0
雷鋒網(wǎng) AI 科技評論按：今早，DeepMind 發(fā)出一篇年度總結(jié)文，盤點了 2017 年中自己在新的 AI 技術(shù)研發(fā)方面的研究成果，以及在 AI 技術(shù)的社會影響方面的所作所為。
可以說，AlphaGo 是大眾眼中的 DeepMind 的重頭戲，他們自撰的總結(jié)文也是以 AlphaGo 開頭、以 AlphaGo Zero 結(jié)尾。不過 DeepMind 的技術(shù)成果和在社會責(zé)任方面的努力真的有很多，關(guān)注我們的讀者在這一年中也看到了不少 DeepMind 的各方面研究成果，實驗室地點也擴張到了加拿大蒙特利爾和美國加利福尼亞。雷鋒網(wǎng) AI 科技評論把這篇年度總結(jié)文編譯如下（并添加了我們相關(guān)報道的鏈接，以便仔細(xì)查閱）。
今年 5 月時候，圍棋排名世界第一的柯潔在烏鎮(zhèn)的圍棋峰會上迎戰(zhàn)了 AlphaGo。比賽結(jié)果我們都知道了，三場全輸。而僅僅 2 個月后，柯潔已經(jīng)在同人類棋手的比賽中獲得了 20 連勝。這時的他面對媒體說了這樣一番話：「我下完（人機大戰(zhàn)）以后對圍棋有了重新的思考，現(xiàn)在看來這些思考對我還是有幫助的。我也希望所有的棋手都能去思考一下‘阿爾法狗’的棋理，它的思想，其實都很有意義。雖然我輸了，但我發(fā)現(xiàn)圍棋的變化量真的太大了，它還在不停地進(jìn)步，我也希望自己不斷地進(jìn)步」。
柯潔是圍棋領(lǐng)域的頂級人物，他的話讓 DeepMind 的研究人員們倍感榮幸。這同時也是對 DeepMind 研究人員們的激勵，因為這預(yù)示著一個新時代的開始。在未來，AI 可以成為幫助人類探索的工具；它可以發(fā)掘出新的知識，幫人類增進(jìn)對世界的理解。具體對于 AI 輔助科研來說，DeepMind 也希望 AI 系統(tǒng)可以在氣候變化、新藥研發(fā)、到發(fā)現(xiàn)新型復(fù)合材料、降低現(xiàn)有醫(yī)療系統(tǒng)的運轉(zhuǎn)壓力等等挑戰(zhàn)上幫助人類做出進(jìn)展。
這種帶來更美好的社會的可能性就是當(dāng)初 DeepMind 成立的原因。而 DeepMind 也一直在持續(xù)做出進(jìn)展，有些是在基礎(chǔ)科學(xué)方面，也有一些在 AI 安全和倫理方面。
科學(xué)技術(shù)研究成果
DeepMind 的研究方法是受到神經(jīng)科學(xué)啟發(fā)的，神經(jīng)科學(xué)領(lǐng)域的發(fā)現(xiàn)幫助 DeepMind 在想象力、推理、記憶和學(xué)習(xí)等關(guān)鍵要素上做出新的成果。以想象力為例，這種人類獨有的能力在我們的日常生活中起著重要作用，讓我們可以對未來可能發(fā)生的事情做規(guī)劃和推理，但這對計算機來說就是巨大的挑戰(zhàn)。DeepMind 持續(xù)地在這個問題上進(jìn)行深入的研究，今年也研發(fā)出了帶有想象力的智能體，它們可以從環(huán)境中提取出有用的信息，然后對未來應(yīng)該做什么做出規(guī)劃。
正是沿著在神經(jīng)科學(xué)啟發(fā)下做研究的思路，DeepMind 嘗試訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)，讓它在虛擬環(huán)境中控制各種簡單形體的運動，得到了走路非常妖嬈的智能體，這項研究的訓(xùn)練成果的視頻也是 DeepMind 歷來最熱門的一次。這種復(fù)雜的運動控制是運動智能的標(biāo)志，也是 DeepMind 的研究計劃中的重要部分。雖然最終得到的運動姿態(tài)有點「野路子」，有時候也看起來很別扭，但它們同樣走得很順利，也很能讓人們看個開心。
另一方面，DeepMind 在生成性模型方面也做出了成果。差不多一年之前 DeepMind 提出了 WaveNet，這是一個用來生成原始音頻信號的深度神經(jīng)網(wǎng)絡(luò)，而它的生成質(zhì)量也比當(dāng)時的其它技術(shù)要高得多、真實得多。這個模型當(dāng)時只是一個實驗室級別的原型，需要消耗非常高的計算資源所以無法用于消費級產(chǎn)品。而在過去的 12 個月中，DeepMind 和谷歌的團(tuán)隊一起成功地開發(fā)出了一個快 1000 倍的新模型。今年 10 月，DeepMind 正式宣布這個新的并行 WaveNet（Parallel WaveNet）開始在真實世界落地商用，為 Google Assistant 提供逼真的美國英語和日語語音生成。
這是 DeepMind 把 AI 系統(tǒng)變得更容易構(gòu)建、更容易訓(xùn)練、更容易優(yōu)化的努力成果之一。DeepMind 在過去的一年里還研究了概率分布強化學(xué)習(xí)、基于群落的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法以及新的神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索方法，這都讓 AI 系統(tǒng)變得更容易構(gòu)建、預(yù)測更準(zhǔn)確，優(yōu)化起來也更快。DeepMind 還投入了相當(dāng)?shù)臅r間創(chuàng)造新的、有挑戰(zhàn)性的環(huán)境用來測試他們開發(fā)出的 AI 系統(tǒng)，其中就包含了和暴雪合作，把星際 2 游戲開放成為研究平臺。
但 DeepMind 明白科學(xué)技術(shù)不是價值中立的。當(dāng)他們在基礎(chǔ)研究上做出成果的時候，他們知道自己同樣需要為研究成果的倫理和社會影響負(fù)起責(zé)任。這也讓 DeepMind 的研究工作深入了解釋性之類的重要領(lǐng)域，開發(fā)各種各樣的新方法來理解以及解釋他們的 AI 系統(tǒng)是如何工作的?；谕瑯拥睦碛桑珼eepMind 成立了一支技術(shù)安全研究小組，他們會持續(xù)研究各種實際的辦法來保證未來的 AI 系統(tǒng)是可信賴可依靠的，以及它們不會脫離人類的控制。
10 月的時候，DeepMind 邁出了新的一步，成立了「DeepMind 倫理&社會」研究小組，這支團(tuán)隊會為 DeepMind 探究以及理解 AI 對真實世界的影響，以便讓 AI 真正地在社會中發(fā)揮益處。這項研究會由這個領(lǐng)域的知名專家們引領(lǐng)，比如哲學(xué)家 Nick Bostrom、氣候變化專家 Christiana Figueres、優(yōu)秀研究員 James Manyika 以及經(jīng)濟學(xué)家 Diane Coyle 和 Jeffrey Sachs。
AI 必須被整個社會的重點需求和擔(dān)憂重新塑造，所以 DeepMind 和一些合作伙伴共同舉辦活動，試圖啟動全社會的討論和對話，共同思考 AI 應(yīng)該如何設(shè)計、如何應(yīng)用。比如，算法正義聯(lián)盟（Algorithmic Justice League）的負(fù)責(zé)人 Joy Buolamwini、Article 36 和人權(quán)觀察組織（Human Rights Watch）的專家，以及英國軍方都參加了一個連線直播上的活動，討論算法的偏見性以及限制自動殺傷性武器的使用。正如 DeepMind 今年反復(fù)說起的那樣，這些議題都非常重大，它們的影響也非常廣闊，根本不可以忽視。
也所以，DeepMind 需要開拓新的空間，不管是在 AI 公司之間還是之外，以便探討如何參與以及引導(dǎo)科學(xué)技術(shù)對世界的影響。其中一個例子是「AI 合作伙伴」（Partnership on AI），DeepMind 今年在這個組織擔(dān)任聯(lián)合主席，而它的目的就是把業(yè)界的競爭者們、學(xué)術(shù)機構(gòu)和現(xiàn)代社會三者聯(lián)合起來，共同討論關(guān)鍵的倫理問題。在過去的一年中，「AI 合作伙伴」新增了 43 個盈利和非盈利成員，以及一位新的執(zhí)行總監(jiān) Terah Lyons。在接下來的幾個月中，DeepMind 期待和整個組織進(jìn)一步合作，驗證更多各種各樣的研究主題，包括算法中的偏見和歧視、機器學(xué)習(xí)對自動化和勞動力的影響，等等。
DeepMind 同樣看重如何讓科學(xué)技術(shù)為社會帶來實際的益處，也持續(xù)地發(fā)現(xiàn)著 AI 在醫(yī)療和能源方面帶來巨大影響的潛力。今年，DeepMind 和 NHS 醫(yī)院信托簽訂了兩項合作伙伴協(xié)定讓 DeepMind 的 Streams app 落地應(yīng)用，它可以用數(shù)字化技術(shù)幫助 NHS 醫(yī)院的醫(yī)生們做出診斷。DeepMind 頂級研究機構(gòu)的合作組織中的一員，今年他們也發(fā)起了一項開創(chuàng)性的研究，要確定最新的機器學(xué)習(xí)技術(shù)是否真的能夠幫助提升乳腺癌的檢測精度。
同時，DeepMind 也把許多精力投入了自己在保健方面的研究的監(jiān)管上。DeepMind 也曾經(jīng)撰文介紹，政府信息專員在 DeepMind 與皇家自由醫(yī)院的合作中有一些發(fā)現(xiàn)，以及 DeepMind 保健的獨立評審員首次對 DeepMind 的工作發(fā)布了公開年度報告，DeepMind 也從其中獲得了經(jīng)驗教訓(xùn)。他們的仔細(xì)監(jiān)督提高了 DeepMind 的工作質(zhì)量。DeepMind 隨之大幅增加了自己和病人以及公眾之間的互動活動，包括與病人和看護(hù)人員的 workshop；而且 DeepMind 也在開發(fā)新的技術(shù)手段來把信任機制構(gòu)建到系統(tǒng)中來，比如可驗證的數(shù)據(jù)監(jiān)督機制（verifiable data audit），DeepMind 未來也計劃把它作為一個開源工具公開發(fā)布出來。
對 DeepMind 來說，2017 年的成果很讓他們覺得滿意，但同時他們也明白還有很長的路要走。
在擊敗柯潔、讓 AlphaGo 從競技比賽退役之后的 5 個月后，DeepMind 發(fā)布了第四篇《Nature》論文，介紹了 AlphaGo 系列的新版本 AlphaGo Zero，它學(xué)習(xí)圍棋技能不需要任何人類的知識。在上百萬局游戲中，這個系統(tǒng)從零開始逐漸學(xué)會了如何下圍棋，在僅僅幾天的時間內(nèi)就積累了人類需要數(shù)千年的時間才能積累出的知識。在這個過程中，它同時也在這項古老的游戲中發(fā)現(xiàn)了非傳統(tǒng)的策略、發(fā)掘出了新的知識。
DeepMind 相信 AI 在更復(fù)雜的問題上也能起到同樣的作用，它可以是科學(xué)技術(shù)工具，也可以是人類創(chuàng)造力的倍增器。AlphaGo 團(tuán)隊現(xiàn)在已經(jīng)把注意力轉(zhuǎn)向了另一組宏偉的目標(biāo)，DeepMind 自己也希望這些研究人員們感受到了算法靈感的時刻才是剛剛開始。
via DeepMind Blog，雷鋒網(wǎng) AI 科技評論編譯
相關(guān)文章：
DeepMind 彈性權(quán)重鞏固算法讓 AI 擁有“記憶” ，將成機器高效學(xué)習(xí)的敲門磚
重磅 | DeepMind新神經(jīng)網(wǎng)絡(luò)學(xué)會關(guān)系推理，還擊敗了人類
DeepMind解密黑箱第一步：原來神經(jīng)網(wǎng)絡(luò)的認(rèn)知原理和人類是一樣的！
DeepMind醫(yī)療數(shù)據(jù)項目被當(dāng)局批評 合作醫(yī)院被勒令整改
機器人走路未必笨拙，DeepMind新方法訓(xùn)練的人工智能走得就很飄逸
DeepMind提出SCAN：僅需五對樣本，學(xué)會新的視覺概念！
DeepMind新論文：在復(fù)雜環(huán)境中，智能體能更聰明地進(jìn)行想象和思考了
DeepMind眼中的神經(jīng)科學(xué)研究：人工智能進(jìn)步的另一個重要支點
DeepMind和暴雪聯(lián)手發(fā)布開發(fā)工具和replay數(shù)據(jù)集，讓更多AI研究者玩上星際2
Deepmind語音生成模型WaveNet正式商用：效率提高1000倍
100:0！Deepmind Nature論文揭示最強AlphaGo Zero，無需人類知識
手動調(diào)參慢，隨機搜索浪費資源？Deepmind異步優(yōu)化算法PBT解決神經(jīng)網(wǎng)絡(luò)痛點
生活中出現(xiàn)AI時我們能信任它們嗎？DeepMind 已經(jīng)開始探索AI安全的答案
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
