谷歌與DeepMind：史上最強AI拉鋸戰

　　DeepMind控制權之爭

　　Hassabis一直說(shuō)，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(huì )服從于人類(lèi)控制。即便它聽(tīng)從人類(lèi)控制，那這個(gè)人類(lèi)舵手又會(huì )是誰(shuí)呢?

　　從一開(kāi)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(xié)議，阻止谷歌單方面控制該公司的知識產(chǎn)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(xié)議》。該協(xié)議將DeepMind的核心AGI技術(shù)的控制權交給了一個(gè)名為Ethics Board的委員會(huì )。Ethics Board為DeepMind提供了堅實(shí)的法律支持，以保持對其最有價(jià)值、也可能是最危險的技術(shù)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(chuàng )始人都是Ethics Board成員。

　　此外DeepMind在市場(chǎng)公關(guān)方面表現極好。AlphaGo就是典型的例子。自谷歌被收購以來(lái)，DeepMind多次創(chuàng )造了舉世矚目的奇跡。比如，一個(gè)軟件可以在眼睛掃描中發(fā)現黃斑病變。另一個(gè)程序使用與AlphaGo類(lèi)似的架構從無(wú)到有地學(xué)會(huì )了下棋，僅僅花費九個(gè)小時(shí)。2018年12月，一個(gè)名為AlphaFold的程序被證明可以從復合物列表中預測蛋白質(zhì)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(wàn)臺服務(wù)器，DeepMind開(kāi)發(fā)了一套算法，以?xún)?yōu)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(lèi)服務(wù)付給DeepMind豐厚的報酬。2017年，DeepMind向Alphabet收取了5400萬(wàn)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?？傮w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?？紤]到Hassabis對事業(yè)的執著(zhù)，他不太可能離開(kāi)公司。他對金錢(qián)感興趣只是因為錢(qián)能幫助他完成事業(yè)追求。到目前為止，谷歌對DeepMind的干預還不大。但最近發(fā)生的一件事卻引發(fā)了對公司未來(lái)獨立性的擔憂(yōu)。

　　2016年2月，DeepMind成立了新醫療保健部門(mén)DeepMind Health，由公司聯(lián)合創(chuàng )始人之一的Mustafa Suleyman領(lǐng)導。公司希望創(chuàng )建Streams項目，當病人的健康狀況惡化時(shí)，可以向醫生發(fā)出警告。DeepMind將獲得基于績(jì)效的費用。由于這項工作需要獲得有關(guān)病人的敏感信息，Suleyman建立了一個(gè)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(mén)Google Health。五天后，公司宣布將把DeepMind Health并入母公司相關(guān)部門(mén)。Suleyman曾在2016年寫(xiě)道：“在任何階段，患者數據都不會(huì )與谷歌賬戶(hù)、產(chǎn)品或服務(wù)相關(guān)聯(lián)?！钡某兄Z似乎已經(jīng)落空。不過(guò)DeepMind還是說(shuō)：“在這個(gè)階段，我們的合同都沒(méi)有轉到谷歌，只有得到合作伙伴的同意，才會(huì )轉去谷歌?！焙喜⒓づ薉eepMind Health的員工。據消息人士說(shuō)，一旦合并完成，就會(huì )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(mén)面，而不會(huì )對病人隱私數據使用情況進(jìn)行真正的監督。

　　這一事件表明，DeepMind的非核心業(yè)務(wù)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(jià)。但是我們不禁要問(wèn)，谷歌是否會(huì )將同樣的邏輯應用于DeepMind在A(yíng)GI方面的工作。

　　強化學(xué)習

　　總體上來(lái)說(shuō)DeepMind進(jìn)步明顯。它的軟件可以模擬甚至超越人類(lèi)學(xué)習執行任務(wù)。比如打磚塊游戲。沒(méi)有人類(lèi)指導，DeepMind的程序不僅學(xué)會(huì )了玩這個(gè)游戲，而且還學(xué)會(huì )了如何把球打進(jìn)磚塊后面的空間，利用球回彈來(lái)打更多的磚塊。Hassabis說(shuō)，這證明了強化學(xué)習的力量和DeepMind計算程序的非凡能力。

　　這個(gè)游戲演示令人印象深刻，但有個(gè)問(wèn)題。如果虛擬球拍移動(dòng)得更高一些，程序就會(huì )失敗。AI項目所掌握的技能非常有限，即使對環(huán)境的微小變化也無(wú)法做出反應，除非接受數千輪強化學(xué)習?，F實(shí)世界的變化太多了。對于智能診斷來(lái)說(shuō)，沒(méi)有兩個(gè)身體器官是完全相同的。對于智能機械，沒(méi)有兩個(gè)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(shí)世界困難重重。

　　另外一個(gè)問(wèn)題是，虛擬環(huán)境中的成功取決于獎勵機制：一個(gè)允許軟件衡量其進(jìn)程的信號。程序了解到物體從墻上回彈會(huì )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(shí)世界并不提供這種簡(jiǎn)單的獎勵。政治因素使問(wèn)題更加復雜化。要協(xié)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(jià))，牽涉到許多動(dòng)機矛盾的各方。獎勵信號往往非常微弱。而人腦在執行任務(wù)的過(guò)程中不會(huì )去想有沒(méi)有獎勵的問(wèn)題。

　　DeepMind通過(guò)大量計算機電力找到了解決方法。公司最近專(zhuān)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(lái)會(huì )產(chǎn)生影響，這更接近于現實(shí)世界任務(wù)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(lèi)玩家，給人留下了深刻印象。它的程序也已經(jīng)開(kāi)始學(xué)習經(jīng)由人類(lèi)反饋的獎勵功能。不過(guò)，把人類(lèi)指令置于計算循環(huán)中，比起純粹的計算機處理，其計算規模和速度都會(huì )受到影響。

　　公司研究人員匿名表示，他們也對DeepMind能否通過(guò)這些方法達到AGI表示懷疑，專(zhuān)注于在模擬環(huán)境中實(shí)現高性能，這使得獎勵信號問(wèn)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(jīng)驗中學(xué)習。在發(fā)明了一些有用的醫療技術(shù)，并超越了世界上最偉大的棋類(lèi)游戲玩家之后，對AGI的追求最終還是可能會(huì )失敗。公司取得的成績(jì)斐然，卻不是Hassabis最終想要的。他仍然可以開(kāi)創(chuàng )AGI的時(shí)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(yíng)得最艱難的比賽。