深度揭秘：击败李世石后，AlphaGo 的下一步是什么？

Hassabis：不，我的意思是，关于智能手机助手是什么样，《她》只是一种盛行的主流观点。我只是觉得，我们会想要让这些智能手机助手之类的东西真正变得智能、理解上下文、对于你要做什么有更深的理解。现在，大部分这样的系统都极为脆弱——一旦你偏离了预先编程输入的模板，它们就完全变得毫无用处。所以这意味着让它们变得真正可以适应、变得灵活、也更稳健。

The Verge：为了改善这些，需要有什么突破？

Hassabis：我们可以的，只不过我觉得你需要一个不同的方法。再说一次，这是预编程和学习的二分法。目前基本所有的智能手机助手都属于特殊案例和预编程的，这意味着它们很脆弱，因为只能做预编程写好的事。然而真实的世界非常混乱，用户们也会在你无法提前知晓的情况下，做着不可预知的事情。我们对 DeepMind 的信念是，这也是最根本的原则，通往人工智能的唯一道路，是从地基开始打起，而且变得通用。

The Verge：AlphaGo 从学习很多游戏模式过程中顺利起飞，这对于智能手机怎么使用呢？它的输入是如此的多变？

Hassabis：是啊，所有得有上万吨的数据，而你可以从中学习到很多东西。事实上， AlphaGo 的算法，我们打算在未来几个月尝试的是，摆脱监督式学习的出发点，让它完全自我发挥，从一无所有的状态开始。它会需要更长的时间，因为当你采用随机方法的时候，其中的审查和错误会需要更多的时间训练，也许是几个月。但是，我们认为有这个可能性，让它从纯粹的学习中起步。

The Verge：是因为算法现在能达到的程度，所以你认为这是可能的么？

Hassabis：不是的，我们本来可以这样做的。它不会使得程序更强大，它只是做着纯粹的学习。所以会有一些非监督的部分。我们认为这个算法能够在非监督的状态下工作。我们去年做了 Atari 游戏，在像素的层面玩游戏，而不会受人类知识的禁锢，它会在屏幕中做一些随机的动作，开始游戏。

The Verge：对于 Atari 游戏来说更加容易，是因为失败的状态更加明显么？

Hassabis：的确更加容易，因为分数更有规律。在围棋中，不管最终赢得还是输掉比赛，你也仅仅得到一个分数。这就是所谓的信用分配问题（Credit Assignment Problem）：这个问题是，你在围棋中走了几百步，但不知道具体哪一步会为最终的胜利或失败负责，其中的信号非常微弱。而在大多数的 Atari 游戏中，所做的大多数事情都会给予分数，所以就得到了更多的面包（奖励）去仿效。

The Verge：你可以给个是时间表么？当这些事情开始给手机市场带来显著性差异的时候。

Hassabis：我认为在未来的两到三年会开始看到它。我的意思是，它在开始的时候是非常微小的，只有很小的部分会工作的更好。也许在未来的 4 到 5 年，甚至 5 年更多，你可以看到在功能上大的变化。

The Verge：你确定了未来各种各样的可能性，而这件事是和 Google 联系在一起最明显的事情。

Hassabis：是的。

The Verge：你有没有得到任何指示，这些事情被期待如何纳入到 Google 的产品路线图或商业模式中？

Hassabis：不，在如何最优化研究进展方面，我们有很强的主导权。这是我们的使命，也是为什么我们加入了 Google，这样我们可以给研究进行涡轮增压。这是发生在过去几年的事情。当然，我们实际上也致力于很多 Google 内部的产品，但是他们是非常早期的阶段，所以还没准备好公布。当然我认为智能手机助手是非常核心的，我认为 Sundar Pichai 已经对此谈了很多，这是 Google 未来的核心。

The Verge：Google 有另外的举措，例如 Google Brain，它推出了机器学习的特征，像 Google 图片搜索和其他面向用户的东西。

Hassabis：是的，几乎无所不在。

The Verge：你的公司和 Google Brain 有互动吗？你们有没有重叠的部分？

Hassabis：当然，其实我们是非常互补的。我们每周都有交谈。Google Brain 主要致力于深度学习，他们也有非常卓越的工程师 Jeff Dean，所以他们已经铺开到公司的各个角落，这也是为什么我们发明出了令人惊喜的 Google 图片搜索。他们正在做着现象级的工作。另外，他们的团队在山景城，所以他们离产品团队更近，他们的研究周期也更像 12 到 18 个月。而我们有更多算法开发的工作，我们倾向于为需要两三年研究的事情做研究，而且不需要在开始的时候就有直接的产品焦点。

The Verge：Google 对 AlphaGo 的支持有多重要？如果没有他们，你们是否能做到？

Hassabis：这是非常重要的。AlphaGo 在比赛中实际上并没有使用那么多硬件，但我们需要大量的硬件来训练它，做各种不同的版本，并让他们在云端互相比赛。这需要相当多的硬件才能高效完成，所以如果没有这些资源，在这段时间内根本无法完成。

The Verge：让我们来说说机器人。我平时在日本，并倾向于认为日本是机器人的精神家园。我现在在日本看到的机器人以两种方式使用。我们有像发那科这样的工业机器人，有一个确定的目的做着让人惊讶的事情，也有像软银 Pepper 那样的迎宾机器人，尽管使用有很大的限制，但他们在很多方面都是野心勃勃。对于这个领域现在的状态，你有什么想法？

（编辑：应用网_丽江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!