人工智能的未來 － Hassabis (峰哥summary)
/ 文：@峰哥何峰 /
最近看了一些有關【深度血系】（Deep Learning）的講座視頻。原本想和女朋友討論（她是倫敦大學學院/UCL 認知神經學畢業的，要說還算是 DeepMind 幾位創始人, 也就是阿爾法狗 AlphaGo 的締造者，的校友）。但是她是在提不起興趣看這些講座。于是我把這些講座 summary 整理出來，作為和她探討的基礎，順便也分享出來。說明：這些不是講座完整內容的 summary，而是我感興趣的部分，同時伴有一些我的補充。
Demis Hassabis - The Future of AI (人工智能的未來）
演講者 Demis Hassabis 是 DeepMind 創始人&CEO。Hassabis 本人出生于倫敦，本科畢業于劍橋，后在從 UCL（倫敦大學學院 University College London）獲得 cognitive neuroscience 博士學位。本次講座是在牛津大學。講座發生的時間是 2016年 2月，也就是在 AlphaGo 跟李世石對局之前。Hassabis 在講座中也著重介紹了 AlphaGo。以下是我從講座中提煉出的內容：
1、DeepMind 的目標?是 1）先解決人工智能，然后 2）通過人工智能解決人類一切其他問題，比如科研、醫療、環境問題。Hassabis 本人尤其對引入人工智能來協助科研非常感興趣和抱有極大期許。人類所積累的知識已經無比廣博和復雜，Hassabis 感覺僅僅再憑人的血肉之軀來學習、組織、推進這些知識已經不能夠勝任。
2、Reinforcement Learning
所謂 Reinforcement Learning，是 AI 系統學習的一種方式。這種學習方式很類似人類嬰兒的學習方式：AI 系統觀察它所在的環境，采取一個行為（action），然后觀察結果。在這樣不斷的反饋中學習。
為什么 DeepMind 選取了這個研究框架？因為研究表明，似乎動物和人類就是這么學習的。這給了 Hassabis 以信心：如果生物可以通過 reinforcement learning 實現智能，那么機器應該也可以。
峰哥 comment:?
在機器學習中，曾經非常流行的一個方法是 HMM (hidden markov model)。這是通過統計學的模型來實現如語音識別等。當時也取得了非常大的成功，但之后就陷入了瓶頸。等到 2000 年左右，峰哥在學習人工智能的時候，雖然這還是當時熱門的技術，但是已經感覺后繼乏力。博士生們在用各種奇技淫巧，只為了把準確率提高半個百分點。
人類自己在做語音識別、文字翻譯等工作的時候，似乎并不是通過復雜的統計學模型去完成，所以如 HMM 這樣的方法，雖然在剛開始獲得了一定成功，很有可能最終是個死胡同。就好像通過爬樹來實現登月：剛開始一直有穩定的進展，直到有一天，突然不再 work.
電腦圍棋也經歷的類似的過程：蒙特卡洛方法（也是統計學、概率論中的一種方法）在幾年前進入電腦圍棋后，立刻獲得巨大成功。電腦圍棋的水平從以前的不可理喻，很快成長到業余高段的水平。這個峰哥特別有感觸，因為我跟電腦下棋，正好從全面碾壓到被碾壓，當時的心情跟李世石現在估計差不多。但是，之后似乎水平就達到一個瓶頸。似乎【蒙特卡洛】這棵樹，也爬到了盡頭。如果需要突破，需要另有創新。人類在下圍棋的時候，明顯也不是通過【蒙特卡洛】這樣海量窮舉的方法來進行的。難道要達到人類圍棋水平，真的必須要模擬人類思考圍棋的方式？
另一方面，人類很多工程上的成就，也并非通過【仿生】來實現的。汽車飛機，在速度、距離上已經超過了飛禽走獸，但是其工作原理跟后者幾乎沒啥交集。實際上，人類最初對于飛行的嘗試走了很大彎路，就是因為太禁錮在【仿生】的思路中。
人工智能最終會是通過模仿動物和人類來實現，還是另外走出一條不同的路？大自然已經通過進化找到了解決智能的一個解（我們就是成果）。這會是唯一解嗎？
3、Grounded cognition
"A true thinking machine has to be grounded in a rich sensormotor reality"
上面是 Hassabis 原話。一個類似的概念是 embodied AI，即，要構建一個有智能的 agent，不能僅僅是通過軟件，而是需要有一個身體，能夠通過各種 sensors 感知自己所在的環境。不意外的，這個領域的研究人員很多在從事機器人的研究。DeepMind 則是選擇了虛擬世界。但其背后的意思是一樣的：智能是需要建立在與自己所在環境互動的基礎之上。
4、機器學習打游戲
DeepMind 的一大成就，是開發出了能夠自己學習打游戲的系統。這套系統的令人驚異在于，它能夠通過觀察圖像，學會玩各種不同的游戲。請注意，這是同一個程序，自學了各種不同的游戲。這些游戲有著迥然不同的規則，視覺輸出。在這個游戲的世界中，可以說 DeepMind 已經建成了 general AI（這是不是可以翻譯成［通用AI］？）。
DeepMind 的這個成就，被發表于 2015年 2月 Nature 雜志（http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html）
5、Neuroscience-inspired AI
DeepMind 在決定研究方向的時候，會從人腦的結構中獲取靈感，包括人腦的算法、representation、architecture。
6、AlphaGo 是如何養成的
首先說一點：AlphaGo 的養成過程中，并沒有用到專業棋手的數據，而是從網上下載的業余高段棋手數據。具體步驟如下：
1、用網上下載的 10萬局業余高段棋手對局，訓練出了一個程序（叫做 policy networks, 咱們姑且叫它 P1 吧）。所謂訓練，就是猜下一手棋，也就是模仿業余高手的對局。
2、讓程序自己跟自己下上百萬局對局，從自己的成功和失誤中學習。這個訓練結束后，成為程序 P2。P2 對局 P1 有 80% 的勝率。
3、再之后，P2 不再學習，而是自我對局 3千萬局，成了一個巨大的數據庫，里面包括了每一步棋，以及最后的輸贏。再用這個數據庫，訓練了另一個程序，叫做 value networks，姑且管它叫 V 吧。V 的功能是判斷此時棋盤上的局勢，各方勝率。
AlphaGo 對局的時候，是 P2 和 V 并用。P2 通過棋盤上的情況，給出下一步走法的各種可能性，以及對于的概率；V 則來判斷各種走法之后，盤面的形式。
Hassabis 有個很好的形容：
P2 給出最佳的幾個走法，其作用是降低搜索寬度；
V 則是迅速給出局勢的判斷，其作用是降低搜索深度。（比如，不需要做大量的蒙特卡洛演算來判斷局勢。）
======
簡單心理平臺?專注于提供靠譜心理咨詢?和?相關?服務??。
?了解更多，請訪問 jiandanxinli.com?
加入我們！戳 =>http://www.jiandanxinli.com/pages/37
微信公號：@簡里里
