2017：谷歌DeepMind團隊的年度回顧

上周，百度搜索公布了一份年度搜索榜單，對2017年中文搜索熱詞進行了盤點。人工智能自然是年度科技事件中的熱中之熱，共計3項AI相關事件進入年度前十，其中“AlphaGo對戰柯潔”一項排名科技榜第一。

日前開發AlphaGo程序的谷歌旗下DeepMind團隊在官方網站上撰文，回顧了2017年團隊在新的 AI 技術研發方面取得的發展，以及在 AI 技術的社會影響方面的作為。

以下為文章全文(由微信公眾號“春華財經”翻譯)：

今年7月，世界排名第一的圍棋選手柯潔在20次連勝之后發表了講話。此時距離他與 AlphaGo 在中國烏鎮圍棋峰會上的對弈剛剛過去兩個月。

他說：“在和AlphaGo的比賽之后，我從根本上重新審視了圍棋游戲，現在看來這些思考對我的幫助很大。我希望所有的圍棋選手都能思考AlphaGo對游戲的理解和思維方式，所有這些都是非常有意義的。雖然我輸了，但我發現圍棋的可能性是巨大的，而且它還在不停地進步。”

△圍棋峰會是一個為期五天的圍棋盛會。它包括多種多樣的游戲形式——雙人組隊戰，團隊戰，以及像柯潔那樣的 1:1 對戰。

柯潔是圍棋領域的頂級人物，他的話讓DeepMind 的研究人員們感到很榮幸。這同時也是對我們的激勵，因為這預示著在未來，AI可以作為人類探索的工具；它可以發掘出新的知識，幫人類增進對世界的理解。具體對于 AI 輔助科研來說，DeepMind 也希望 AI 系統可以在氣候變化、新藥研發、到發現新型復合材料、降低現有醫療系統的運轉壓力等等挑戰上幫助人類做出進展。

這種潛在的社會效益是當初建立DeepMind的原因，我們很高興在一些基礎學科以及AI安全和倫理方面取得了持續的進展。

科學技術研究成果

DeepMind 的研究方法是受到神經科學啟發的，神經科學領域的發現幫助 DeepMind在諸如想象、推理、記憶和學習等關鍵領域取得進展。以想象力為例：這種人類特有的能力在我們的日常生活中扮演著至關重要的角色，它讓我們能夠規劃和思考未來，但這對計算機來說卻極具挑戰性。

DeepMind 持續地在這個問題上進行深入的研究，今年也研發出了帶有想象力的智能體，它們可以從環境中提取出有用的信息，然后對未來應該做什么做出規劃。

正是沿著在神經科學啟發下做研究的思路，DeepMind 嘗試訓練了一個神經網絡，來控制虛擬環境中各種簡單形體的運動，得到了走路非常妖嬈的智能體，這項研究的訓練成果的視頻也是 DeepMind 歷來最熱門的一次。這種復雜的運動控制是運動智能的一個標志，也是 DeepMind 的研究計劃中的重要部分。雖然最終得到的運動姿態是狂野的，有時是笨拙的，但他們也出奇地成功，而且讓人看得很開心。

另外，DeepMind在生成模型領域也取得了進展。就在一年多以前，DeepMind提出了WaveNet，一個用于生成原始音頻波形的深度神經網絡，它能夠產生比現有技術更好、更逼真的語音。當時，該模型只是一個實驗室級別的原型，需要消耗非常高的計算資源，所以無法用于消費級產品。

而在過去的12個月中，DeepMind 和谷歌的團隊成功地創建了一個速度快 1000 倍的新模型。今年10月份，DeepMind 正式宣布這個新的并行WaveNet(Parallel WaveNet)開始在現實世界中落地商用，為 Google Assistant 提供逼真的美國英語和日語語音生成。

這是 DeepMind 把 AI 系統變得更容易構建、更容易訓練、更容易優化的努力成果之一。DeepMind 在過去的一年里研究的其他技術，還包括分布概率分布強化學習、基于群落的神經網絡訓練方法以及新的神經網絡架構搜索方法，這都保證AI系統變得更容易構建、預測更準確，優化起來更迅速。

DeepMind 還投入了大量的時間創造新的、有挑戰性的環境用來測試他們開發出的 AI 系統，其中就包含了和暴雪合作，把星際 2 游戲開放成為研究平臺。

社會責任

但我們也知道技術不是價值中立的。我們不能簡單地在基礎研究方面取得進展，我們知道自己同樣需要為研究成果的倫理和社會影響承擔責任。

這也推動了DeepMind在諸如可解釋性等關鍵領域的研究工作，探索各種各樣的新方法來理解和解釋我們的AI系統是如何工作的。基于同樣的理由，DeepMind 成立了一支技術安全研究小組，我們會持續開發切實可行的方法，以確保未來的 AI 系統是可信賴可依靠的，以及它們不會脫離人類的控制。

△我們現在已經與四家NHS信托基金合作

10月的時候，DeepMind又邁出了新的一步，成立了DeepMind Ethics & Society(DeepMind 倫理&社會)研究小組，這個團隊將幫助DeepMind探索和理解AI在現實世界中的影響，以便讓 AI 真正地在社會中發揮益處。這項研究將由這個領域著名的專家們指導，比如哲學家尼克?博斯特羅姆(Nick Bostrom)、氣候變化專家克里斯蒂娜?菲格雷斯(Christiana Figueres)、首席研究員詹姆斯?馬尼卡(James Manyika)、經濟學家黛安?科伊爾(Diane Coyle)和杰弗里?薩克斯(Jeffrey Sachs)。

AI 必須被整個社會的重點需求和擔憂重新塑造，所以 DeepMind 和一些合作伙伴共同舉辦活動，旨在就如何設計和部署人工智能展開全社會的討論和對話。例如，負責算法正義聯盟(Algorithmic Justice League)的負責人Joy Buolamwini 、Article 36 和人權觀察組織(Human Rights Watch)的專家，以及英國軍方都參加了一個連線直播上的活動，討論算法的偏見性以及限制自動殺傷性武器的使用。正如DeepMind今年反復說起的那樣，這些議題太重要了，影響范圍太大，不容忽視。

所以，DeepMind 需要開拓新的空間來探討如何參與以及引導科學技術對世界的影響，不管是在 AI 公司之間還是之外。其中一個例子就是“AI 合作伙伴” (Partnership on AI)，DeepMind 今年在這個組織擔任聯合主席，而它的目的就是把業界的競爭者們、學術機構和現代社會三者聯合起來，共同討論關鍵的倫理問題。在過去的一年里，“AI 合作伙伴”迎來了43位新的非營利性和營利性的成員，以及一位新的執行董事Terah Lyons。在接下來的幾個月里，DeepMind期待著與這個團隊一起驗證各種各樣的研究主題，包括算法中的偏見和歧視，機器學習對自動化和勞動力的影響，等等。

DeepMind 同樣看重如何利用科學技術來實現社會效益的重要性，也持續地發現著 AI 在醫療和能源方面給現實世界帶來巨大影響的潛力。今年，DeepMind 和 NHS 醫院信托簽訂了兩項合作伙伴協定讓 DeepMind 的 Streams app 落地應用，該應用支持NHS臨床醫生使用數字技術，幫助 NHS 醫院的醫生們做出診斷。DeepMind 頂級研究機構的合作組織中的一員，今年他們也發起了一項開創性的研究，要確定最新的機器學習技術是否真的能夠幫助提升乳腺癌的檢測精度。

同時，DeepMind 也把許多精力投入了自己在保健方面的研究的監管上。DeepMind 也曾經撰文介紹，政府信息專員在 DeepMind 與皇家自由醫院的合作中有一些發現，以及 DeepMind 保健的獨立評審員首次對 DeepMind 的工作發布了公開年度報告，DeepMind 也從其中獲得了經驗教訓。他們的仔細監督提高了 DeepMind 的工作質量。DeepMind 隨之大幅增加了自己和病人以及公眾之間的互動活動，包括與病人和看護人員的 workshop;而且 DeepMind 也在開發新的技術手段來把信任機制構建到系統中來，比如可驗證的數據監督機制(verifiable data audit)，DeepMind 未來也計劃把它作為一個開源工具公開發布出來。

我們為我們在2017年取得的進步感到自豪，但我們知道還有很長的路要走。

在擊敗柯潔、讓 AlphaGo 從競技比賽退役之后的 5 個月后，我們在《Nature》上發布了第四篇論文，介紹了 AlphaGo 系列的新版本—— AlphaGo Zero，它學習圍棋技能不需要任何人類的知識。在上百萬局游戲中，這個系統逐漸學會了從零開始的游戲，在短短幾天內積累了數千年的知識。在此過程中，它還發現了非傳統的策略，并揭示了這個古老游戲的新知識。

我們相信 AI 在更復雜的問題上也能起到同樣的作用，它可以是科學技術工具，也可以是人類創造力的倍增器。AlphaGo團隊已經在著手處理下一組重大挑戰，我們自己也希望這些研究人員們感受到了算法靈感的時刻才是剛剛開始。

來自: https://deepmind.com/blog/2017-deepminds-year-review/