毁灭于人工智能？这将是人类最好的结局

对于即将开打的人机围棋五 番棋大战，围棋界与人工智能（AI）界人士看法分歧较大。围棋界虽认可谷歌围棋程序AlphaGo具备职业选手实力，但普遍认为这次李世石被番棋击败的可 能性还不大；人工智能专家则多看好AlphaGo，认为跨过职业选手这个门槛以后，人工智能程序通过强化学习（Reinforcement Learning）的方式自我训练提高，棋力提高速度远超人类学习曲线，再通过这几个月的针对性训练，有可能一举击败李世石。

AlphaGo项目的主导者、深思（DeepMind）创始人德米思-哈萨比斯（Demis Hassabis）在接受韩国《中央日报》采访时就表示，李世石与AlphaGo各有五成概率， "在对弈内容上，AlphaGo应该不会输给李九段。"

不过大家有共识的是：即使这次李世石能够全胜AlphaGo，人工智能程序在这一领域形成对人类的碾压将不会等太久。哈萨比斯称五年以后，AlphaGo可以战胜人类任何顶级棋手。这几乎都算不得豪言，这只是一个看得见的计划。

人类成为真正造物主的开始？

也许从蒸汽机的发明开始，人类创造的机器就不断突破生物极限。无论是力量、忍耐力、专注度、记忆力、动作准确度还是直接计算能力，机器已经远远地超越了大部分人类，某些项目上已经超越了地球上所有的生物。

但人类以往创造的机器只能称之为机器，因为这些机器还不具备思考能力。不过哈萨比斯等所领衔的通用人工智能（Artificial General Intelligence， 简称AGI）研究，则是要给机器注入灵魂。

强化学习框图

不 像以往的人工智能系统只限定应用于某一个领域，通用人工智能不需要对原始数据进行筛选审核（例如预编程或手动处理），自动对外界的信息（原始数据）进行过 滤、提取与分析，通过分析信息建立起外部环境的统计模型以后，然后择取当下最优行动策略来实现目标（例如游戏取得高分），并通过反复迭代调整自己的行动以 更适应当前外部环境。一句话，通用人工智能采用人类思考问题的方式来认知世界。

哈萨比斯在一次演讲中展示过深思团队的另外一项研究成果，即机器以观看别人在屏幕上玩游戏的方式来学习不同的游戏。视频游戏并未事先限定，也不告诉机器这些游戏的规则，人工智能程序通过分析录像来寻找游戏规则，然后通过实战训练来提高水平。

DeepMind玩游戏的成绩

在Atari 2600机器上的49款游戏中，深思团队的机器程序通过这种方式在23个游戏上战胜了人类选手。

"这是所有哺乳动物的学习方式，"哈萨比斯说道，他要做的是通过研究人工智能来复制人脑运行机制，"要想真正的理解一个事物，最根本的方法是重建它。"

堪比地理大发现的心理大发现

这个声称要完成人工智能领域的阿波罗计划，准备给机器赋予灵魂的人，能够成为机器世界的造物主吗？

Demis Hassabis在伦敦大学学院期间

哈 萨比斯在剑桥学的是计算机科学，毕业以后从事游戏开发工作，一年以后创办Elixir Studios，《共和国革命》与《邪恶天才》等游戏均出自ElixirStudios，哈萨比斯自己经常提及的游戏则是《主题公园》。卖掉Elixir Studios以后，2005年哈萨比斯重回学校读起了脑神经科学，2009年获得伦敦大学学院（University College London）认知神经科学博士学位，转向人脑神经科学与人工智能研究的哈萨比斯此后在多所大学游历，直到创办深思（DeepMind）。

有神童（13岁拿到国际象棋大师头衔）之称的哈萨比斯在设计《主题公园》时即加入了人工智能算法，计算机科学与人脑神经科学双修的经历使其成为探索人工智能领域的最佳人选之一。

"我觉得只有两门科学值得研究，即物理学与神经科学。物理研究的是我们身处的整个外部世界，神经科学与心理学研究的则是精神这个内部世界，"哈萨比斯解释他进入人工智能领域的原因，"精神意识的研究更为重要，因为我们是通过意识（mind）来理解外部世界的。"

康德曾说过"理性（mind）为自然界立法"，哈萨比斯是康德哲学的拥护者，他说："意识创造了我们周围的真实场景"。哈萨比斯的理想就是利用通用人工智能技术来解开人脑思维之谜，探究意识、创造力甚至梦境的运行机制。

这项研究的确可以媲美阿波罗登月计划，也好似哥伦布的环球之旅，如果人类意识领域的新大陆被发现，这项研究的历史意义也许比我们现在想象的还要伟大。

新技术是旧职业的收割机

谈及曾经战胜卡斯帕洛夫的更深之蓝与在《危险边缘》夺冠的沃森（Watson），哈萨比斯略有不屑，"这些都是狭义人工智能，为解决某一个特定问题而量身定做。"哈萨比斯把广义人工智能看作能够解决一切问题的终极方法（meta-solution）。

这种对场景