昨日“人机对决”的硝烟还未散尽，今天上午 9 点 30 分DeepMind的掌门人哈萨比斯就在乌镇发表了《 AlphaGo 研发介绍， AlphaGo 意味着什么？》的主题演讲，将“怪兽”AlphaGo背后的重大升级细节和盘托出。不得不说，在经历了几番和人类选手的比拼之后，人工智能的力量已经进化的了难以想象的层次。

　　除此以外，在这次的论坛上，AlphaGo的主要开发者大卫·席尔瓦（David Silver）和谷歌大脑（Google Brain）团队负责人杰夫·迪恩（Jeff Dean）同时进一步揭秘了脱胎换骨之后的全新AlphaGo。

　　据悉，相较于之前12层卷积神经网络的AlphaGo，此次出战的AlphaGo已经达到的40层神经网络，性能较上次和人类大战60回合的Master也有了增强，更是比李世石的那一版强了三子的优势。正是在这种不断自我训练的情况下，AlphaGo已经生成了一代强过一代的神经网络。

　　

　　图丨DeepMind团队预测，Master版本比李世石版本提升了三子

　　如今的AlphaGo无论从哪个角度看都更像是一台独立的高性能秘密武器。凭借着十个谷歌自研的TPU，它摆脱了对外界的依赖；使用自己所积累的数据；更强大的策略网络和价值网络提高了的反应速度和判断的准确性……强化学习的优势在AlphaGo身上表现得淋漓尽致，并且还将结出更加丰硕的成果。

以下是DT君在现场的编辑整理后哈萨比斯今日主题演讲的内容精选：

我先简单介绍一下 DeepMind。2010 年，DeepMind 创立于英国伦敦，2014年我们加入 Google。我们想要做的就是攻克人工智能。

对于 DeepMind 而言，我们希望网络全世界的机器学习科学家，能够结合计算能力，尽快解决人工智能的问题。另外，DeepMind 为了更好的进行研发，创新了我们的组织方式。

　　

可以说，Deep Mind的任务可以分两步走：

第一步是要从根本上了解智能是什么，然后用人工方法去创造它。接下来就是要通过这种智能去尝试解决其他所有问题。我们认为，AI会是人类历史上最重要的技术发明之一。

具体来说我们会怎么做？在DeepMind，我们常会提到要建立通用型学习系统。最核心的概念就是“学习”，我们开发的所有系统都有学习相关的内核，这种学习系统从实践经验和数据中学习，而不需要预先输入程序化的解决方案。

第二步是要解决AI的通用性问题。我们认为，单一系统或者算法组合并不能直接解决各种问题，更不用说以前没遇到过的问题。这种系统最好的例子就是人脑，我们从某一任务中学习，并相关经验应用于其他未遇到过的问题，即所谓的举一反三。而机器在这方面是有很大问题的，DeepMind就是想赋予机器这种能力。

打造这种通用型学习系统涉及到几项关键技术。首先是深度学习，即层叠的神经网络，这个大家都很熟悉了；然后是强化学习，即让机器自己学习，以达到最大化的收益。

我们将这种具有通用目标的学习系统称为通用型人工智能，这与目前所谓的人工智能是不一样的，因为目前的人工智能主要还是预先写入的程序而已。

实际上，打造通用型学习系统，最重要的是要学习。所有算法都会自动学习，更多的数据和更多的体验不依赖于预设。

通用型的强人工智能与弱人工智能不一样。最好的例子就是，在90年代末IBM开发的“深蓝”系统，击败了当时顶尖的国际象棋高手卡斯帕罗夫——这在当时是很大的成就，但“深蓝”终究是一套预先写入程序的系统，相当于一位顶级程序员在和卡斯帕罗夫对弈，这位程序员尝试揣摩卡斯帕罗夫脑子里在想什么，并把相应的对策全部编写到程序里。这个技术了不起，但它不能解答人工智能之路在哪，只是在执行预先写入的命令，而不是自己来学习、决策。

　　

然而，人类的大脑学到新的知识后却可以举一反三，我们可以用习得的现有经验解决新的问题，这是机器所不擅长的。

所以说，与之前的相比，我们想要的是能够自我学习的系统，而这种系统需要在强化学习的框架下来开发。有必要先稍微解释一下到底什么是所谓的强化学习。

在人工智能系统中，有一个我们称之为Agent的主体，Agent发现它身处某种环境下，并需要完成某些任务。如果周围的环境是真是世界，Agent可能会是一个机器人；但如果周围环境是诸如游戏这类虚拟环境，Agent就可能是一个虚拟形象（Avatar）。

要完成某个任务，Agent会通过两种方式与环境互动。首先是传感器，DeepMind更多会使用视觉传感器让机器与环境互动，当然，如果你愿意，也可以使用语音、触觉等方式。所以这类Agent通常通过自己的观察来对环境建模。但是这里有个问题，真是环境通常是充满噪声、干扰、不完整的，所以需要Agent尽最大努力去预测周围到底是什么样的。

一旦这个环境模型建立，就要开始第二步了：如何在这个环境中做出最好的行为决策。当然，行为与环境间的互动可能是成功的，也可能是失败的，这写结果都会被实时纳入Agent的观察过程，这也就是强化学习的过程。

这两年来，AlphaGo团队专注于围棋项目。与象棋相比，围棋更加复杂。对于象棋来说，写一个评价函数是非常简单的。另外，围棋更需要直觉，伟大的旗手往往难以解释他们为什么下了这一步棋，象棋选手则可以给一个明确的答案，回答这么走的原因，有时候也许不尽如人意，但是起码选手心中是有清晰的计划的。

为什么围棋的评估方程式这么难？相比象棋，围棋是因为没有物质性的概念，每一个棋子是等值的，而象棋有由估值的高低的。第二，围棋是建设性的，围棋是空的，你需要填充棋盘。特殊位点的评估，期盼在你心中，不断摸索，围棋手是建设性的，一切情况不得而知，需要棋手预测未来，进行布局，而象棋往往讲究当下的时局。

另一个原因，一个棋子怎么走，一步输步步输，一发全身。围棋更具有直觉性，历史中我们觉得这是神的旨意，由灵感指导行为。

那么我们怎么写出这个方程式呢？策略网络……缩小范围……价值网络。我们曾经在《Nature》上发布了相关的论文，论文帮助一些国家和公司打造了他们自己版本的AlphaGo。

接下来，我们用比赛来测试更新的系统，比如上一次的李世石，昨天的柯洁，这两次比赛都引起了很大的关注。在和李世石的比赛中，AlphaGo赢了。但其实，我们十年磨一剑。胜利是很难的，也是很了不起，在AI领域更是这样，十年磨一剑是常事。

我们赢了，最重要的是我们激发了更多的灵感，AlphaGo打出了好局，和李的比赛中，第二局第37不起令人惊叹。这是专业人员都难以想象的，已经触及到下棋的直觉方面。

AlphaGo把围棋看做客观的艺术，每下一步旗子都会产生客观影响，而且它还能下得非常有创意。李世石在比赛中也受到了启发，他在第四局的第78着也很美妙，因此他赢了一局。

毫无疑问，AlphaGo对战李世石的影响很大，全世界28亿人在关注，35000多篇关于此的报道。西方世界开始更多地感受到围棋这种东方游戏的魅力，当时围棋的销量还涨了10倍。我们很乐意看到西方世界也学习这种游戏。而李世石也有新的发现，他在赛后表示，和狗比赛是其人生最美的体验，狗也为创造了围棋的新范式，李表示他对围棋的兴趣更大了，我开心他这么说。

回到直觉和创意上。什么是直觉？人们通过各种体验获得经验，这是无法继承，人们接受测试来检验他们直觉。AlphaGo已经能模仿直觉。而创造力上，它的一个定义是，整合新的知并创造新的点子或知识，阿狗显然是有创造力，但这种创造力仍然仅局限于围棋。

在过去一年中，DeepMind不断打造AlphaGo，希望能解决科学问题并弥补它的知识空白，我们还将继续完善它。之后，Master出现了，我们在今年一月对他进行上线测试，他取得了60连胜，还诞生了很好的点子，它的棋谱被全世界的棋手们研究。例如，AlphaGo打了右下角三三目，这种举措在之前是不可想象的。

柯洁也说，人类3000年围棋历史，至今没有一人曾经接近过到围棋真理的彼岸。但是，人和AI的结合可以解决这个问题。古力也说，人类和AI共同探索围棋世界的脚步开始了。

转载请注明出处。