專訪AlphaGo之父哈薩比斯：正考慮是否要和中國企業(yè)合作

　　在烏鎮(zhèn)，當矮小的得米斯.哈薩比斯( Demis Hassabis)走進第一財經(jīng)臨時布置的電視采訪間時，他很隨和、自然地就和我搭上了話，聊起了圍棋和阿爾法狗。

　　40歲的他，略微有些謝頂，就象中國普通高校里的普通青年老師。他被英國偉大的物理學家霍金稱為“地球上最聰明的人類之一”，還被英國媒體譽為人工智能時代的“超級英雄”。

　　他是一名神童，在13歲時就已經(jīng)在同年齡組世界積分排名第二，達到國際象棋大師級水平。16歲被劍橋大學計算機系錄取。在創(chuàng)辦DeepMind之前，他曾經(jīng)創(chuàng)辦一家游戲公司，后來重返學術界，他的一篇有關腦神經(jīng)的論文，被當年評為最有影響力的的十項科學突破之一。

　　擁有倫敦大學學院認知神經(jīng)科學博士學位的哈薩比斯，成為麻省理工學院和哈佛大學的訪問科學家，并在2010年與兩位合伙人一起創(chuàng)辦了DeepMind。他們試圖從人的大腦中尋求人工智能的算法。

　　DeepMind在2014年被谷歌以6億美元收購。哈薩比斯和他的團隊，影響了谷歌未來十年的發(fā)展方向，促使谷歌從移動第一轉向AI第一。

　　特別是DeepMind的圍棋軟件阿爾法狗(AlphaGo)，在2016年五番棋中以4：1戰(zhàn)勝了韓國世界圍棋冠軍李世石，在這一世界上最復雜的智力游戲中機器首次戰(zhàn)勝人類，成為將技術帶入人工智能時代的歷史性事件。在短短的一年時間，阿爾法狗的學習能力有了驚人的增長，比去年的版本又提升了三個子的實力，并且剛剛在烏鎮(zhèn)以2：0勝于當今排名世界第一的中國年輕的圍棋大師柯潔。

　　阿爾法狗的背后，是迅速增強的機器學習能力。哈薩比斯說，他的目標，是讓人工智能成為探索宇宙的“終極工具”。他更喜歡的一句口號是：解決智能，再用智能解決一切。

　　周健工：得米斯，之前AlphaGo戰(zhàn)勝了柯潔，向你表示祝賀。你之前預料到這個結果了么?

　　哈薩比斯：謝謝。昨天的比賽非常精彩，而且雙方實力非常接近。最后AlphaGo只以最小的半分優(yōu)勢獲得了勝利。我們確信AlphaGo非常強大。我們通過讓它和自己的老版本對弈的方式來測試它，然后看它能取勝多少次。所以我們知道它和老版本相比取得了多大的進步，但是在和像柯潔這樣偉大的棋手對弈之前，我們不確定它是不是還存在一些圍棋知識的盲區(qū)。

　　周健工：柯潔說，這是他和AlphaGo的最后三局棋中的第一局，這是不是意味著人機對弈將就此畫下句號?

　　哈薩比斯：不知道，我們將拭目以待。但是我覺得柯潔的意思是這將是他最后一次與人工智能的正式比賽，而我認為我們將會看到職業(yè)選手使用人工智能系統(tǒng)來進行訓練和實戰(zhàn)。

　　周健工：你下圍棋么?

　　哈薩比斯：是的。

　　周健工：你下得怎么樣?

　　哈薩比斯：我大概是業(yè)余一段的水平，不過我有些生疏了。

　　周健工：有一點很有趣，因為圍棋起源于中國，有幾千年歷史了。而突然之間，高智能的機器來到中國，打敗了中國的頂尖選手。你覺得這是不是一種很棒的中西方文化交流?一個是高科技，另一個則很傳統(tǒng);一個是西方的，另一個則是東方的;一個代表著機器，另一個則代表著文化。你對此有什么看法?

　　哈薩比斯：我其實并不這么認為，因為盡管圍棋是一項亞洲的、中國的游戲，但是它在全世界范圍內都很流行，尤其是英國的數(shù)學家們。我是在劍橋讀本科的時候學會了下圍棋。在劍橋大學有一家非常棒的圍棋俱樂部。此外，在Deep Blue 20年前打敗卡斯帕羅夫，摘得人工智能研究的圣杯之前，人們都認為由于下棋過于復雜、深奧，而且依賴直覺，機器很難掌握這項游戲。所以我不認為這代表了一種文化差異，因為人工智能打敗人類的第一項棋類是國際象棋，在那之前則是國際跳棋。這些都是西方的棋類游戲。而圍棋那么特別只是因為它正好是最困難的棋類項目，需要最頂尖的、完美的信息處理能力。另外，自從我們公布了AlphaGo的研究成果，騰訊就建造了他們自己的AlphaGo克隆，而其他公司也在研究類似的技術。所以并不是只有西方企業(yè)在研究人機對弈。

　　周健工：你媽媽是華人，所以你有一半的中國血統(tǒng)吧，你們家里都說英語么?

　　哈薩比斯：是的。我爸爸是一個來自希臘的塞浦路斯人，而我媽媽就像你說的，是一個新加坡籍華人。但是我出生和成長都在倫敦，我的第一語言也一直是英語。不過我的背景倒是很多元化。

　　周健工：這是你第一次來到中國么?

　　哈薩比斯：是啊。我來到這里真是太高興了，在這里見識到中國的文化，還遇到很多中國友人。

　　周健工：你這次結交了很多來自政府和企業(yè)的中國朋友，還接觸到很多科學家。你有收到與DeepMind合作的請求或者建提議么?

　　哈薩比斯：是的。我之前就認識一些中國企業(yè)的領導，在他們到英國或者美國訪問的時候結識的，這次我也會訪問其中一些公司。我們從世界各地收到合作的請求。所以我們打算在這里花一點時間來觀察，是否也要和各種各樣的中國企業(yè)建立合作關系。

　　周健工：你要在中國呆多久?

　　哈薩比斯：在這次行程中，我大概在這里呆一周左右。不過我想我可能很快又會回來的。

　　周健工：哦，太好了。你現(xiàn)在就像一個搖滾明星吧!現(xiàn)在人工智能在中國和全世界都是非?；鸬脑掝}。我覺得現(xiàn)在一些人不僅僅把你當成一個科學家、企業(yè)家、程序開發(fā)者、比賽選手，還是一個搖滾明星，對不對?

　　哈薩比斯：我不知道，這有點奇怪。這有可能是因為AlphaGo是我們最知名的杰作，所以我們在亞洲甚至比在英國更有名。當我們來到中國或者韓國，就會看到很多人對我們的工作感興趣。(受到如此熱捧)這讓我們有些難為情。

　　周健工：谷歌提出了人工智能第一(AI First)的戰(zhàn)略，而你們DeepMind公司三年前被他們收購了。像你說的，Deep Mind 是獨立運作的，那么DeepMind在這家以人工智能為先的公司里的定位是怎么樣的?

　　哈薩比斯：好吧，影響谷歌戰(zhàn)略，我們起了不小的作用。顯然，DeepMind的存在，以及我們在人工智能領域取得的成功，已經(jīng)說服Google的人們，現(xiàn)在是時候把研究人工智能當作公司的首要目標了。另外，我們基本上是一個研究團隊，而我們還有一個應用團隊，由我的聯(lián)合創(chuàng)始人穆斯塔法·蘇萊曼運作。而且我們和Google產(chǎn)品團隊也有很多接觸，以及其他的Alphabet旗下公司。我們主要專注于研究工作，不過我們同時也想對產(chǎn)品和應用做出改進。我覺得DeepMind作為Alphabet大家庭的成員，對谷歌幫助很大。

　　周健工：全世界的創(chuàng)業(yè)者都以為最具創(chuàng)造力的東西都來自硅谷，而現(xiàn)在，人們發(fā)現(xiàn)，尤其是我們中國人，發(fā)現(xiàn)倫敦也有像DeepMind這樣的創(chuàng)新公司。歐洲和英國的高科技公司和硅谷有沒有區(qū)別，有沒有所謂的文化差異?

　　哈薩比斯：是的，差異還不小呢。我為自己是一個英國人，并且為扛起英國的創(chuàng)新旗幟而感到自豪。我認為英國一直以來就有研究電腦科技和人工智能的創(chuàng)新傳統(tǒng)。阿蘭·圖靈和蒂姆·伯納斯·李，都是英國的。我們有著善于創(chuàng)新的光榮傳統(tǒng)。不過也許不那么擅長把科技轉化為商業(yè)上的成功。我認為部分原因是英國有很棒的文化和大學，例如劍橋和牛津。英國是歐洲的一部分，我們還有一種歐式的世界觀，知道科技應該怎樣被使用。我們希望科技能惠及到所有人。我們很高興能證明，最前沿的科技并不僅僅存在于硅谷中。在很多地方都能做前沿研究，就像倫敦和中國，為什么不呢，只要你有足夠多的聰明人，并且給他們一個機會。

　　周健工：在Google內部和Alphabet內部，有很多其他的事業(yè)部。他們擁有人才、科學家和工程師。他們也有用于人工智能創(chuàng)新研究的實驗室。所以DeepMind和這些Google內部其他人工智能部門的關系是什么樣的?

　　哈薩比斯：就像你說的，Google有很多人在研究人工智能，不過不同的部門專注于不同的方面。一些部門更注重于產(chǎn)品，一些則更注重于建造像TensorFlow這樣的平臺、工具和基礎設施，還有一些就像我們一樣是做研究的。我們和所有的這些團隊合作。我們和他們保持著基于項目的緊密聯(lián)系。我覺得DeepMind和其他團隊有些區(qū)別在于，我們更定位于去實現(xiàn)通用的人工智能(Artificial General Intelligence)這個大目標。相對于短期的研究突破，我們更注重這個長期的任務。所有的研究都指向這個大目標，我覺得這就是DeepMind和其他團隊最大的區(qū)別。

　　周健工：DeepMind的新科技是如何惠及Google內部的其他產(chǎn)業(yè)，產(chǎn)品以及服務的?你能舉幾個例子嗎?

　　哈薩比斯：是的，有一些例子……實際上我們將技術應用在Google的各個產(chǎn)品上，我曾提到的一個是提高數(shù)據(jù)中心的能源使用率，這很了不起。我們與安卓會有很多的合作，希望能提高效能，不久就會公布。在推薦系統(tǒng)上我們和Google Play合作。所以在Google里也應用到不少地方了。我們還和其他的產(chǎn)品團隊合作，所以接下來的一兩年里會有越來越多的新產(chǎn)品會宣布。

　　周健工：那你如何尋求合作呢?因為Alphabet旗下Google和DeepMind是兩家獨立的公司，對嗎?Google會付你們錢嗎，還是僅僅對你們提出創(chuàng)新的要求?還是就像市場上兩家獨立的公司?

　　哈薩比斯：不是的，我們的合作十分緊密。我們的合作關系，我不可能告訴你那么多細節(jié)，那應該是Alphabet回答的問題，我們就像姐妹公司，姐妹團隊。我們的合作十分緊密。我經(jīng)常和Sundar(Sundar Pichai，Google 的CEO。)交流，討論優(yōu)先事項以及合作的項目。

　　周健工：今天，你談到很多自我學習，對我們圍棋手來說，有一些棋招很有創(chuàng)意又出其不意，你認為在不遠的將來獨立學習機制會產(chǎn)生獨立的動機嗎?機器在計算的時候有其自我目的嗎?

　　哈薩比斯：是的，這是個好問題。我認為在設計系統(tǒng)的時候要給它們定個目標。就像AlphaGo的目標不是開車或是干其他的。它只知道我們給它定的目標，那就是贏得圍棋比賽。所以我認為在可預見的將來，人工智能系統(tǒng)會被設計成實現(xiàn)設計者既定目標的工具。怎么去實現(xiàn)目標，也可以讓機器來學習。一般說來，我認為這些系統(tǒng)都會竭盡所能去實現(xiàn)我們設定的目標。

　　周健工：所以你認為不遠的未來機器總是會服從都和實現(xiàn)人類設定的目標嗎?

　　哈薩比斯：是的，AlphaGo不能自己設定自己的目標，所以你只能另外設計一種機器去做設定的工作。

　　周健工：是因為你不讓它們做嗎?是因為你把它們設定成不能為自己做事還是它們沒有能力為自己做事?

　　哈薩比斯：對，這是后者。我們目前設計的這個系統(tǒng)不具備這樣的能力。所以也許能想出這種設計，但我們認為這一點現(xiàn)在還不是很有用處，因為我們是想設計在一些領域可以幫助人類專家的工具。如果只是個工具，那還是讓人類專家去設定目標。這正是我們現(xiàn)階段在研發(fā)的系統(tǒng)。

　　周健工：說一說通用人工智能吧，這和只應用于狹窄領域如圍棋領域的略有不同。你想將其應用于各行各業(yè)。我在想數(shù)據(jù)質量的問題，你們怎么確定數(shù)據(jù)來源的可信度和質量?有些數(shù)據(jù)可能是人為操縱的、骯臟的、甚至是假的，你們怎么分辨呢?

　　哈薩比斯：對，這真是一個非常……很有深度的問題。怎么去判斷數(shù)據(jù)的可信度?有許多種辦法來看待這個問題。這些是研究中有待于解決的很大的問題。我們可以從訓練的系統(tǒng)中看出來，看它做出決策的質量怎樣，顯然如果數(shù)據(jù)是有偏頗的，那你所做的決定也不會是正確的。大概可以像這樣判讀出來。另外一種防止的方法，也是我們經(jīng)常用的，是可以從模擬中產(chǎn)生出所需要的數(shù)據(jù)。如果這個模擬是正確的，或者說來源起因是正確的，那就可以產(chǎn)生很多數(shù)據(jù)，或者這種數(shù)據(jù)的質量會更好。所以可以使用多種策略來解決這個問題。

　　周健工：我對于DeepMind的工作方式有一些好奇，因為我讀過一本關于Google工作方式的書，所以我很好奇DeepMind是怎么做的，你提到了你們在倫敦有400到500名員工。其中有超過200名頂尖博士和科學家。他們來自多少個不同的國家?

　　哈薩比斯：是的，我們非常國際化。這些員工來自超過60個國家。

　　周健工：你們是怎么把這些頂尖人才從世界各地吸引過來的?

　　哈薩比斯：好吧，對于這個問題我想我有幾個答案。其一，最頂尖的人總是想和世界上其他頂尖的人一起工作。所以當你已經(jīng)擁有了一部分頂尖的人才，招募更多頂尖人才就變得容易了。另一方面，這些人往往想要研究最有趣的問題，接受最有趣、最智慧的挑戰(zhàn)。我覺得，解決人工智能問題就是你能干的最有趣的事兒之一，所以對那些聰明絕頂?shù)娜藖碚f，研究中遇到的挑戰(zhàn)也是非常有趣的。而第三個原因是我們創(chuàng)造了獨特的研究文化，這是一種學術院實驗室和初創(chuàng)公司模式的混合，你知道的，我們嘗試著吸取兩邊的精華，并把它們結合起來。我認為這能把資源、計算能力和其他它們能用到的東西都匯總到一起，對這些人才，非常有吸引力。這就是我們吸引最初的人才的方式。當然，當你開始做出AlphaGo這樣的產(chǎn)品，或者在《自然》雜志上發(fā)表研究成果，就是向世界上最好的人才打出了廣告，如果他們想做出像AlphaGo這樣偉大的產(chǎn)品，那么DeepMind就是一個工作的好地方。

　　周健工：你認為對于像DeepMind這樣一家創(chuàng)造性十足的人工智能公司，它的人力和人才是不是必須是國際化的?

　　哈薩比斯：我認為是的。我們之所以擁有來自60個國家的人才，是因為我們的確搞到了一批麻省理工的拔尖學生，或者一個在波蘭贏得物理奧林匹克競賽的人，又或者是法國當年最棒的博士畢業(yè)生，諸如此類，精英中的精英。如果你想得到他們，你就必須從世界各地非常國際化的頂尖學校中把頂尖的人找出來，再把他們吸引到一起。另外，我能想到的另一個國際化的好處是，你帶來不同文化背景的人才，不同的思維方式也隨之而來。我認為這對科研項目有很大的幫助，因為采納盡可能多維度的觀點有助于你找到客觀的前進方向。

　　周健工：你說你把初創(chuàng)文化和學術實驗室文化結合到了一起，而人們通常認為實驗室文化是傾向于長期研究的，而初創(chuàng)文化是為了盡快盈利，實驗室則是為了發(fā)表科研論文。所以你怎么把這兩種文化結合到一個團隊里呢?

　　哈薩比斯：這很困難。這也是我說DeepMind是獨一無二的理由。我在創(chuàng)立DeepMind之前在學術輪界和初創(chuàng)公司都工作過很多年，所以我才試著設計出這種混合文化。你知道，這很難用幾句話解釋清楚，它涉及到我們所做的每一件事，包括面試流程、管理流程、項目管理，所有這些都是為了促進研究盡可能快地取得成果而特別設計的。我覺得唯一比較容易解釋的是，在學術學實驗室做研究是不可能擁有在初創(chuàng)公司工作的能量和快節(jié)奏，對不對?另一方面，對于初創(chuàng)公司來說，有時他們不夠目標遠大，也沒有足夠的雄心，來完成你想做的那種研究，他們太注重于短期目標了。我們公司把這兩方面融合在一起，然后還要把這種文化解釋給那些來加入公司的人。所以學院派們必須重新訓練一下他們的思維，來適應新的工作方式。

　　周健工：你們這里充斥著博士，還有那么多拿著頂尖學府的頂尖文憑的人。我能問你一個問題嗎，如果(大學輟學的)史蒂夫·喬布斯生活在人工智能時代，他會成功么?

　　哈薩比斯：我認為，很有可能。你說得對，我們這里大多數(shù)人都有著頂尖文憑，但是他們中也有一些人并沒有，他們是自學成才的，尤其是在工程領域，他們也做出了杰出的貢獻。所以我的意思是這是因人而異的，一個像史蒂夫·喬布斯這樣非凡的人無論嘗試做什么都能成功。

　　周健工：好吧，我之前注意到你們有一個口號，后來又把它改掉了。你原來的口號是“解決智能，并用它來解決一切”，我后來訪問了你們的網(wǎng)站，你把它改成了“解決智能，并用它來改善這個世界”。你為什么要這么改呢?

　　哈薩比斯：好吧，其實這兩個口號我們都在用。這取決于我們演講的聽眾。當我向科學家演講時，我喜歡用我原來的口號，解決一切。我覺得這個想法很獨特。不過有時候我們是在向普羅大眾演講，他們并不真正理解“解決一切”意味著什么，所以我們就突出地強調了解決問題的積極意義，你知道，例如健康、疾病、科學，還有最顯而易見的，我們從事這項工作的原因，那就是讓世界更美好。所以這兩個口號是相通的。

　　周健工：今天上午，我在你的演講中聽到了你解釋，機器學習如何學會產(chǎn)生直覺的機制。你能給我五個最有說服力的例子，來說明通用人工智能的應用可以造福經(jīng)濟、社會和更多的人嗎?

　　哈薩比斯：我能告訴你至少三個我們正在研究的領域，我認為人工智能在醫(yī)療、醫(yī)學診斷和照顧病患總體上都非常有用。這會產(chǎn)生很多數(shù)據(jù)，非常復雜，而且當然對社會而言非常重要。我們還專注于最優(yōu)化流程，尤其是在能源方面，除了在我們的數(shù)據(jù)中心(能源效率的提升)，我認為在電網(wǎng)級系統(tǒng)方面有很多重量級的工作可以實施。而且你也能想象到我們能最優(yōu)化其他的系統(tǒng)，比如物流，也許包括船運、貨車和很多其他方面?？傊?，任何你能涉及到的結構復雜的動態(tài)網(wǎng)絡，都有人工智能的用武之地。最后，我們專注研究的另一個領域是推薦系統(tǒng)，人工智能可以理解人們想要什么。比如你想要在YouTube上看什么之類的，或者其他人們想要的東西，然后人工智能會給出更好的建議。所以我們正在把這些技術應用于這三個方面。

　　周健工：最后一個問題。DeepMind原來是一家創(chuàng)業(yè)公司，后來被像Google這樣的科技巨頭收購了。在美國有至少五家科技巨頭，比如Google，Microsoft和Amazon等等。在中國也有所謂的“BAT，”，百度，騰訊和阿里巴巴。當我們談論人工智能的時候，你會看到數(shù)據(jù)、人才、資本和電腦計算力有一個向越來越少數(shù)的公司集中的趨勢。你有沒有擔心過人工智能行業(yè)的壟斷，而那些人工智能領域的創(chuàng)業(yè)者成長的空間在哪里呢?

　　哈薩比斯：我認為這就是為什么我們公開研究成果是很重要的，另外，像Google這樣的公司提供諸如TensorFlow之類的平臺也很重要，此外還有很多公開的算法。所以現(xiàn)在你在機器學習方面做很多標準化的研究都是免費的。所以我認為這一領域的發(fā)展方向，一定是在一個更廣闊的范圍內共享利益，而不是僅僅局限于你提到的那些公司。正如我一再提到的，這也正是我們在DeepMind的價值觀，致力于確保盡可能多的人從我們的研究中受益，而不僅僅是一兩家公司的客戶。

　　周健工：非常感謝。

　　哈薩比斯：謝謝，不客氣。