骑猪兜风作者：Sam Byford
[attach]307517[/attach] 上周，AlphaGod与李世石的交锋举世瞩目，AlphaGo在以其令人惊诧的成绩震撼世人的同时，也让世界看到了人工智能所蕴含的巨大潜力。然而，AlphaGo并不是DeepMind所开展的唯一一个人工智能计划，甚至不是现有计划中最重要的一个。DeepMind的联合创始人兼CEO杰米斯·哈萨比斯在本周一次专访中坦言，说DeepMind希望“解决有关智能的问题”，并且对此充满乐观。与所有天才一样，杰米斯·哈萨比斯的人生并不循规蹈矩。当他还是个孩子的时候，他就蝉联了五届脑力奥林匹克运动会(Mind Sports Olympiad)的全能脑力王(Pentamind Championship)称号。在他的青年时代，他曾经供职于大名鼎鼎的牛蛙工作室(代表作有《地下城守护者》)以及狮头工作时(代表作有《神鬼寓言》)，参与了《模拟公园》以及《善与恶》的开发，稍后又组建了自己的游戏工作室Elixir。在2000年代中期，他离开了游戏业界并攻读了神经科学的博士学位，最终于2010年创建DeepMind。
The Verge在AlphaGO与李世石的第一局对战之后，同杰米斯·哈萨比斯进行了一次深度采访，在采访中他畅谈了AI、智能手机以及机器人等话题。
以下是采访全文：
昨天AlphaGo与李世石的对局震惊了世界，不过，不少人对于人工智能或者围棋都不甚了解，你如何向他们解释这两者到底是什么？
我希望从这几点来说明：某种意义上来说，围棋是完全信息博弈游戏(perfect information games)之王，它每一步的可能性都远远复杂于国际象棋。尤其在“深蓝”获得成功之后，解决围棋的AI问题就成为了人工智能研究领域最为重大的挑战。虽然目前来看，我们的AI的进步并不算特别卓越，但我们为此做出了相当多的努力。十年前，蒙特卡洛逻辑树的发明推动了AI领域的进步，但将神经网络中关于直觉的部分引入AlphaGo，才是它击败顶级棋手的最重要的原因：顶级棋手们最为重要的品质即是他们优秀的直觉。当我在直播过程中看到迈克·雷蒙计算目数都有些捉襟见肘的时候，感觉真的很惊讶，他可是一个九段职业选手。
AlphaGo有哪些具体的落子让你感到震惊的吗？
有次AlphaGo直接深入李世石具有优势的腹地，这让我们都很震惊——从李世石当时的表情来看，他也很震惊。没人能够想到围棋可以这样下。
是因为这一手非常具有攻击性吗？
嗯，是因为这一手大胆无畏而富有攻击性。李世石本人就以天马行空的攻击闻名于世，AlphaGo直接以对手的风格进行对局，这令人难以置信。在比赛之初布局尚未稳定之时，双方就在棋盘的各个角落展开了激战。以往的围棋程序都不擅长于对手缠斗：他们或许精于局部计算，但缺少对全盘游戏的大局观判断。
无论输赢，这一次比赛的首要目的是为了对AlphaGo的能力进行评估。昨晚的比赛中给你们最大的收获是什么？
我想，最大的意义就是让我们确信目前我们的工作有着长足的进展——比我们希望的要好得多。在赛前，我们对大众宣称比赛可能胜负各半，目前来看，这个胜率仍然是比较靠谱的：李世石是个出色的棋手，他会很快地调整自己的下棋策略，一切都有可能发生。我依然期待接下来的比赛中双方的表现。
说说这事情对人工智能发展的意义吧。你可能听过之前我把“深蓝”与AlphaGo进行的对比：“深蓝”是个“手工”程序，程序员们需要把国际象棋大师们的对局转换为具体的行动规则以及行动逻辑；而我们让AlphaGo有了自我学习的能力，它可以自我对局并从中学习，提高，这比以往的AI更像人类了。
[attach]307518[/attach]如果AlphaGo一直保持胜势，接下来会你们有些什么计划？会在未来开发另一个AI对战游戏么？
正如我在之前所说，围棋已经是完全信息博弈游戏的巅峰了——当然，还有一些其他的围棋高手等着我们去挑战。而其他的一些游戏，诸如无限制纸牌就很困难，因为它是一个不完全信息博弈游戏(imperfect information game)。有些电子游戏同样充满挑战，比如在韩国流行的《星际争霸》这样的策略游戏，它要求AI在信息不充分的条件下展现出高水平的策略能力，我们可以把这种游戏模式称之为“部分观察”(partially observed)。相反，围棋游戏里你可以在棋盘上看到对局所需要的一切信息，这对计算机而言，处理这个要简单一些。
你对攻克《星际争霸》有兴趣吗？
可能吧。不过我们只对我们的研究范围内的项目感兴趣。虽然说AlphaGo的对局很有趣，但DeepMind的目标并不是为了玩游戏，娱乐或者给大众提供刺激。就我个人而言，我喜欢玩游戏，也曾经是游戏业界的一员，但游戏归根结底只不过是用来测试我们算法的一个测试平台，我们通过游戏来测算出它们的架构和实力。但我们的最终目标还是把自己的成果运用于现实中。
我成长于1990年代后半期的英国，常常在游戏杂志上看到你的大名和一些非常具有想象力的游戏关联在一起。当我看到你与DeepMind一同出现的时候就在想，“你们真是天生一对。”你是如何从游戏界跨界到现在的领域的呢？
DeepMind算是我的毕生追求。某种程度上来说，我为此计划并奋斗了超过二十年。如果你对我过去的事业有所了解，那你会发现这些事情是有迹可寻的：AI的表现是我在牛蛙工作室和其他地方做的游戏的核心。当我十六七岁的时候开始开发《模拟公园》，我就意识到AI可以强大到什么程度，并促使我在这一领域奋斗。由于AI的表现有趣而合理，这些游戏卖出了数百万份，玩家至今也能乐在其中。我在游戏业的最后几年里也都在这个方向努力。到了2000年代中期，我返回学校攻读神经科学，主要原因是当时的游戏业界已经不能让我继续深入研究AI了。游戏的发行商们只希望你赶快把游戏做出来卖钱。
你进入游戏界是不是因为在那个年代，游戏是AI最广泛的应用领域？
是这样的，而且当时我们做的就是AI领域最尖端的技术。1990年代人工智能领域的学术研究陷入停滞，诸如神经网络、深度学习、巩固学习(reinforcement learning)这样的技术还没有得到普及。那时候最好的人工智能表现只能体现在游戏里面，它们不是以现在这种学习形AI，大都以有限机械(finite-state machines)的状态呈现，但它们已经足够复杂，并且对于游戏相当适应。《善与恶》这样的游戏了的AI已经拥有了巩固学习的能力，我至今仍然觉得这是游戏界最好的AI设计之一。但是到了2004、2005年，事情起了变化，游戏开发不再像1990年代那样充满乐趣和创造力，那时候你只需要想到点子并付诸实施就行。自那时起，在市场上获得成功的要素变成了画面和版权，诸如《FIFA足球》这样的游戏大行其道。因此我有些厌倦：在游戏领域我把我能干的事情都干了一遍，现在开发游戏也不那么好玩了。因此我开始搜集信息，准备成立DeepMind。神经科学成为了我的新目标，我希望通过研究大脑的运作方式来开发新的人工智能，因此，我决定攻读一个神经科学学位。
如果让你把现在人工智能的成果带回游戏领域会如何呢？看起来这件事情是顺理成章的。
嗯，我觉得这会很棒。事实上，我这两天跟几家大游戏公司，譬如说EA之类的……有过联系。我们应该会把这个成果引入游戏界，运用这些最新的成果可以让游戏AI的水平突飞猛进，因为客观需求摆在这里嘛。不过目前我们更愿意把精力放在健康服务或是人事推荐系统这样更加现实的事情上。游戏业界当然是个很重要的市场，把我们的AI系统推向游戏业界前途广阔，而我觉得开发者们也会更乐于使用成熟的学习型AI(而不是自己开发)，或许不久的将来，开发者们只需要对AI进行微调就可以了。
我刚刚正好想到你是不是在家里打游戏的时候，被糟糕的AI气到过。