今日，兩次出手都讓吃瓜群眾大驚失色的“AlphaGo”又要?dú)⒒貋?lái)了，這次對(duì)戰(zhàn)的對(duì)手將是中國(guó)棋手柯潔，其意義對(duì)中國(guó)觀眾來(lái)說(shuō)當(dāng)然非同小可。加之醞釀已久的“終極決戰(zhàn)”和高達(dá)150萬(wàn)美金的史上最高圍棋賽獎(jiǎng)金，這場(chǎng)“捍衛(wèi)人類(lèi)尊嚴(yán)”的大賽必定萬(wàn)眾矚目。

但相比于棋盤(pán)內(nèi)的勝敗，我們卻更希望在這時(shí)候聊一下AlphaGo的創(chuàng)造者，著名人工智能企業(yè)DeepMind。

對(duì)于大部分人來(lái)說(shuō)，常識(shí)中AlphaGo是由谷歌制造。但事實(shí)上，DeepMind雖然在14年就被谷歌收購(gòu)。但總部和項(xiàng)目始終繼續(xù)保留在倫敦，人員也對(duì)外保持著高度的神秘性。另一方面，即使對(duì)DeepMind有了解的人，也更多的是知道它的創(chuàng)始人戴密斯·哈薩比斯(Demis Hassabis)是一位少年天才，4歲下國(guó)際象棋16歲進(jìn)入劍橋等等。但DeepMind作為一家創(chuàng)業(yè)企業(yè)的規(guī)劃、產(chǎn)品序列和目標(biāo)實(shí)施情況，好像總是隱藏在一些面紗之后。

從目前消息來(lái)看，谷歌AI與DeepMind依舊保持著高度的相互獨(dú)立屬性。雖然有戰(zhàn)略和技術(shù)上的結(jié)合，但谷歌AI的重點(diǎn)推進(jìn)工程列表中可說(shuō)是完全不見(jiàn)DeepMind的蹤影。

而AlphaGo作為DeepMind的核心創(chuàng)造物之一，絕不僅是為了挑戰(zhàn)人類(lèi)圍棋界而生。作為核心領(lǐng)域技術(shù)的關(guān)鍵載體，承接著整個(gè)公司戰(zhàn)略的上下銜接。

因此，通過(guò)DeepMind做了什么，來(lái)重新認(rèn)識(shí)一下這家被谷歌大腦專(zhuān)家稱(chēng)為“AI實(shí)力世界第一”的公司，可以幫助我們更好的理解AlphaGo及其背后的更大野心。

我們通過(guò)8件DeepMind所做的關(guān)鍵動(dòng)作來(lái)梳理這家公司的實(shí)力與目標(biāo)，希望在棋盤(pán)的決勝以外，提供給你一點(diǎn)新的思考。

一、一鳴驚人的游戲系統(tǒng)

DeepMind的創(chuàng)始人是棋類(lèi)和電子游戲高手，而這家公司邁出的第一步就與游戲有關(guān)。

2013年，當(dāng)時(shí)名不見(jiàn)經(jīng)傳的在DeepMind發(fā)表了一篇論文，內(nèi)容是他們自己開(kāi)發(fā)的AI游戲系統(tǒng)。論文中描述的計(jì)算網(wǎng)絡(luò)并不是為了游戲而服務(wù)，反而是讓一個(gè)AI系統(tǒng)自己去玩游戲。

神奇的是，DeepMind的游戲系統(tǒng)可以在完全沒(méi)有接觸的前提下，通過(guò)對(duì)游戲的自我學(xué)習(xí)，自動(dòng)的玩一系列初級(jí)電視游戲。

這個(gè)系統(tǒng)可以通過(guò)屏幕上面的圖像和游戲中的分?jǐn)?shù)是否上升下降，從而做出選擇性的動(dòng)作。

雖然這個(gè)行為對(duì)人來(lái)來(lái)說(shuō)難度不大，但對(duì)于機(jī)器學(xué)習(xí)來(lái)說(shuō)卻意義驚人。因?yàn)樗婕凹茉O(shè)任務(wù)、建立人工精神網(wǎng)絡(luò)、建立深度學(xué)習(xí)模型和完善學(xué)習(xí)過(guò)程幾個(gè)關(guān)鍵部分，并且需要大量的圖形處理單來(lái)輔助。

這款“玩兒出來(lái)”的AI程序，最終幫助DeepMind登上了《自然》。隨后開(kāi)始受到各大互聯(lián)網(wǎng)巨頭的關(guān)注，并成功在一系列拉鋸戰(zhàn)后，被谷歌以據(jù)說(shuō)高達(dá)6億美金的代價(jià)收購(gòu)。更可怕的是，這還被稱(chēng)為谷歌有史以來(lái)最成功的收購(gòu)案。

從初出茅廬的這件作品，可以看出DeepMind的幾個(gè)特點(diǎn)。首先是擅長(zhǎng)多種復(fù)雜技術(shù)的集成，其次對(duì)于AI應(yīng)用有遠(yuǎn)超于業(yè)界水準(zhǔn)的解決能力。而其喜歡游戲、熱愛(ài)人機(jī)對(duì)決的基因特質(zhì)，也在一開(kāi)始就暴露無(wú)遺。

二、給AI上3D游戲課：開(kāi)源DeepMind Lab

2016年底，DeepMind將其核心深度學(xué)習(xí)平臺(tái)之一“DeepMind Lab”進(jìn)行開(kāi)源，供研究人員和開(kāi)發(fā)者使用。

區(qū)別于以往的深度學(xué)習(xí)開(kāi)源平臺(tái)，DeepMind Lab的特殊之處在于，它其實(shí)是一套專(zhuān)門(mén)給AI玩的3D游戲。

就像人類(lèi)玩的第一人稱(chēng)射擊游戲一樣，這套開(kāi)源程序可以設(shè)計(jì)多重復(fù)雜的環(huán)境架構(gòu)，專(zhuān)門(mén)用來(lái)訓(xùn)練人工智能和機(jī)器學(xué)習(xí)系統(tǒng)。用于訓(xùn)練人工智能在大型環(huán)境、部分可視環(huán)境，以及視覺(jué)多樣化條件下學(xué)會(huì)執(zhí)行復(fù)雜任務(wù)。

DeepMind Lab據(jù)說(shuō)是在《雷神之錘3》的基礎(chǔ)上演變而來(lái)的，有比較強(qiáng)的延展性和適用性?？梢宰屵m用人員自行設(shè)計(jì)關(guān)卡和環(huán)境效果，來(lái)針對(duì)性訓(xùn)練出AI不同的判別與處理機(jī)制。

相比于針對(duì)數(shù)據(jù)樣本的機(jī)器學(xué)習(xí)系統(tǒng)，DeepMind開(kāi)源的體系可以專(zhuān)注于AI在實(shí)際環(huán)境中進(jìn)行視覺(jué)+感知的交互。這對(duì)于AI行業(yè)來(lái)說(shuō)可謂是打開(kāi)了巨大的腦洞，尤其對(duì)于無(wú)人駕駛、AR、地圖導(dǎo)航、機(jī)器人記憶等領(lǐng)域的研究與創(chuàng)業(yè)者來(lái)說(shuō)，可謂是福音。

從這套靈感依舊來(lái)源于游戲的系統(tǒng)中，不難看出DeepMind一個(gè)特點(diǎn)是非常重視AI與人類(lèi)高度貼合的研究。目標(biāo)指向把人類(lèi)的感知與精神思維方式移植到機(jī)器當(dāng)中去，而且他們還鼓勵(lì)其他人一同在這個(gè)方向嘗試。

三、人腦模式與經(jīng)典計(jì)算機(jī)合體：可微分神經(jīng)計(jì)算機(jī)

另一個(gè)值得關(guān)注的動(dòng)作，是2016年底DeepMind公布了他們打造的一臺(tái)“可微分神經(jīng)計(jì)算機(jī)”（DNC）。

DNC的特點(diǎn)，是結(jié)合了精神網(wǎng)絡(luò)的運(yùn)作原理和經(jīng)典計(jì)算機(jī)的運(yùn)算能力和外部?jī)?chǔ)存能力。簡(jiǎn)單來(lái)說(shuō)，其解決方案就是將神經(jīng)計(jì)算機(jī)的本體：以人類(lèi)大腦為生物網(wǎng)絡(luò)藍(lán)本設(shè)置的精神網(wǎng)絡(luò)，與可讀寫(xiě)的外部存儲(chǔ)器相分離，架設(shè)雙層的處理與運(yùn)算結(jié)構(gòu)。

這樣打造的運(yùn)算系統(tǒng)，核心特征是解決了神經(jīng)網(wǎng)絡(luò)實(shí)際運(yùn)作當(dāng)中的機(jī)器記憶問(wèn)題。做出了一臺(tái)又能像人類(lèi)一樣想，又能像計(jì)算機(jī)一樣高速運(yùn)算、記憶數(shù)據(jù)的機(jī)器。在發(fā)布的論文中，這臺(tái)計(jì)算機(jī)可以規(guī)劃相距甚遠(yuǎn)的地鐵站間的最佳路線，弄清楚復(fù)雜的親戚關(guān)系——尤其這些都是在沒(méi)有先驗(yàn)數(shù)據(jù)的前提下。

整合多元能力，對(duì)算法進(jìn)行創(chuàng)意性的解放，在這臺(tái)計(jì)算機(jī)當(dāng)中展現(xiàn)的淋漓盡致。雖然原理聽(tīng)起來(lái)蠻簡(jiǎn)單，但實(shí)際運(yùn)用到的解決方案卻非常復(fù)雜，設(shè)計(jì)多個(gè)領(lǐng)域的協(xié)同。

四、開(kāi)發(fā)用于《星際爭(zhēng)霸2》的人工智能訓(xùn)練環(huán)境

2016年的暴雪嘉年華上，DeepMind宣布將于暴雪合作，打造一個(gè)專(zhuān)門(mén)玩《星際爭(zhēng)霸2》的AI系統(tǒng)。這臺(tái)系統(tǒng)會(huì)像人類(lèi)一樣去思考和決策，并希望復(fù)制AlphaGo的奇跡，最終打敗所有人類(lèi)高手。

這里不禁要懷疑，這家公司到底是有多愛(ài)玩游戲。

但事實(shí)卻是如此，《星際爭(zhēng)霸2》這種完全動(dòng)態(tài)的游戲環(huán)境當(dāng)中，人類(lèi)選手對(duì)大勢(shì)、時(shí)機(jī)、環(huán)境的處置始終都是高于電腦系統(tǒng)的。

圍棋的問(wèn)題是運(yùn)算量巨大，而這類(lèi)策略游戲的問(wèn)題是變化性太強(qiáng)，都是人工智能面對(duì)的核心問(wèn)題。

顯然通過(guò)挑戰(zhàn)人類(lèi)擅長(zhǎng)領(lǐng)域來(lái)做PR、講故事、推產(chǎn)品，是DeepMind的拿手好戲。

五、最精準(zhǔn)的語(yǔ)音生成系統(tǒng)WaveNet

在玩游戲之余，DeepMind也做點(diǎn)大家都在做的“正經(jīng)事”。

比如近兩年，DeepMind先后公布了其在圖像生成和語(yǔ)音生成領(lǐng)域的成果。比如16年公布的語(yǔ)音生成系統(tǒng)WaveNet，號(hào)稱(chēng)將計(jì)算機(jī)輸出音頻與人類(lèi)自然語(yǔ)音差距縮小了50%。至少根據(jù)親身嘗試者的說(shuō)法，這一系統(tǒng)比谷歌和蘋(píng)果的語(yǔ)音生成系統(tǒng)都聽(tīng)起來(lái)自然流暢許多。

（波形原理合成聲音的WaveNet）

WaveNet的優(yōu)勢(shì)，是通過(guò)原始的波形合成了近似真人的語(yǔ)音，而不是將語(yǔ)音樣本進(jìn)行逐字逐句的拼接。

這讓未來(lái)機(jī)器的聲音可能更加接近人來(lái)，想想也是細(xì)思恐極的一件事。

六、醫(yī)療應(yīng)用計(jì)劃DeepMind Health

以上說(shuō)的，基本都是DeepMind在研發(fā)端的動(dòng)向，核心載體是算法架構(gòu)和論文。而在產(chǎn)品應(yīng)用端，DeepMind也有一些動(dòng)作，比如其推出的DeepMind Health就指向智能醫(yī)療系統(tǒng)，根據(jù)與英國(guó)全國(guó)醫(yī)療系合作獲取的數(shù)據(jù)，來(lái)打造基于人工智能進(jìn)行診療幫助和癥狀判斷幫助的系統(tǒng)。比如說(shuō)DeepMind打造的智能診療系統(tǒng)可以通過(guò)學(xué)習(xí)上百萬(wàn)份眼部監(jiān)測(cè)資料，據(jù)此建立模型來(lái)識(shí)別早期征兆及早發(fā)現(xiàn)眼病。此外，DeepMind還架設(shè)了一些移動(dòng)應(yīng)用類(lèi)的非人工智能產(chǎn)品。

不過(guò)，與英國(guó)醫(yī)療系統(tǒng)的合作也帶來(lái)很大麻煩，DeepMind在缺少監(jiān)督的境況下獲得了全英病人數(shù)據(jù)，讓媒體發(fā)出了不小的驚恐和反對(duì)聲音。

七、幫谷歌省電

去年夏天，很少真正嘗試應(yīng)用領(lǐng)域的DeepMind在東家谷歌的大本營(yíng)小試牛刀了一把

利用深度學(xué)習(xí)算法，DeepMind把谷歌數(shù)據(jù)中心的冷卻系統(tǒng)用電給節(jié)約了40%。冷卻系統(tǒng)是維持?jǐn)?shù)據(jù)中心服務(wù)器運(yùn)行的重要系統(tǒng)，但因?yàn)樵O(shè)備眾多、需求量極高，其中大量的能源其實(shí)是被浪費(fèi)掉了。

DeepMind運(yùn)用AI系統(tǒng)，優(yōu)化了整個(gè)冷卻系統(tǒng)的用電效率，據(jù)說(shuō)一次性幫助谷歌節(jié)省了上億美金的開(kāi)銷(xiāo)。而外界更加關(guān)注的，是這類(lèi)技術(shù)可以被用于多種大規(guī)模工業(yè)系統(tǒng)上，谷歌從自家大樓做案例，顯然也是要為未來(lái)的大規(guī)模發(fā)展做廣告。

八、全面進(jìn)駐谷歌TensorFlow

最后，不得不說(shuō)的一件事，是DeepMind雖然在產(chǎn)品和研究上保持了高度的獨(dú)立性，但還是在2015年將研究全面進(jìn)駐到了谷歌的TensorFlow開(kāi)源架構(gòu)當(dāng)中。并且官方高度肯定了TensorFlow的高度適用性、延展度和操作體驗(yàn)。2016年，DeepMind 還開(kāi)發(fā)了一個(gè)能在TensorFlow 上快速創(chuàng)建神經(jīng)網(wǎng)絡(luò)模塊的高級(jí)框架Sonnet，并且對(duì)其進(jìn)行了開(kāi)源處理。

由此可見(jiàn)，對(duì)于谷歌AI體系的核心業(yè)務(wù)和生態(tài)基礎(chǔ)，DeepMind還是支持的。并且愿意在這個(gè)領(lǐng)域幫助谷歌完善生態(tài)。

其實(shí)谷歌本體所需要的，也是DeepMind作為一個(gè)精英企業(yè)在生態(tài)核心上提供更多支持——面向大眾賺錢(qián)的事可以谷歌做，但華山論劍的時(shí)候DeepMind還是出馬一下的好。

總結(jié)

通過(guò)總結(jié)DeepMind在研究方向、應(yīng)用化和與谷歌關(guān)系的幾個(gè)案例。我們不難發(fā)現(xiàn)DeepMind的幾個(gè)特點(diǎn)，或許我們可以為它做個(gè)簡(jiǎn)單清晰的畫(huà)像：

在技術(shù)探索方面，DeepMind更多指向以高度模擬人腦的方式，在核心領(lǐng)域超過(guò)人類(lèi)已有水平的AI系統(tǒng)。無(wú)論是圍棋、游戲，還是環(huán)境判斷、圖像與音頻生成，都指向這個(gè)巨大的野心。

而在技術(shù)優(yōu)勢(shì)上，DeepMind一方面得力與強(qiáng)大的多領(lǐng)域人員儲(chǔ)備，讓它擁有了橫跨多學(xué)科打造算法與產(chǎn)品的優(yōu)勢(shì)。另外一方面，DeepMind的技術(shù)優(yōu)勢(shì)在于高度應(yīng)用化水準(zhǔn)跨越上。雖然他發(fā)布的東西不多，但沒(méi)有一次讓我們看到很初級(jí)、很簡(jiǎn)單的應(yīng)用模型。

在產(chǎn)品的商用價(jià)值上，DeepMind或許會(huì)主攻醫(yī)療健康和垂直領(lǐng)域的機(jī)器學(xué)習(xí)應(yīng)用上，這個(gè)從他們2016年的動(dòng)向中已現(xiàn)端倪。

綜合來(lái)看，這家公司是半學(xué)術(shù)化半商業(yè)化的創(chuàng)業(yè)團(tuán)隊(duì)，技術(shù)實(shí)力極高，卻也不太急于賺錢(qián)——有谷歌做后臺(tái)，他們還忙著玩游戲呢。

當(dāng)然，這家公司最強(qiáng)的可能還是人工智能的品牌PR上，這不，他又來(lái)用圍棋PR人類(lèi)了。