美国科技博客The Verge周一刊文，回顾了过去一周AlphaGo与李世石的比赛，并展望了人工智能未来的发展。根据DeepMind的计划，未来人工智能可能将被用于智能手机助手、医疗健康和机器人等领域。

　　以下为文章全文：

　　过去几天，AlphaGo对韩国传奇棋手李世石的胜利是人工智能研究过程中的重要里程碑。围棋由于其复杂性一直被认为是计算机难以攻克的堡垒。然而，谷歌DeepMind利用机器学习和神经网络技术使AlphaGo具备了世界级的策略评估和执行能力。

　　不过，全球最聪明的人才从事人工智能开发并不仅仅是为了赢得围棋比赛的胜利。DeepMind的工作对于人工智能的发展有着重要意义，而该公司利用的深度学习技术有可能变革我们所知的一切，无论是使用手机的方式还是开车的方式。

　　首先，在围棋领域，人工智能还有新的目标需要完成。18岁的中国围棋选手柯洁目前世界排名第一。关于能否战胜AlphaGo，柯洁表示了谨慎的乐观。他预计，自己的胜率能达到60%。许多围棋选手都表示，他们希望尽可能多地了解AlphaGo。在寥寥数场的公开比赛中，AlphaGo展示了非传统的策略。DeepMind最终很可能将公开发布AlphaGo，而未来如果柯洁决定与AlphaGo一较高下，那么也不必吃惊。DeepMind选择李世石作为对手是因为李世石的标志性地位，以及更长的职业生涯。不过，柯洁被认为是当前的全球围棋第一人。DeepMind创始人德米斯·哈萨比斯（Demis Hassabis）也曾表示，在未来的发展中，DeepMind计划抛开所有人工因素，让AlphaGo尝试完全自学。

　　但无论如何，关于计算机能否在围棋领域达到世界级水平，这一争议已经尘埃落定。围棋是一种“完美信息游戏”，即每个人都能看到棋盘上的所有信息。关于这类游戏，计算机已经证明了自我。不过，对于“非完美信息游戏”，例如多人扑克，人工智能似乎仍存在困难。

　　人工智能试图征服的下个领域很可能将是电子游戏。过去几周，有许多消息称，DeepMind人工智能技术的下一项挑战将是即时战略游戏《星际争霸》。考虑到《星际争霸》非常经典，在韩国很流行，因此不难想象，未来人工智能参加电子竞技的盛况。

　　关于用人工智能去玩《星际争霸》，哈萨比斯在上周接受采访时表现出了开放的态度。不过他同时指出，DeepMind只对符合主要研究方向的游戏感兴趣。哈萨比斯表示：“从某种意义上来说，这可以被用作测试载体。在这一平台上，你可以编写算法，测试能力提升的速度，以及最终结果。这确实是一种非常高效的方式。但最终，我们希望利用这项技术去解决现实世界的问题。”

　　这样的问题多种多样，而关键在于利用快速的学习和高效的数据处理去帮助人类决策。机器学习技术和深度神经网络已在谷歌内部得到广泛利用，例如用于搜索和无人驾驶汽车项目。AlphaGo带来的经验将有助于谷歌对这些技术展开进一步优化。或许在你还没有意识到的情况下，这样的进步就已经悄悄发生。

　　计算机科学家杰夫·迪恩（Jeff Dean）被许多人称作谷歌内部最聪明的人，他目前也负责Google Brain深度学习项目，并将这一概念推广至谷歌内部的多款产品。在谷歌对搜索结果的排序中，第三重要的信号来源就是被称作RankBrain的深度学习神经网络，而迪恩拒绝透露前两大信号来源是什么。谷歌也表示，这一神经网络是谷歌搜索在两年多时间里最大的进步。机器学习也被用在其他更显而易见、面向用户的服务中，例如Google Photos照片搜索，以及Inbox的邮件自动回复。

　　作为一家公司，谷歌的很大一部分收入来自于收集数据，并利用数据去销售广告。人工智能技术将提高数据收集的效率。关于机器学习技术是会加强谷歌的核心业务，还是帮助谷歌开拓新业务的问题，迪恩表示：“我不认为结果会是两者之一。我们将利用这些技术去优化核心产品。在很多情况下，对数据更高层次的理解将帮助我们开发新功能。与此同时，这也有助于我们开发以往不可能做到的有趣的新产品。因此，帮助将同时来自两方面，我认为两方面的重要性差不多。”

　　关于机器学习技术如何帮助谷歌的业务发展，Alphabet董事长埃里克·施密特（Eric Schmidt）表示：“可以认为，谷歌所做的所有事都很有意义。我们完成了许多搜索，投放了许多广告，吸引了许多用户，建立了许多数据中心，有很多人使用谷歌的计算资源和安全软件。如果有很多人使用某件工具，那么我们就可以使用机器智能针对信号进行观察和训练，从而提高效率。”

　　“我并不认为，有什么领域是这一技术不适用的。”施密特同时表示。他列举了谷歌传统的搜索和广告业务、无人驾驶汽车，以及医疗健康部门Verily。“对我而言，这一技术将会被用在Alphabet的每家公司中。”

　　在谷歌内部，DeepMind独立于其他业务，不过该公司与Google Brain有着密切的沟通。哈萨比斯表示：“我们有着很大的自主权，以决定如何优化研究进展。当然，我们也在开发谷歌内部的许多产品，但这些产品还处于初期阶段，目前不是讨论的时机。”他表示，Google Brain的项目周期比DeepMind要短。该部门位于谷歌的加州山景城总部，因此更关注产品。

　　那么，DeepMind下一步将要做什么？重要的一点在乎，AlphaGo并不是该公司唯一，甚至规模最大的项目。在DeepMind的数百名员工中，只有15人直接工作在这一项目上。DeepMind认为，最终目标包括智能手机助手、医疗健康和机器人。而尽管AlphaGo目前只是个下围棋的系统，但哈萨比斯认为，一些基本原理也适用于解决现实世界问题。

　　哈萨比斯认为，我们将在未来几年内看到基于高级机器学习技术的智能手机助手。“在开始阶段，这将会比较微妙，某些方面还可以做得更好。但在4到5年后，你将会看到这方面功能的大幅改变。”

　　“我认为，我们希望智能手机助手更智能，对环境有更多了解，并且更深刻地理解你正在尝试做什么。”哈萨比斯表示。他认为，这种系统的基础应当是类似AlphaGo的学习技术，而不是预先编好的程序。“目前，大部分这类系统都很死板。如果脱开预编程的模板，那么它们几乎毫无用处。因此，关键在于使其具有适应能力、灵活性，并更加强大。”

　　将人工智能用于医疗健康领域还有较长的路要走。DeepMind此前宣布与英国国民医疗服务系统（NHS）展开合作，但到目前为止公布的消息只限于基础的数据追踪应用。哈萨比斯指出，这一合作的首个目标是让NHS用上现代化的移动应用，随后才会引入更先进的工具。

　　借助沃森“认知学习”平台，IBM也在试水医疗健康市场。沃森采用了与DeepMind不同的技术。沃森最初只是一台用于参加智力竞赛节目《危险边缘》的超级计算机，而随后被移植至云计算平台，并支持预测分析和个性化研究等工具。目前，IBM正在与斯隆凯特琳癌症研究中心合作，帮助泰国和印度两所医院的医生诊断乳腺癌、肺癌和直肠癌。尽管沃森无法独立完成诊断，但可以标记出重要信息，帮助医生做进一步分析，并推荐治疗方案。

　　IBM沃森健康副总裁凯西·麦克格罗迪（Kathy McGroddy）表示：“我们正在训练沃森去观察。沃森对图像分析的学习已有多年时间。我们目前掌握来自已收购的Merge Healthcare的数据，从而加速沃森这一功能的优化。因此，沃森不仅可以识别医疗图像中的异常，还能结合更广泛的信息，例如用户Fitbit手环中的数据，理解这些异常代表了什么。”

　　最后，也是最遥远的一项目标在于，将人工智能用于机器人。谷歌正积极参与机器人市场的发展，例如该公司收购了Boston Dynamics等机器人公司，而谷歌自身也在开发无人驾驶汽车。迪恩表示：“我认为，机器人将是一个展示未来可能性的良好范例。我们收购了多家机器人公司，但如何将深度学习技术应用至机器人将会是未来几年一个很有趣、很重要的方向。”

　　哈萨比斯表示，他目前还没有太多地考虑机器人。“很明显，无人驾驶汽车是一种机器人，但这基本上是一种狭义的人工智能。不过，他们也将学习型人工智能的某些方面用于了计算机视觉。特斯拉就使用了基于深度学习的标准计算机视觉技术。”他认为，家政清洁和老人看护将是人工智能机器人未来可能的用武之地，但目前看来，这样的概念距离实现还很遥远。

　　AlphaGo的成功正在吸引全球关注，并重新点燃了主流人群对人工智能的兴趣，即使当前的使用场景还很有限。此前许多人认为，计算机无法完成需要人类直觉的任务，而这样的观念已被打破。

　　一些人也对此感到不安。过去一周，对于AlphaGo的成功，人们的反应有的是失望，有的是担心。这样的反应可以理解，但这也是对过去一周所发生事情的误读。人类开发了AlphaGo，解决了人工智能领域最古老、最困难的一项挑战。DeepMind的成就是伟大的，并可能给我们未来的生活带来许多积极影响。

　　正如埃里克·施密特在此次比赛的启动仪式上所说：“无论最终结果是什么，赢家都是人类。”（维金）