按：文章來自The Verge，由新智元原創(chuàng)翻譯。

【導(dǎo)讀】擊敗圍棋只不過是一個(gè)開始，AlphaGo 的開發(fā)公司 DeepMind 在游戲、醫(yī)療、機(jī)器人以及手機(jī)方面都有規(guī)劃。The Verge 非常迅速地采訪到了 DeepMind 的創(chuàng)始人Demis Hassabis，他說自己也被 AlphaGo 咄咄逼人又膽大包天的下法驚呆了！在后面的采訪中，Demis Hassabis 透露了 DeepMind 的下一步。 

DeepMind大敗圍棋界傳奇李世石，引發(fā)了對人工智能的潛力的關(guān)注——熱度遠(yuǎn)超近期的任何事件。但是Google下屬的AlphaGo項(xiàng)目并不是它唯一的計(jì)劃——甚至不是最主要的計(jì)劃。就像Deep Mind聯(lián)合創(chuàng)始人Demis Hassabis在前幾天說的那樣，DeepMind想要“破解智能”，而關(guān)于如何達(dá)成這個(gè)目標(biāo)，他有許多想法。

Hassabis自己走的并不是尋常路，不過現(xiàn)在回顧起來似乎是最有意義的路。他小時(shí)候是一個(gè)象棋天才，在腦力奧林匹克運(yùn)動(dòng)會上5次獲得Pentamind冠軍，隨后在不大的年齡就與英國電腦游戲開發(fā)工作室Bullfrog和Lionhead一起闖出了聲名，致力于開發(fā)偏重AI的游戲（比如《主題公園（ThemePark）》和《黑與白（Black& White）》），之后他建立了自己的工作室Elixir。在2000年代中期，Hassabis離開了游戲行業(yè)，攻讀神經(jīng)科學(xué)Phd，并在之后的2010年聯(lián)合創(chuàng)立了DeepMind。

AlphaGo旗開得勝的第二天清早，Hassabis坐在了The Verge記者的面前。此刻，即使他的心思一點(diǎn)也沒有留給媒體，也不會讓人覺得奇怪。然而，他進(jìn)入采訪室時(shí)，言辭溫和又讓人愉快。他談?wù)摿艘粫菏谞査募揪频昀镩W耀的裝潢，隨后當(dāng)一位Google發(fā)言人告訴他一夜之間韓國媒體界涌出了超過3300篇關(guān)于他的報(bào)道時(shí)，他看上去非常驚訝?！斑@簡直難以置信，是吧？”他說道，“看著某種有點(diǎn)深?yuàn)W的東西變得這么流行真是相當(dāng)有趣?！?/p>

除了AlphaGo，我們的訪談也聊到了視頻游戲、次世代智能手機(jī)助手、DeepMind在Google中的角色、機(jī)器人、AI如何推動(dòng)科研、以及其他的話題。深入——非常深度的談話。

| 圍棋是人工智能的圣杯

 

The Verge：對于不太懂AI或是圍棋的人，你會如何談?wù)撟蛱彀l(fā)生的事引起的文化共鳴？

Hassabis：我會有幾件事想說。圍棋一直以來都是完全信息博弈游戲（perfectinformation games）的巔峰。從可能性的角度來說，它比國際象棋復(fù)雜得多，所以在AI研究領(lǐng)域中它差不多算是圣杯，或者說重大挑戰(zhàn)，特別是在“深藍(lán)”（破解國際象棋）之后。你知道，雖然已經(jīng)投入了很多努力，但我們還沒有走到那么遠(yuǎn)的地方。蒙特卡洛樹搜索在10年前是一個(gè)很大的創(chuàng)新，但是我覺得我們對AlphaGo做的是，引進(jìn)了神經(jīng)網(wǎng)絡(luò)這種直覺層面的東西——如果你想這么稱呼它的話——而直覺的確就是頂級圍棋棋手間的差距。直播解棋時(shí)MichaelRedmond甚至一度難以點(diǎn)清目數(shù)，而他是一個(gè)職業(yè)九段！我對于這一點(diǎn)感到相當(dāng)驚訝，這也向你顯示了為圍棋寫一個(gè)評估函數(shù)（valuationfunction）是多么困難的一件事。

The Verge：你有沒有被AlphaGo的哪一步棋震驚到？

Hassabis：當(dāng)然。我們都驚呆了——我想李世石也是，從他的表情上來看——當(dāng)AlphaGo在左側(cè)落子深入李世石的領(lǐng)地時(shí)。我覺得這是相當(dāng)出人意料的一步棋。

The Verge：因?yàn)榉浅＿瓦捅迫耍?/p>

Hassabis：既咄咄逼人又膽大包天！并且，它是在用李世石的方式與他對弈。李世石以充滿創(chuàng)造力的戰(zhàn)斗方式而聞名，他也展示出了這一點(diǎn)，我們也預(yù)計(jì)到會有這樣的情況發(fā)生。棋局一開始他就在整個(gè)棋盤上四處落子，沒有真正停在哪一點(diǎn)經(jīng)營局面。傳統(tǒng)的圍棋軟件對于這種打法都不擅長，它們在局部計(jì)算上不算糟糕，但是當(dāng)需要全局觀的時(shí)候就不行了。

The Verge：舉辦這些比賽，首先一個(gè)重要的目的是評估AlphaGo的能力，它能打贏還是會落敗。你從昨天的比賽中看出了什么？

Hassabis：我想，我們知道了我們沿著這個(gè)方向走到了超過——好吧，沒有超過我們的預(yù)期，不過就像我們希望得那樣遠(yuǎn)。我們原來告訴大家，我們覺得比賽的勝率五五開。我仍然覺得這可能是正確的說法，什么事都有可能發(fā)生，我也知道李世石再次面對AlphaGo的時(shí)候可能會采用不同的策略。所以我覺得結(jié)果會是非常有趣的。

剛才說了AI的重要性，回答了你第一個(gè)問題。另一件我想說的重要的事情是AlphaGo和深藍(lán)之間的區(qū)別。深藍(lán)是一個(gè)人工打造的程序，程序員們從國際象棋大師那里獲得信息、提煉出特定的規(guī)則和領(lǐng)悟，而我們?yōu)锳lphaGO注入的是學(xué)習(xí)能力，隨后它通過練習(xí)和研究學(xué)會圍棋，這種做法更像人類。

| 從游戲行業(yè)到 DeepMind 

The Verge：如果AlphaGo繼續(xù)一路攻城略地，下一步會是什么——未來會不會有另一場AI參與游戲的賽事？

Hassabis：我覺得對于完全信息博弈游戲來說，圍棋已經(jīng)是頂峰了。當(dāng)然，還是有一些其它的頂尖圍棋棋手可以讓AlphaGo與之對弈的，但是游戲是沒有了——無限制的撲克牌游戲非常困難，多人游戲有獨(dú)特的挑戰(zhàn)，因?yàn)樗且粋€(gè)不完全信息博弈游戲。然后，顯而易見有許多視頻游戲人類都玩得比計(jì)算機(jī)更好，比如《星際爭霸》，另一個(gè)在韓國很火爆的游戲。策略游戲需要一種不完全信息世界中的高水平策略能力——這被稱為“部分可觀測”。對于圍棋來說，顯然你可以看到一切都顯示在棋盤上，所以這讓圍棋對于計(jì)算機(jī)來說顯得稍微簡單了一點(diǎn)。

The Verge：戰(zhàn)勝《星際爭霸》對你個(gè)人來說是一件讓你感興趣的事情嗎？

Hassabis：可能是吧。我們只對處在我們研究項(xiàng)目的主要軌跡上的東西感興趣。所以DeepMind的目標(biāo)不只是戰(zhàn)勝游戲，雖然這的確很有趣也很讓人興奮。你知道，我個(gè)人很喜歡游戲，我曾經(jīng)寫過電腦游戲，但是這是因?yàn)樗鼈冏鳛闇y試平臺來說非常有用，在這個(gè)平臺上可以卸下我們對算法的想法、測試它們能做到什么地步；這是一種非常有效的方法。最終我們想要把這個(gè)東西用在重要的真實(shí)世界問題上。

The Verge：1990年代后期，我在英國長大，從電腦雜志上看到你的名字與一些非常雄心勃勃的游戲聯(lián)系在一起。后來當(dāng)我第一次聽說DeepMind、看到你的名字在里面的時(shí)候，我心想，“簡直太配了”。你可以說說你是怎么從之前的游戲行業(yè)轉(zhuǎn)到你現(xiàn)在做的事情上的嗎？

Hassabis：當(dāng)然。像DeepMind這樣的東西一直以來都是我的終極目標(biāo)。我為此策劃了超過20年，從某些方面來說。如果你回顧一下我做的一切，從最終我開始致力于AI研究來看，我的選擇就變得非常清晰了。如果你很熟悉我在Bullfrog工作室的事情還有后來一些別的事，你就會知道，對于我所寫的一切程序、我所參與的一切活動(dòng)來說，AI是核心部分。顯然PeterMolyneux（Bullfrog工作室的創(chuàng)始人之一）的游戲都是AI游戲。當(dāng)我16還是17歲的時(shí)候，我在編寫《主題公園》的程序，那對我來說是一段非常重要的時(shí)間，讓我意識到了如果我們真的試圖拓展AI的能力、它能強(qiáng)大到怎樣的地步。我們賣出了數(shù)百萬份《主題公園》的游戲，有那么多人都沉浸于玩這個(gè)游戲，這是因?yàn)橛螒蚶锏腁I能夠適應(yīng)你玩游戲的方式、做出改變。我們在此基礎(chǔ)上繼續(xù)前進(jìn)，我也試圖在我接下來的游戲生涯中繼續(xù)往這個(gè)方向開拓。后來我離開了游戲行業(yè)，回到學(xué)術(shù)圈和神經(jīng)科學(xué)界，因?yàn)槲以?000年代中期感到我們在AI研究方面已經(jīng)做到了極限——當(dāng)你還需要真的做出一款游戲的時(shí)候。AI研究難以繼續(xù)深入，因?yàn)榘l(fā)行商們只想要游戲，是吧？

The Verge：所以那時(shí)只是因?yàn)锳I最顯而易見的應(yīng)用就是游戲嗎？

Hassabis：當(dāng)然，我是這么覺得的，我也確實(shí)認(rèn)為我們當(dāng)時(shí)做的AI極為前沿、讓人幾乎難以相信。我覺得1990年代學(xué)術(shù)圈還沒有什么動(dòng)靜，而這些新技術(shù)——神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)——也還沒有真正得到推廣。所以事實(shí)上那時(shí)候最好的AI在游戲行業(yè)。那不是我們現(xiàn)在致力于研究的這種AI，它更像是有限狀態(tài)機(jī)（finite-statemachines），但是相當(dāng)復(fù)雜、也能自我適應(yīng)?！逗谂c白》之類的游戲中有強(qiáng)化學(xué)習(xí)——我仍然覺得這是強(qiáng)化學(xué)習(xí)用在游戲中的最復(fù)雜的一個(gè)例子。但是，隨后在2004年、2005年左右的時(shí)候，很明顯游戲行業(yè)走的路線與90年代不同了——90年代時(shí)它非常有趣也非常有創(chuàng)造力，你可以想出任何主意、然后實(shí)現(xiàn)它。但它后來變得更多的是在依賴于畫質(zhì)、續(xù)作、還有FIFA足球游戲等等，不再那么有趣了——我在游戲方面做了我能做的一切，是時(shí)候?yàn)榱薉eepMind的建立而去收集不同的信息了。那就是神經(jīng)科學(xué)。我想要從大腦如何解決問題中獲得靈感，那么還有比攻讀一個(gè)神經(jīng)科學(xué)博士學(xué)位更好的方法嗎？

The Verge：這可能看上去是唾手可得的成果，不過如果你們現(xiàn)在將AI的進(jìn)展應(yīng)用到游戲上，會怎么樣？

Hassabis：我覺得應(yīng)該會真的很驚人。最近EA有人聯(lián)系過我…【渴望的語氣】我們應(yīng)該會做的。有那么多事情可以做！【笑聲】使用這些技術(shù)是非常通用的，我很想要做這件事。但是有帶寬的限制在，并且我們現(xiàn)在精力集中在醫(yī)療和推薦系統(tǒng)之類的方面上。不過可能到某個(gè)時(shí)間我們就會做這件事，制作一些智能的、有適應(yīng)能力的AI對手，并且我覺得游戲開發(fā)者們也會喜歡這樣的——不必再為每個(gè)游戲都開發(fā)新的AI——屆時(shí)可能他們只需要通過他們的游戲訓(xùn)練出一個(gè)AI就好了。

The Verge：我剛才想象了一下你在家打視頻游戲，在NPC面前比我還要疲于奔命的樣子。

Hassabis：當(dāng)然【笑聲】是的，在MMG（大型多人游戲）和類似游戲里這總是讓我很受挫。我從來沒有真的為這些游戲著迷，因?yàn)镹PC都太蠢了。他們沒有記憶，不會改變，不理解上下文。我覺得如果有了這種可以學(xué)習(xí)的AI，游戲就完全上升到另一個(gè)層次了。

| DeepMind 的下一步：醫(yī)療

 

The Verge：這周你帶來的消息里，AI未來主要的用途是醫(yī)療、智能手機(jī)助手以及機(jī)器人。讓我們來詳細(xì)聊聊。醫(yī)療方面，舉例來說，IBM的Watson在癌癥診斷方面有所建樹——DeepMind可以帶來什么？

Hassabis：好吧，現(xiàn)在還只是雛形。我們幾周前宣布了一項(xiàng)與NHS（英國國家醫(yī)療服務(wù)體系）的合作，不過這只是剛開始著手建立一個(gè)利用機(jī)器學(xué)習(xí)力量的平臺。我覺得Watson與我們做的事情非常不同，從我的理解而言——Watson更像是一個(gè)專家系統(tǒng)，所以它是另一種形式的AI。我覺得你能看到這類AI做的事情會是醫(yī)療圖像的診斷，然后可能有對于自我量化（quantifiedself）或是重要跡象的長期追蹤，幫助人們有更健康的生活狀態(tài)。我覺得這很適合用強(qiáng)化學(xué)習(xí)。

The Verge：在與NHS的合作中，你們推出了一款看上去沒有怎么用到AI或是機(jī)器學(xué)習(xí)的app。這背后你們是怎么想的？為什么NHS要用這個(gè)app，而不是其他廠商推出的軟件？

Hassabis：NHS的軟件在我的理解中是相當(dāng)糟糕的一個(gè)東西，所以我覺得第一步就是試著讓它進(jìn)入21世紀(jì)。它們并不是移動(dòng)端的，完全不是我們作為今天的消費(fèi)者理所當(dāng)然認(rèn)為能看到的那種樣子。并且我覺得對于醫(yī)生和護(hù)士來說它用起來讓人覺得很挫敗，降低了他們的效率。所以我覺得第一步是，幫助他們用上更有用的工具，比如可視化和基礎(chǔ)統(tǒng)計(jì)信息。我們認(rèn)為，我們會實(shí)現(xiàn)這樣的功能，然后看清我們到底需要什么，隨后再將更純熟的機(jī)器學(xué)習(xí)技術(shù)運(yùn)用其中。

The Verge：這一切有多簡單？醫(yī)療資金在英國顯然會是一個(gè)充滿爭議的話題。

Hassabis：當(dāng)然，呃，好吧，我們正在免費(fèi)做這件事【笑聲】這讓它變得很簡單！這與大部分軟件公司都有很大的不同。大部分時(shí)候是大型跨國公司制作這種軟件，所以他們不會真正把注意力放到用戶身上，而我們在設(shè)計(jì)它的時(shí)候更像是一種初創(chuàng)企業(yè)的方式，從用戶那里傾聽反饋、從某種程度上來說與他們一起設(shè)計(jì)一個(gè)軟件。

| 未來的核心：智能手機(jī)助手

The Verge：那么讓我們談?wù)勚悄苁謾C(jī)助手。我看到你第一天的時(shí)候演講PPT里有一張圖來自電影《她（Her）》——這會是最終形態(tài)嗎？

Hassabis：不，我的意思是，關(guān)于智能手機(jī)助手是什么樣，《她》只是一種盛行的主流觀點(diǎn)。我只是覺得，我們會想要讓這些智能手機(jī)助手之類的東西真正變得智能、理解上下文、對于你要做什么有更深的理解。現(xiàn)在，大部分這樣的系統(tǒng)都極為脆弱——一旦你偏離了預(yù)先編程輸入的模板，它們就完全變得毫無用處。所以這意味著讓它們變得真正可以適應(yīng)、變得靈活、也更穩(wěn)健。

The Verge：為了改善這些，需要有什么突破？

Hassabis：我們可以的，只不過我覺得你需要一個(gè)不同的方法。再說一次，這是預(yù)編程和學(xué)習(xí)的二分法。目前基本所有的智能手機(jī)助手都屬于特殊案例和預(yù)編程的，這意味著它們很脆弱，因?yàn)橹荒茏鲱A(yù)編程寫好的事。然而真實(shí)的世界非?；靵y，用戶們也會在你無法提前知曉的情況下，做著不可預(yù)知的事情。我們對 DeepMind 的信念是，這也是最根本的原則，通往人工智能的唯一道路，是從地基開始打起，而且變得通用。

The Verge：AlphaGo 從學(xué)習(xí)很多游戲模式過程中順利起飛，這對于智能手機(jī)怎么使用呢？它的輸入是如此的多變？

Hassabis：是啊，所有得有上萬噸的數(shù)據(jù)，而你可以從中學(xué)習(xí)到很多東西。事實(shí)上， AlphaGo 的算法，我們打算在未來幾個(gè)月嘗試的是，擺脫監(jiān)督式學(xué)習(xí)的出發(fā)點(diǎn)，讓它完全自我發(fā)揮，從一無所有的狀態(tài)開始。它會需要更長的時(shí)間，因?yàn)楫?dāng)你采用隨機(jī)方法的時(shí)候，其中的審查和錯(cuò)誤會需要更多的時(shí)間訓(xùn)練，也許是幾個(gè)月。但是，我們認(rèn)為有這個(gè)可能性，讓它從純粹的學(xué)習(xí)中起步。

The Verge：是因?yàn)樗惴ìF(xiàn)在能達(dá)到的程度，所以你認(rèn)為這是可能的么？

Hassabis：不是的，我們本來可以這樣做的。它不會使得程序更強(qiáng)大，它只是做著純粹的學(xué)習(xí)。所以會有一些非監(jiān)督的部分。我們認(rèn)為這個(gè)算法能夠在非監(jiān)督的狀態(tài)下工作。我們?nèi)ツ曜隽?Atari 游戲，在像素的層面玩游戲，而不會受人類知識的禁錮，它會在屏幕中做一些隨機(jī)的動(dòng)作，開始游戲。

The Verge：對于 Atari 游戲來說更加容易，是因?yàn)槭〉臓顟B(tài)更加明顯么？

Hassabis：的確更加容易，因?yàn)榉謹(jǐn)?shù)更有規(guī)律。在圍棋中，不管最終贏得還是輸?shù)舯荣悾阋矁H僅得到一個(gè)分?jǐn)?shù)。這就是所謂的信用分配問題（Credit Assignment Problem）：這個(gè)問題是，你在圍棋中走了幾百步，但不知道具體哪一步會為最終的勝利或失敗負(fù)責(zé)，其中的信號非常微弱。而在大多數(shù)的 Atari 游戲中，所做的大多數(shù)事情都會給予分?jǐn)?shù)，所以就得到了更多的面包（獎(jiǎng)勵(lì)）去仿效。

The Verge：你可以給個(gè)是時(shí)間表么？當(dāng)這些事情開始給手機(jī)市場帶來顯著性差異的時(shí)候。

Hassabis：我認(rèn)為在未來的兩到三年會開始看到它。我的意思是，它在開始的時(shí)候是非常微小的，只有很小的部分會工作的更好。也許在未來的 4 到 5 年，甚至 5 年更多，你可以看到在功能上大的變化。

| 為何 Google 的支持非常重要

The Verge：你確定了未來各種各樣的可能性，而這件事是和 Google 聯(lián)系在一起最明顯的事情。

Hassabis：是的。

The Verge：你有沒有得到任何指示，這些事情被期待如何納入到 Google 的產(chǎn)品路線圖或商業(yè)模式中？

Hassabis：不，在如何最優(yōu)化研究進(jìn)展方面，我們有很強(qiáng)的主導(dǎo)權(quán)。這是我們的使命，也是為什么我們加入了 Google，這樣我們可以給研究進(jìn)行渦輪增壓。這是發(fā)生在過去幾年的事情。當(dāng)然，我們實(shí)際上也致力于很多 Google 內(nèi)部的產(chǎn)品，但是他們是非常早期的階段，所以還沒準(zhǔn)備好公布。當(dāng)然我認(rèn)為智能手機(jī)助手是非常核心的，我認(rèn)為 Sundar Pichai 已經(jīng)對此談了很多，這是 Google 未來的核心。

The Verge：Google 有另外的舉措，例如 Google Brain，它推出了機(jī)器學(xué)習(xí)的特征，像 Google 圖片搜索和其他面向用戶的東西。

Hassabis：是的，幾乎無所不在。

The Verge：你的公司和 Google Brain 有互動(dòng)嗎？你們有沒有重疊的部分？

Hassabis：當(dāng)然，其實(shí)我們是非?；パa(bǔ)的。我們每周都有交談。Google Brain 主要致力于深度學(xué)習(xí)，他們也有非常卓越的工程師 Jeff Dean，所以他們已經(jīng)鋪開到公司的各個(gè)角落，這也是為什么我們發(fā)明出了令人驚喜的 Google 圖片搜索。他們正在做著現(xiàn)象級的工作。另外，他們的團(tuán)隊(duì)在山景城，所以他們離產(chǎn)品團(tuán)隊(duì)更近，他們的研究周期也更像 12 到 18 個(gè)月。而我們有更多算法開發(fā)的工作，我們傾向于為需要兩三年研究的事情做研究，而且不需要在開始的時(shí)候就有直接的產(chǎn)品焦點(diǎn)。

The Verge：Google 對 AlphaGo 的支持有多重要？如果沒有他們，你們是否能做到？

Hassabis：這是非常重要的。AlphaGo 在比賽中實(shí)際上并沒有使用那么多硬件，但我們需要大量的硬件來訓(xùn)練它，做各種不同的版本，并讓他們在云端互相比賽。這需要相當(dāng)多的硬件才能高效完成，所以如果沒有這些資源，在這段時(shí)間內(nèi)根本無法完成。

| 不看機(jī)器人，關(guān)注科學(xué)的進(jìn)展

The Verge：讓我們來說說機(jī)器人。我平時(shí)在日本，并傾向于認(rèn)為日本是機(jī)器人的精神家園。我現(xiàn)在在日本看到的機(jī)器人以兩種方式使用。我們有像發(fā)那科這樣的工業(yè)機(jī)器人，有一個(gè)確定的目的做著讓人驚訝的事情，也有像軟銀 Pepper 那樣的迎賓機(jī)器人，盡管使用有很大的限制，但他們在很多方面都是野心勃勃。對于這個(gè)領(lǐng)域現(xiàn)在的狀態(tài)，你有什么想法？

Hassabis：是的，我認(rèn)為你說的發(fā)那科，他們有很漂亮、很能干的身體，但缺少了智慧。而迎賓機(jī)器人和智能手機(jī)助手更像，我見過的那些，反正都是預(yù)編程了很多針對模板的反應(yīng)，但如果你做一些其他事情，例如去越野的地方滑雪，那他們會感到很困惑。

The Verge：所以我猜測，一個(gè)很明顯的問題是，機(jī)器學(xué)習(xí)會如何強(qiáng)化機(jī)器人的能力。

Hassabis：是的，這是完全不同的方法。你可以從頭開始建立學(xué)習(xí)新事物，并能應(yīng)對突發(fā)事務(wù)的能力，我認(rèn)為這就是當(dāng)機(jī)器人或軟件應(yīng)用程序在真實(shí)世界中和用戶交互時(shí)所需要的——他們需要擁有這種能力，并妥善使用。我認(rèn)為學(xué)習(xí)曲線最終必須采用正確的做法。

The Verge：對于可學(xué)習(xí)的機(jī)器人來說，什么是你看到的最直接使用案例？

Hassabis：其實(shí)，我們對此沒有太多的想法。顯然，自動(dòng)駕駛汽車是一種機(jī)器人，但目前來說還是狹義的人工智能，雖然他們使用了計(jì)算機(jī)視覺里面一些可學(xué)習(xí)的人工智能——特斯拉采用了一種基于深度學(xué)習(xí)的標(biāo)準(zhǔn)、現(xiàn)場的計(jì)算機(jī)視覺方案。我相信日本在老年護(hù)理機(jī)器人、家庭清潔機(jī)器人上面有很多思考，我認(rèn)為這對社會會非常有用。特別是在一個(gè)人口老齡化的社會里，我認(rèn)為是一個(gè)非常緊迫的問題。

The Verge：為什么在這些類型的案例中，一個(gè)更基礎(chǔ)的學(xué)習(xí)方法，能帶來如此顯著的提高呢？

Hassabis：那么，你需要思考這樣的問題：“為什么我們還沒有擁有這些東西？”為什么我們沒有一個(gè)機(jī)器人，可以跟在你后面清理房子？原因在于，每個(gè)人的房子在布局、家具等方面有很多的不同，有時(shí)候它是混亂的，有時(shí)候卻很干凈。因此，很難通過預(yù)編程的方法，找到整理你的房子的解決方案，對吧？而且你還得考慮，你的個(gè)人偏好，例如你會喜歡衣服怎樣被折疊。這真的是非常復(fù)雜的問題。我們認(rèn)為，這些事情對于人類來說很簡單，但實(shí)際上我們必須處理非常復(fù)雜的事情。

The Verge：出于個(gè)人興趣問一下，你有機(jī)器人吸塵器嗎？

Hassabis：額，我的確有一個(gè)，但是它不怎么管用所以…（笑）

The Verge：我也有一個(gè)機(jī)器人吸塵器，它不是非常管用，但我發(fā)現(xiàn)自己能學(xué)習(xí)它奇怪的地方，并圍繞它工作，因?yàn)槲沂且粋€(gè)懶人，而它帶來的好處值得我這么做。所以我想知道，我們什么時(shí)候能有更先進(jìn)的機(jī)器人，在“足夠好”的引爆點(diǎn)到來之前？我們會在有意義的達(dá)到人類水平的交互和圍繞這個(gè)奇怪的小玩意工作之前，就停止研發(fā)嗎？

Hassabis：是的，我的意思是，也許吧。我想每個(gè)人都會以合理的價(jià)格購買一個(gè)機(jī)器人，它可以疊好盤子，并清洗干凈——這些啞巴吸塵器非常受歡迎，但無論如何，他們并沒有真正的智能。所以，我覺得其中的每一步，逐步的的進(jìn)展，就會發(fā)明出有用的東西。

The Verge：那么，你對人類、機(jī)器人和人工智能在未來的交互，有什么遙遠(yuǎn)的期望？顯然，人們的腦袋能到達(dá)那些非常狂熱的科幻地方。

Hassabis：我自己對機(jī)器人沒多少思考。我自己對人工智能的使用感到興奮的領(lǐng)域是科學(xué)，能夠推動(dòng)它更快的發(fā)展。我想看到人工智能輔助的科學(xué)，那樣會有一個(gè)人工智能研究助手，它可以做很多乏味的工作，閱讀有趣的論文，從海量的數(shù)據(jù)中找到結(jié)構(gòu)，并把它們呈現(xiàn)到人類專家和科學(xué)家面前，以實(shí)現(xiàn)更快的技術(shù)突破。我?guī)讉€(gè)月前在歐洲核子研究中心做演講，很顯然它們創(chuàng)造出比地球上任何地方都多的數(shù)據(jù)，我們都知道在它們海量的硬盤中，可能會有某個(gè)新的粒子發(fā)現(xiàn)，但沒有人能抽出時(shí)間做這件事情，因?yàn)檫@里的確有太大了的數(shù)據(jù)了。所以我覺得，如果有一天人工智能參與尋找到一個(gè)新的粒子，那么是一件非?？岬氖隆?/p>

注：以上圖片均來自譯文。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。