DeepMind 之父自曝:每天工作至凌晨 4 點,帶領 400 位博士鞏固 AlphaGo 霸主地位

【我們為什麼挑選這篇文章】被稱為 AlphaGo 之父,曾被萬維網(World Wide Web)創辦人伯納斯李(Timothy John Berners-Lee)盛讚為「地球上最聰明的人」。傑米斯·哈薩比斯(Demis Hassabis)今年才 42 歲,但他的成就卻遠遠超過 40 年的經驗,在 AlphaGo 勝過世界圍棋冠軍南韓李世乭(Lee Se Dol)後事業似乎就攀上高峰,不過哈薩比斯似乎沒有停止進步,不用追求高薪、升遷、成就的他,為何還要每天工作到四點呢?(責任編輯:鄧天心)

你見過凌晨 4 點的倫敦嗎?

傑米斯·哈薩比斯(Demis Hassabis)天天見。 這位 DeepMind 創始人、AlphaGo 之父,一直是全球讚頌的當世天才,但每天要到凌晨 4 點,才能睡下

這是哈薩比斯最新採訪中透露的作息時間,他告訴《星期日泰晤士報》:

他的一天 24 小時,有兩個工作日。

第一個工作日,是到 DeepMind 的辦公室中,引導公司 700 名員工(400 名擁有博士學位)的工作,來保持 DeepMind 作為世界領先人工智慧公司的地位。

然後在晚上 7 點半準時回家,和妻子及兩個孩子共進晚餐。等到孩子們晚上 10 點上床睡覺後,他就開始了第二個工作日。

「我一般會熬夜到凌晨 4 點左右,」他說。「有時候是 4 點半,看情況而定。」或許,這也能夠從側面證明,DeepMind 何以成為當今最矚目的 AI 重鎮。

最近,DeepMind 又爆發出了耀眼的光芒,宣告自己的霸主地位:

AlphaZero 登上了《科學》封面,只用一個算法,就在圍棋、國際象棋和將棋領域奠定了霸主地位;AlphaFold 能根據基因序列來預測蛋白質的 3D 結構,在有「蛋白質結構預測奧運會」之稱的 CASP 比賽中奪冠,力壓其他 97 個參賽者

它們是怎麼誕生的?未來將會向何處發展?

在接受採訪時,哈薩比斯也講述了這背後的故事。

圍棋領域的霸主?遠遠不夠

DeepMind 為外界所知,始於 2016 年 AlphaGo 大勝世界圍棋冠軍李世乭。之後,DeepMind 推出 AlphaGo Zero,一舉在圍棋領域奠定了霸主地位。

它與之前的 AI 有很大不同。1999 年,擊敗國際象棋冠軍的深藍,需要國際象棋大師和工程師組成團隊,來教它下棋的技巧。

但 AlphaGo Zero 不需要任何東西。它就像一個出生在圍棋世界的嬰兒,所擁有的只是一塊棋盤和對規則的了解,以及目標:要贏

就像嬰兒學習走路一樣,經過成千上萬的自我對抗,完善自我的理解與認知,有了直覺。

慢慢地,它不僅能掌握人類大師下棋的技能,還會自己發現一些下棋的技能。最後,用這些技能摧毀人類智慧的壁壘。

但哈薩比斯知道,只做到這一步,遠遠不夠。

谷歌收購 DeepMind,是希望它能夠設計出能夠擅長處理很多事,能夠推進通用人工智慧的落地,然後解決科學和商業上的問題。

事實上,DeepMind 已經做了一些事情,比如提供軟體完善了 Google Play 的推薦購買系統,大幅降低谷歌服務器機房的能耗等等。

怎麼向世人展現 AI 有多像人?

但是,哈薩比斯發現,向世界證明 AI 具備通用智能的最好方法是遊戲。

在 DeepMind 的程序成為圍棋領域的霸主後,哈薩比斯去參加了一個會議,來講解他的成就。

曾經是深藍團隊成員默里·坎貝爾(Murray Campbell)問他:「如果去下國際象棋,會怎麼樣?」

對於一個傳統的項目來說,需要從頭開始設計一個新系統。但對於 AlphaZero 來說,只是需要經歷一個不同的「嬰兒期」而已。

然後,AlphaZero 誕生了,再次進入由黑與白組成的世界。

但這一次,棋盤上不再是圍棋的黑白子縱橫交織,而是國際象棋的騎士、國王、主教和王后。

「從早上完全隨機地開始遊戲,到了下午茶的時間,AlphaZero 就可以達到超人類的水平,」哈薩比斯說。「到晚餐時,它就會成為有史以來最強的實體。」

在 AlphaZero 論文登上《科學》封面時,《科學》雜誌評價稱,能夠解決多個複雜問題的單一算法,是創建通用機器學習系統,解決實際問題的重要一步。

只在遊戲領域稱霸遠不夠

的確,打造通用人工智慧,只是「攻克」幾種棋類游戲是遠遠不夠的。國際象棋雖然很複雜,但它也非常簡單。它有明確的規則,明確的結果,每個人都知道正在發生什麼。

現實生活中也有類似的情況,解決方案就是在許多不同的可能組合中選擇正確的路徑。

就在兩週前,DeepMind 的 AlphaFold 在有「蛋白質結構預測奧運會」之稱的 CASP 比賽中奪冠,這對於研發新藥至關重要。

但生活中大多數情況都並非如此。

關於人工智慧,一個最奇怪的事情就是人類創造了它們,但卻不理解它們。一旦它們開始運行、學習和迭代,它們的工作方式就像我們自己的大腦一樣,始終籠罩著一層迷霧。

對哈薩比斯來說,國際象棋是他觀察 AlphaZero 運行的一種方式。在棋盤上,你可以看到代碼顯現出來。「我可以感受到棋盤上發生的優化過程,」他說。

讓 AI 解決一個他能理解的問題,比如國際象棋。哈薩比斯從中可以獲得新的理解,並將其運用到其他自己不了解的問題中,比如蛋白質結構預測。

「如果騎士當前的位置不是最好的,AlphaZero 可能會將它移動六步,來尋找最佳發動攻擊的位置。如果你精通國際象棋,你會有種在 AlphaZero 大腦中的感覺。」

哈薩比斯有更大的計劃。他認為,在可以預見的將來,人工智慧會像科學家一樣工作,提出假設,並設計實驗來驗證假設,然後「取得可能獲得諾貝爾獎的重大突破」。

但是,在前進的道路中,有一個如影隨形的「世界末日」問題。一些人認為,與懷疑我們是否能夠開發出真正的人工智慧相比,要開始考慮我們是否應該開發它們了。

和這個領域的大多數人一樣,對於這個問題,哈薩比斯事先已經有了答案:人工智慧確實存在道德問題,但是這些問題是可以解決的。而且,與人工智慧可能引起的困難相比,人工智慧可能解決的困難多人類更具吸引力。

「如果我不知道像人工智慧這樣能夠改變遊戲規則的東西正在出現,我會對世界未來的走向更加悲觀,」他表示。

「從老年癡呆症到氣候變化,這個世界有太多的問題存在,在解決方法上,我們似乎沒有取得任何進展。要嘛人類的行為出現指數級的發展,要嘛技術出現指數級的發展進,而前者似乎並沒有什麼變化。」

放棄成為頂尖棋士的機會

現在,哈薩比斯並沒有關注所謂的「世界末日」問題。相反,他正在享受當前的一切,它不僅關乎未來,也關乎過去。

13 歲時,哈薩比斯做了一個計算。儘管知道自己有機會成為世界上最好的棋手,他還是放棄了下棋。

然後,他選擇了一條他自認為很隨意的道路。就像國際象棋中的騎士一樣,AlphaZero 為了讓它能夠在正確的位置發動攻擊,先讓它走了六步。

哈薩比斯已經朝著某種不可避免的方向前進了。

__

(本文經合作夥伴 量子位 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈天才也勤奮!DeepMind 哈薩比斯自述:領導 400 名博士向前,每天工作至凌晨 4 點 〉。)

延伸閱讀

【不當神童當英雄】19 歲的他自學靠 Tensorflow,讓電腦自動辨識乳癌 X 光片

18 歲台裔神童只花一年,就讓傳統電腦演算法效率也能逼近「量子電腦」

生物界 AlphaGo 誕生!DeepMind 用 AI 找「蛋白質折疊」規律,比人類判斷還精準


用聽的資料管理 MBA 

對手開始佈局數位業務,你打算讓對手在關鍵時刻彎道超車嗎?
三堂數位資料 MBA 演講,即早收聽備戰 2019 年關鍵趨勢!

>>>點我收聽

點關鍵字看更多相關文章: