围棋之后，人工智能的下一个战场是什么？

AlphaGo战胜传奇围棋手李世石是人工智能研究的一个重要里程碑。长期以来，这种复杂的中国象棋游戏被认为是机器无法征服的。然而，DeepMind使用机器学习和神经网络赋予AlphaGo世界级的评估和实现技能。

但是我们没有让世界上最聪明的一群人为了征服围棋而学习人工智能。DeepMind的研究成果对人工智能领域产生了深远的影响。它使用的深度学习技术有可能颠覆一切，从你使用手机的方式到你开车的方式。

首先，围棋的征服可能还没有结束。来自中国的18岁天才世界围棋冠军柯杰似乎对自己的胜率持谨慎乐观的态度。在输给阿尔法戈的第一盘后，李石师说，“我有60%的机会赢阿尔法戈。”许多围棋手说他们想了解更多关于AlphaGo的知识；。毕竟，它只在公开场合玩了几场游戏，并展示了一种不同寻常的破坏性策略。AlphaGo最终被公之于众，当我们看到它在未来与柯杰比赛时，我们不应该感到惊讶。李世石之所以被选为阿尔法戈的对手，是因为他在漫长的职业生涯中确立了自己的地位，但柯杰被认为是一个更有实力的棋手。深度思维的创始人戴密斯·哈萨比斯也宣布，他的公司计划测试一个没有任何人类训练经验的版本。换句话说，这个项目需要自学。

然而，关于电脑能否成为世界级围棋手的争议现在已经解决了。就一个完全透明的游戏而言(在这个游戏中各方都能看到所有的数据)，所有的成就都已经实现了。对于非完全透明的游戏(如多人无限扑克)，人工智能仍有一些问题，但下一个前沿可能是电子游戏。在过去的几周里，我多次听说暴雪娱乐公司的经典实时战略游戏《星际争霸》。鉴于《星际争霸》在韩国的持久受欢迎程度和地位，不难想象未来会有一场高调的电脑视频游戏竞赛。

上周，当我问哈萨比斯时，他似乎对《星际争霸》有想法，但他也说《心灵深处》只对主流游戏感兴趣。“这些游戏可以作为测试平台来编写我们的新算法，或者测试我们做得有多好。这非常有效，但我们最终会将这个程序应用到现实世界中的大问题上。”

这个问题存在于人类仍然需要更快的学习技能和更有效的数据处理来帮助他们做出决定。在谷歌，机器学习和深层神经网络长期以来被大规模使用，比如在搜索和无人驾驶汽车项目中。在上述任何一个领域，AlphaGo的经验都可以用来获得持续增长的改进。在你意识到这些改进之前，你也许能够感受到它带来的便利。

计算机科学家杰夫·迪恩被许多谷歌人认为是公司里最聪明的人。他负责谷歌大脑的深入研究项目，并将许多概念应用到公司的产品中。谷歌的第三个搜索信号——排名雨(RankBrain)，是一个新的深度学习神经网络，应该被认为是过去两年来搜索项排名的最大进步。机器学习也用在更明显、更直接面向用户的地方，比如谷歌照片的搜索功能和自动撰写电子邮件回复。

谷歌是一家通过收集数据和销售广告位赚取大部分利润的公司。它自然对能够提高数据收集效率的新技术感兴趣。当我问迪恩机器学习是否会帮助谷歌加强其核心业务或扩大其新的业务渠道时，他回答说:“我不认为它是黑的或白的。”。“我们将利用这些技术来改进我们的核心产品。在许多情况下，我们将对数据收集有更深入的了解，这将极大地帮助我们设计新的特性。但是它也将帮助我们设计一些新的和有趣的产品，即使是在我们以前从来不知道的领域。因此，这种改进是双重的。我不知道哪个更重要，但我认为它们应该齐头并进。”

当我问Alphabet董事长兼谷歌前首席执行官埃里克·施密特，机器学习将如何促进公司发展时，他回答说:“想想谷歌已经做的伟大的事情。我们有大量的搜索、大量的广告、大量的客户和大量的数据中心。很多次，我看到我们中的许多人使用谷歌电脑或我们的安全软件。只要许多人都在使用同一种产品，我们就可以利用机器学习、观察和反复培训来提高流程效率。”

“我认为我们将来会在任何地方使用机器学习，”施密特继续说道，列举了公司的传统搜索和广告服务、无人驾驶汽车和一个名为“真的”的医疗保健部门在我看来，字母表的每个部门都会使用这项技术。"

作为一家公司，尽管与谷歌的大脑保持联系，但深度思维与谷歌的其他部门几乎没有联系。“在优化搜索过程的项目中，我们在工作内容上有相当大的*，”哈萨比斯告诉我。“当然，我们实际上参与了谷歌内部的许多研发项目，但它们都处于研发的早期阶段，所以现在讨论它们还为时过早。”哈萨比斯说，谷歌大脑的研发周期比深度思维短，而且它站得高，看得远，所以它可以专注于更多的产品。

那么，深度思维的下一步是什么？值得注意的是，AlphaGo不是这个团队的唯一项目，甚至也不是最大的项目。DeepMind已经将智能手机助手、医疗保健和机器人开发作为其最终目标。至于AlphaGo，虽然它只是一个玩围棋的系统，哈萨比斯说它的原理也可以用来处理现实世界的问题。

Hassabis相信，在未来几年里，我们将会看到智能手机助手在高级机器学习的帮助下工作。“我的意思是，一开始会很微妙，但在某些方面会变得越来越好。也许在四到五年或更长的时间里，你会看到[手机助手功能的一次重大飞跃。”

哈萨比斯说，“我只是希望智能手机助手能变得非常聪明，理解环境，对我们想做的事情有更深的理解。”。他一直认为，类似的系统需要依赖像AlphaGo这样的学习程序，而不是遵循事先写好的对话路径。“目前大多数系统都非常脆弱；只要你移除了预先编程的模板，那些系统就会变得无用。因此，我们需要让它们变得适应性强、灵活和强大。”

医疗保健有点远。DeepMind已经宣布与英国国家医疗保健系统合作，但是到目前为止所有的细节都只是一个用于数据跟踪的手机应用。哈萨比斯说，在发布更先进的工具之前，他们的主要目标是让英国的国家卫生服务系统适应现代手机软件。

我们现在正在训练沃森

IBM开发了一个名为沃森的“认知学习”平台，该平台正在步入医疗保健领域。但是他们的技术与深度思维略有不同。该系统始于一台参与“危险边缘”游戏的超级计算机，但后来转向了云系统和工具，如预测分析和个性分析。迄今为止，该系统已经开始与斯隆·凯特琳纪念研究所合作，帮助泰国和印度的医生诊断乳腺癌、肺癌和直肠癌。尽管该系统本身无法诊断疾病，但它可以向医生指出身体中值得特别关注的部分，并提出一些可能的治疗方法。

“我们现在正在训练沃森去观察，”沃森的健康副总裁凯西·麦格雷迪说。“沃森已经研究图像分析很多年了，现在我们有了来自合并医疗保健公司的图像数据来加速我们的研发能力。因此，沃森不仅能够识别医学图像中的异常，还能借助类似菲特比特手镯的信息推断出这些异常的重要性。”

最后，也许最遥远的主要应用是我们正在讨论的让机器人学习的人工智能。谷歌通过收购波士顿电力公司和自己的无人驾驶汽车项目，在这一领域非常活跃。谷歌的杰夫·迪恩说:“我认为机器人技术真的是最有可能的。”。“我们已经收购了许多机器人公司，但在未来几年，深入学习并将其应用于机器人技术的能力，尤其是通过视觉的能力，将变得非常有趣和重要。”

哈萨比斯说，他没有过多考虑机器人技术。“很明显，无人驾驶汽车是机器人，但它们中的大多数只涉及肤浅的人工智能，尽管使用的是计算机版本的人工智能学习。特斯拉目前正在使用基于深度学习的标准计算机版本。Hassabis将家庭清洁和老人护理作为学习人工智能机器人的可能发展方向，但显然这一概念仍然有点超前。

目前，AlphaGo的成功吸引了全世界的关注。尽管人工智能的具体应用仍然很少，但它重新点燃了主流社会对人工智能的兴趣。计算机已经可以在以前被认为需要“不可量化的直觉”的任务上超越人类的想法已经变得非常有吸引力。

这个想法也让一些人非常不安。在之前关于AlphaGo的报告中，我对一系列的反应有点失望，比如害怕电脑主宰另一个领域，但我认为这些反应没有在过去的一周中显示出真正的意义。事实上，是活着的人建造了阿尔法戈，解决了他们致力于的领域中最古老和最大的挑战之一。心灵深处的成就具有深远的意义，也可能对我们未来的生活方式产生巨大的积极影响。

正如埃里克·施密特在比赛开幕式上所说:“无论如何，比赛的获胜者是人类。”

蝌蚪先生编译自《theverge》，译者薛定谔的猫，转载时必须注明来自蝌蚪的工作人员