人類智慧將被人工智能超越嗎？

就像1997年的Deep Blue一樣，AlphaGo改變了人們對人類成就的看法。人類冠軍無疑擁有地球上最聰明的頭腦，可是他們已經被AI超越。近20年后，Hassabis實現了自己當年的野心，他說這場比賽讓他熱淚盈眶。

當年Deep Blue殺伐決斷，通過快速計算贏得了勝利，但是AlphaGo的風格看起來卻很有藝術氣質，幾乎是人類的風格。它的優雅、復雜以及卓越的計算能力，似乎表明，在治療疾病和管理城市等領域，DeepMind將比競爭對手走得更遠。

DeepMind控制權之爭

Hassabis一直說，DeepMind將使世界變得更好。但AGI存在不確定性。如果它真的出現，我們不知道它是善是惡，也不知道它是否會服從于人類控制。即便它聽從人類控制，那這個人類舵手又會是誰呢？

從一開始，Hassabis就試圖保護DeepMind的獨立性。他一直堅持讓DeepMind留在倫敦。Hassabis不愿交出自己一手帶大的公司。因此DeepMind制定了一項協議，阻止谷歌單方面控制該公司的知識產權。據知情人士透露，在收購前一年，雙方簽署了《道德與安全審查協議》。該協議將DeepMind的核心AGI技術的控制權交給了一個名為Ethics Board的委員會。Ethics Board為DeepMind提供了堅實的法律支持，以保持對其最有價值、也可能是最危險的技術的控制。小組成員的名字尚未公布，但據消息人士透露，DeepMind的三位創始人都是Ethics Board成員。

此外DeepMind在市場公關方面表現極好。AlphaGo就是典型的例子。自谷歌被收購以來，DeepMind多次創造了舉世矚目的奇跡。比如，一個軟件可以在眼睛掃描中發現黃斑病變。另一個程序使用與AlphaGo類似的架構從無到有地學會了下棋，僅僅花費九個小時。2018年12月，一個名為AlphaFold的程序被證明可以從復合物列表中預測蛋白質的三維結構，其準確率高于同行競爭對手，這有助于治療帕金森病和阿爾茨海默癥等疾病。

谷歌數據中心預計包含250萬臺服務器，DeepMind開發了一套算法，以優化谷歌數據中心冷卻方案，DeepMind深以為傲，因為谷歌因此降低了40％的能源成本。谷歌母公司Alphabet為這類服務付給DeepMind豐厚的報酬。2017年，DeepMind向Alphabet收取了5400萬英鎊。但與DeepMind的日常管理費用相比，這一數字顯得微不足道。那一年僅在DeepMind員工身上就花了2億英鎊。總體而言，公司在2017年支出2．82億英鎊。

谷歌收購DeepMind五年后，控制權之爭不可避免。考慮到Hassabis對事業的執著，他不太可能離開公司。他對金錢感興趣只是因為錢能幫助他完成事業追求。到目前為止，谷歌對DeepMind的干預還不大。但最近發生的一件事卻引發了對公司未來獨立性的擔憂。

2016年2月，DeepMind成立了新醫療保健部門DeepMind Health，由公司聯合創始人之一的Mustafa Suleyman領導。公司希望創建Streams項目，當病人的健康狀況惡化時，可以向醫生發出警告。DeepMind將獲得基于績效的費用。由于這項工作需要獲得有關病人的敏感信息，Suleyman建立了一個獨立的審查小組（IRP）。

2018年11月8日，谷歌宣布成立自己的醫療保健部門Google Health。五天后，公司宣布將把DeepMind Health并入母公司相關部門。Suleyman曾在2016年寫道：“在任何階段，患者數據都不會與谷歌賬戶、產品或服務相關聯。”但他的承諾似乎已經落空。不過DeepMind還是說：“在這個階段，我們的合同都沒有轉到谷歌，只有得到合作伙伴的同意，才會轉去谷歌。”合并激怒了DeepMind Health的員工。據消息人士說，一旦合并完成，就會有更多員工計劃離職。據多名知情人士透露，有員工于2017年12月辭職，原因是擔心合并后該獨立審查小組更多的是為了裝門面，而不會對病人隱私數據使用情況進行真正的監督。

這一事件表明，DeepMind的非核心業務容易受到谷歌的左右。DeepMind在一份聲明中對此次合并給出了正面評價。但是我們不禁要問，谷歌是否會將同樣的邏輯應用于DeepMind在AGI方面的工作。

強化學習

總體上來說DeepMind進步明顯。它的軟件可以模擬甚至超越人類學習執行任務。比如打磚塊游戲。沒有人類指導，DeepMind的程序不僅學會了玩這個游戲，而且還學會了如何把球打進磚塊后面的空間，利用球回彈來打更多的磚塊。Hassabis說，這證明了強化學習的力量和DeepMind計算程序的非凡能力。

這個游戲演示令人印象深刻，但有個問題。如果虛擬球拍移動得更高一些，程序就會失敗。AI項目所掌握的技能非常有限，即使對環境的微小變化也無法做出反應，除非接受數千輪強化學習。現實世界的變化太多了。對于智能診斷來說，沒有兩個身體器官是完全相同的。對于智能機械，沒有兩個引擎可以用相同的方式調整。因此，將虛擬空間中完善的程序投放到現實世界困難重重。

另外一個問題是，虛擬環境中的成功取決于獎勵機制：一個允許軟件衡量其進程的信號。程序了解到物體從墻上回彈會加分。AlphaGo很多編程工作都是在構建與復雜游戲兼容的獎勵函數。不幸的是，現實世界并不提供這種簡單的獎勵。政治因素使問題更加復雜化。要協調氣候健康的獎勵信號（單位體積二氧化碳粒子數）與石油公司的獎勵信號（股價），牽涉到許多動機矛盾的各方。獎勵信號往往非常微弱。而人腦在執行任務的過程中不會去想有沒有獎勵的問題。

DeepMind通過大量計算機電力找到了解決方法。公司最近專注于策略電腦游戲星際爭霸II，游戲早期所做的決定對后來會產生影響，這更接近于現實世界任務所特有的那種復雜而延遲的反饋。今年1月，DeepMind軟件擊敗了一些頂級人類玩家，給人留下了深刻印象。它的程序也已經開始學習經由人類反饋的獎勵功能。不過，把人類指令置于計算循環中，比起純粹的計算機處理，其計算規模和速度都會受到影響。

公司研究人員匿名表示，他們也對DeepMind能否通過這些方法達到AGI表示懷疑，專注于在模擬環境中實現高性能，這使得獎勵信號問題很難解決。然而，這種方法又是DeepMind的核心。

Hassabis的人生一直在和游戲打交道。就像公司的軟件一樣，Hassabis只能從以往的經驗中學習。在發明了一些有用的醫療技術，并超越了世界上最偉大的棋類游戲玩家之后，對AGI的追求最終還是可能會失敗。公司取得的成績斐然，卻不是Hassabis最終想要的。他仍然可以開創AGI的時代，就在谷歌的眼皮底下，但卻超出了它的控制范圍。如果這樣做，Hassabis將贏得最艱難的比賽。