摸索出了一套有效的方法来向我这种非科学工作者讲述他那极为复杂的工作及其重要性。他为人谦虚、风度翩翩，非常擅长深入浅出地讲解DeepMind的研究方法，也就是把人工智能的新老技术相结合（例如在围棋中结合传统的“树状搜索”技术和“深度神经网络”这一新技术来分析棋的走法），同时把人工智能研究的不同领域有条不紊地结合起来 DEPPMind公司所在地

在DeepMind公司较早前开发的一款新型人工智能算法Deep Q-Network中，研发人员将深度神经网络与“强化学习”结合起来――所有动物的学习都是通过大脑中由多巴胺驱动的奖励机制进行的强化学习。DeepMind公司研发的新的人工智能算法AlphaGo则更进一步，增加了能够进行长期规划的更深层次的强化学习功能。下一步，他们将会在产品中融入诸如记忆等新功能――直到智能研究的每一个里程碑在理论上各就其位。“在我们的蓝图上，我们对于有多少这样的功能有一个概念，”哈萨比斯说，“关键在于将所有这些不同的领域结合起来，因为我们感兴趣的算法要能够将从一个领域中学到的知识应用到新的领域中。”