围棋之后，人工智能的下一个战场是什么？

AlphaGo(阿法狗)对传奇围棋棋手李世石的胜利是人工智能研究的一个重大里程碑事件。一直以来,这项复杂的棋类游戏都认为无法被机器征服,但DeepMind使用机器学习和神经网络,赋予了AlphaGo世界一流级别的评估和实行技巧的能力。

​但我们让这个世界上最聪明的一群人来研究人工智能,并不是只是为了征服围棋。DeepMind(深智公司)的研究成果对人工智能领域有着深远的影响,它所使用的深度学习技术有潜力颠覆一切:从你用手机的方式到你驾驶汽车的方式。

,围棋的征服之路可能还未结束。柯洁,这位来自的18岁天才世界围棋冠军,对自己的胜率似乎持谨慎乐观的态度。在李世石第一局败于AlphaGo之后,他称我有60%的几率赢AlphaGo。许多围棋棋手都说他们希望能更多地了解AlphaGo;毕竟,它只公开进行过几场比赛,便展现出了不同寻常的、极具破坏力的策略。AlphaGo最终很有向大众展示,而当以后看到它和柯洁对弈时,我们也不必惊讶;李世石被选作AlphaGo的对手,是因为他在漫长的职业生涯中所建立起来的地位,但柯洁却被认为是一个更为强大的棋手。DeepMind的创始人戴米斯?哈萨比斯也宣称其公司计划测试一个没有经过任何人类训练经历的版本,换而言之,这个程序需要自学围棋。

但无论如何,有关一台电脑是否可以成为世界一流围棋棋手的争论现已尘埃落定。就全透明的游戏(各方都能看见所有数据)而言,一切成就都已达成。对于非全透明的游戏(比如多人无限制扑克),人工智能依然有些问题,但接下来的攻克前沿很有可能是电子游戏;过去数周,我已经数次听人提起暴雪娱乐经典的实时战略游戏《星际争霸》。鉴于《星际争霸》持久的受欢迎度和其在韩国万人空巷的地位,想象未来一个高调的电脑-电子游戏比赛并非难事。

上周,当我问起哈萨比斯时,他似乎对于《星际争霸》有了想法,但他也说DeepMind只对那些处在主流的游戏有兴趣。这些游戏可以当作测试平台,用来编写我们的新算法,或是用来测试我们做得有多好;这么做很有效率,但我们最终还是要将这个程序应用于真实世界中的大问题中去。

这个问题存在在人类还需要更快的学习技能和更有效的数据处理来帮助他们进行决策。在谷歌,机器学习和深度神经网络早已大规模使用,譬如用在搜索和无人驾驶汽车项目中。在以上任何区域,AlphaGo的经验可都以收获不断累积增加的改进;你可能在还没意识到那些改进之时就能感受到它带来的便利。

计算机科学家杰夫狄恩被很多谷歌人认为是这家公司最聪明的人。他主管谷歌大脑的深度学习研究项目,并且已经将很多概念应用到这家公司的产品中。目前谷歌排名第三的搜索信号器RankBrain是一个新的深度学习神经网络,该将过去两年在搜索词条排名上最大的改进归功于它。机器学习也被用在一些更明显、更直面用户的地方,比如谷歌照片的搜索功能和自动撰写电子邮件回复。