Demis Hassabis從4歲就開始下國際象棋，并很快成長為神童。到了8歲，棋盤上的成功讓他思索兩個困擾已久的問題：首先，大腦是如何學習掌握復雜任務的；再者，電腦是否也能做同樣的事。

現(xiàn)年38歲的Hassabis如今為Google思索這些問題，今年初，他將自己名不見經傳的倫敦初創(chuàng)公司DeepMind以4億英鎊的價格賣給了這家搜索巨頭。在DeepMind演示出軟件可以自學，把經典電玩游戲玩到超人級別后，Google馬上就搶購了這家公司。而在今年的溫哥華TED大會上，Larry Page不僅對Hassabis贊不絕口，更將其公司的技術稱之為“我長久以來看過的最令人興奮的事件之一”。

研究者們已經在尋找DeepMind技術得以改進Google現(xiàn)有產品的方法，比如搜索。但如果該項技術如Hassabis所希望，它就會改變計算機在諸多領域所扮演的角色。Hassabis表示，DeepMind尋求構建面對幾乎任何問題都能學習的人工智能軟件，這可以幫助人們處理某些世界上最為棘手的問題。他說：“人工智能有巨大的潛力，會讓人類大吃一驚。它真正會加速解決疾病的進程，以及所有我們在當下進展相對緩慢的事情?！?/p>

學術青年

Hassabis對于了解和創(chuàng)造智能的追求，引領他經歷了三個職業(yè)生涯：游戲開發(fā)者，神經系統(tǒng)科學家，以及人工智能企業(yè)家。在提前兩年完成高中學業(yè)之后，Hassabis便從英國知名游戲設計師Peter Molyneux那里得到了一份工作。17歲時，Hassabis領銜開發(fā)了一款在1994年發(fā)行的經典模擬游戲《主題公園》。隨后他繼續(xù)在劍橋大學修得一個計算機科學學位，并于1998年創(chuàng)立了自己頗為成功的游戲公司。

但構建電子游戲的需求限制了Hassabis從事其真實使命，他說：“我覺得是時候做一些以智能為首要任務的事情了?！痹?005年，他開始在倫敦大學學院進修神經系統(tǒng)科學博士學位，他覺得通過研究真實人腦也許能找到線索，從而幫助研究人工智能。他最終選擇研究海馬體，這是一塊支持記憶和空間導向的大部部分，且目前所知甚少。他對此表示：“我挑的這些腦領域和腦功能，都是目前對其沒有優(yōu)秀運算法則應對的區(qū)域?！?/p>

作為一個沒有學習高中生物的計算機科學家與游戲企業(yè)家，Hassabis一眾醫(yī)學博士和心理學家間顯得尤為突出。他談到：“我經常開玩笑說，我對大腦唯一了解的事情就是，它在頭蓋骨里。”但Hassabis很快便做出了成績。2007年，在一項被《科學》雜志評選為“年度突破”的研究中，他向人們展示出，五名因腦損傷而遭受失憶癥折磨的病人，他們的海馬體會努力地設想未來的事情。這暗示大腦中被認為只與過去有關的部分也對計劃未來至關重要。

記憶和提前計劃糾結在一起的理念，也讓Hassabis進入下一階段的冒險。2011年，他放棄了博士后研究生生活，轉而創(chuàng)立了以“解決智能”為經營理念的DeepMind。

智能高分

Hassabis及其同事AI專家Shane Legg，以及連續(xù)創(chuàng)業(yè)家Mustafa Suleyman共同創(chuàng)立了DeepMind，這家公司不僅雇傭了機器學習領域的頂級研究者，也吸引了令人注目的投資者，其中就包括了Peter Thiel的Founders Fund、特斯拉以及SpaceX創(chuàng)始人Elon Musk。但DeepMind直到2013年12月之前都是非常低調的，去年末，他們在一場機器學習領域的頂級研究會上演了自己的處子秀。

DeepMind的研究員們演示了軟件是如何學習玩一些雅達利經典游戲的，其中就包括了《太空入侵者》和《Pong》。而且它不光學習，玩得也比任何一個人類都要好。更重要的是，該軟件并未編入任何怎么玩游戲的信息，它只與控制器和顯示器相連，并在知曉得分方式后，便開始憑借本能盡量打出最高分。最令人稱奇的是，這個程序經過反復測驗都是專家級的玩家。

從最開始沒人能證明軟件可以學習掌握如此復雜的任務。DeepMind已經利用了一種叫做“深度學習”的新興機器學習技術，其中便包含了模擬神經元網絡處理數據。但它也將其他訣竅與深度學習技術相結合，從而以超凡水平進行創(chuàng)造。加州大學的人工智能專家Stuart Russell教授對此表示：“人們有點震驚，因為他們并未料想到我們能在這個技術層面上做出這個，我覺得它讓很多人都陷入了躊躇?！?/p>

DeepMind將深度學習與另一種叫做“強化學習”的技術相結合，而這也受到了很多動物心理學家研究成果的啟發(fā)，比如斯金納。這同時也將引領軟件通過采取行動，以及從其影響接受反饋等方式學習，誠如人類或動物經常做的那樣。Hassabis表示，人工智能的研究者們琢磨強化學習技術已有數十年，但直到DeepMind問世以前，沒人曾建造過一個能玩復雜電子游戲，可以學習任何事物的系統(tǒng)。

一個原因可能是，Hassabis從其最愛的大腦領域借鑒了竅門。雅達利游戲軟件的一部分學習進程，與不斷重復過去的游戲經驗有關，能從中提取出對未來游戲方案最為精確的提示。他說：“這是我們知道大腦會做的事，當你睡覺的時候，你的海馬體就會重演你當天的記憶，然后再返回大腦皮層。”

一年后，Russell和其他研究者仍在苦思DeepMind所用的技巧如何成就如此卓越的成果，以及它們還能被用來做哪些事。Google沒花多大功夫就意識到了這項成果的重要性，他們一個月后便宣布收購DeepMind。

Google之人

時至今日，Hassabis領導著如今被稱為“Google DeepMind”的研發(fā)團隊。這個公司仍然坐落于倫敦，也依舊以“解決智能”為公司使命。在加入Google時，DeepMind大約有75名精兵強將，但Hassabis說他計劃再雇傭50多人。大約75%的小組成員都在從事基礎研究的工作，其余則建立了一個“應用研究團隊”，為將DeepMind的技術應用到Google現(xiàn)有產品創(chuàng)造條件。

DeepMind的技術可以被用來改善YouTube的視頻推薦功能，或Google的移動語音搜索。Hassabis說：“你將看到我們的一些技術在未來幾年會嵌入那些東西。”Google并不是唯一一家確信這一途徑能夠大發(fā)財源的機構，上個月，Hassabis就因使本國經濟受益的貢獻而接受了英國皇家學會的穆拉德獎。

Hassabis現(xiàn)在正夢想著能創(chuàng)造出“人工智能科學家”，從而可以在實驗室里測試關于疾病的新假設，或者做生殖方面的事情。另外，Hassabis還表示DeepMind的軟件還可以對機器人大有用處，而機器人領域恰好是Google最近重砸大錢的投資領域。他說：“我們現(xiàn)在沒有讓更多的機器人做更多有益事情的一個原因就在于，它們通常都會被預先編程。所以它們在處理意外事件或者學習新生事物方面就會非常差?！?/p>

Hassabis在談論應用時的不情愿或許是出于膽怯，又或者可能是他的研究者們仍處于提升公司人工智能軟件的早期階段。但有一個很強烈的指示便是，Hassabis期望能夠迅速向人工智能新形式發(fā)展，他正在Google內部建立一個道德委員會，從而得以考量人工智能負面效應的可能性。他最后笑著說：“這是我們或身處Google的其他人需要認識到的事情，我們現(xiàn)在雖然仍在玩雅達利游戲的階段，但我們現(xiàn)在已經處在梯子的第一階了?！?/p>

via mit

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。