AlphaGo开发者：人工智能将如何塑造未来

　　DeepMind创始人哈撒比斯

　　导语：3月9日，谷歌人工智能AlphaGo战胜韩国棋手李世石引起巨大轰动，外媒“TheVerge”在比赛结束后对AlphaGo背后的DeepMind公司联合创始人德米斯.哈萨比斯进行了长篇访谈，哈萨比斯谈到了他对人工智能未来的看法。

　　以下是文章全文：

　　DeepMind的AlphaGo战胜韩国传奇棋手李世石，点燃了空前的对人工智能问题的热情。但是，这家谷歌子公司的AlphaGo计划却远远超出了它自身-甚至可以说它本身都不是重点。作为DeepMind的联合创始人，德米斯.哈萨比斯在本周早些时候表示，DeepMind要做出“智慧解决方案”，对此他有一些想法。

　　哈萨比斯自己走了个不寻常的路去达到人生目标，现在回想起来这却是一个完美的道路。哈萨比斯是一个在智力奥林匹克竞赛中5次获得冠军的国际象棋神童。他声名鹊起则是年轻时在英国Bullfrog和Lionhead游戏开发公司工作，在那里他致力于开发一款类似于“主题公园”、“黑与白”的人工智能游戏，后来他成立了自己的工作室。哈萨比斯在00年代中期离开了游戏行业去读完神经科学的博士学位，2010年他与别人联合创立了DeepMind公司。

　　在AlphaGo首次战胜李世石后的清晨，哈萨比斯坐下来接受TheVerge的访谈。他在进屋时评论着首尔四季酒店的灯光布景，给人的感觉十分温馨友好。当一个谷歌代表告诉他，昨夜有3300篇韩国媒体文章报道了他，他明显看起来非常吃惊。“这令人难以置信，对吧？”他说，“看到一个深奥难懂的事物开始流行起来，这很有趣。”

　　除了AlphaGo，我们的谈话触及视频游戏、下一代智能手机助手、DeepMind在谷歌公司中的角色、机器人（300024）、AI如何帮助科研等等。

　　注：本次采访内容已被轻度编辑，以便于阅读。

　　TheVerge记者萨姆.贝福德：对于那些不了解人工智能或围棋的人，你会如何描述昨天所发生的文化共鸣？

　　德米斯.哈萨比斯：对于这些我要说几点。围棋一直是完全信息博弈的巅峰。它在可能性方面比国际象棋更复杂，所以它一直是人工智能研究领域努力寻求突破的重大挑战，尤其是在“深蓝”之后。你知道，即使付出了很多的努力，我们还是没有走出太远。蒙特卡洛树搜索是十年前一个很大的创新，但我认为我们成功地用AlphaGo给神经网络引入了“直觉”——如果你想这么叫的话，而正是这些直觉让某些人成为顶尖棋手。我很惊讶，即使是现场解说迈克尔.雷德蒙德也很难算出结局，他可是一个职业9段棋手啊！而这表明了你是有多么难写出围棋的“评价函数”。

　　当你看到AlphaGo的特殊举动，你会感到惊讶吗？

　　是啊。我们相当震惊，我认为李世石也是，从他的面部表情就能看出来。AlphaGo的那步棋深深地打入了李世石的领地。我认为这是一个相当意外的举动。

　　是因为侵略性吗？

　　嗯，是因为侵略和大胆！此外，它在比赛中戏耍了李世石。李世石以好战而闻名，这就是他所传达出的，我们期待的那种东西。本场比赛一开始，他就在整个棋盘上求战，但是没有一处是真的。传统的围棋程序在处理这种情况时非常无力。他们在局域计算中并不差，但是在需要通盘视野的时候会很无力。

　　举行这次比赛的一大原因就是评估AlphaGo的能力，无论输赢。你从昨晚学到什么？

　　好吧，我想我们了解到：我们已经沿着这条线走出了很远——没有超出我们的预期，但达到了我们的期望。我们要告诉大众，我们认为比赛是五五开。我认为这仍然可能是正确的，这儿任何事都有可能发生，我知道李世石今天回来后会采取不同的策略。所以，我认为寻找出对手策略将是非常有趣的。

　　刚才谈到了AI的意义，回答了你的第一个问题。另一个我要告诉你的事情是，我们和深蓝是不同的。深蓝是一个“手工”程序——程序员从国际象棋的规则中提炼出信息和获得启发。而我们的AlphaGo拥有学习能力，它通过实践和学习获得知识，这更像人。

　　如果在系列赛中AlphaGo继续以这种方式取胜，接下来会发生什么？未来会有一个人工智能的游戏对决吗？

　　哈：我认为作为围棋是完全信息博弈的巅峰。当然，我们还有其他顶尖棋手要比赛。此外，其他的游戏——像无限押注的德州扑克就非常困难。多人比赛会有其他的挑战，因为它是一个不完全信息博弈。再有明显的就是，人类在玩《星际争霸》这类游戏时比电脑更好。战略游戏需要在一个不完全信息的世界里拥有高层次的战略能力。而围棋的事情是很明显的，你可以在棋盘上看到一切，因此，这对于电脑来说更容易一些。

　　打败《星际争霸》这些游戏你个人会感兴趣吗？

　　也许吧。我们只对研究项目主线范围内的事情感兴趣。所以DeepMind的目的不只是打游戏，尽管那非常有趣而且令人兴奋。你知道，我喜欢玩游戏，我以前编写过电脑游戏。但是那仅限于作为测试平台，用于尝试写出我们的算法思想和测试出它能到多高等级、能玩得多好，这是一个非常有效的方式。最终，我们希望能应用到现实世界中的重大问题。