在 DeepMind 首席研究科學(xué)家、倫敦大學(xué)學(xué)院計(jì)算機(jī)科學(xué)教授David Silver 看來，游戲是激發(fā)創(chuàng)造力的關(guān)鍵，尤其是對(duì)AI而言。

Silver曾小時(shí)候參加過全國拼字游戲比賽，之后他繼續(xù)在劍橋?qū)W習(xí)并共同創(chuàng)辦了一家視頻游戲公司。

后來，在獲得人工智能博士學(xué)位后，他帶領(lǐng)DeepMind團(tuán)隊(duì)開發(fā)了 AlphaGo，這是第一個(gè)圍棋比賽中擊敗世界冠軍的AI程序。

對(duì)于Silver 來說，游戲是了解人類和人工大腦如何自行學(xué)習(xí)以實(shí)現(xiàn)目標(biāo)的實(shí)驗(yàn)場(chǎng)。

對(duì)于圍棋AI AlphaGo來說，向程序提供有關(guān)人類在不同位置的決策，再讓AI模仿，這種學(xué)習(xí)被稱為「監(jiān)督式學(xué)習(xí)」。實(shí)現(xiàn)AI程序通過自對(duì)弈中學(xué)習(xí)，這種方式稱為「強(qiáng)化學(xué)習(xí)」。

然后，在 AlphaGo 和世界冠軍的關(guān)鍵比賽中，Silver突然想到：也許，機(jī)器的決策根本不應(yīng)該受到人類的影響。

這個(gè)想法最終成為 AlphaGo Zero 的開端，它是 AlphaGo 的繼任者，在完全不接收人類知識(shí)的情況下，只靠強(qiáng)化學(xué)習(xí)，從游戲規(guī)則出發(fā)學(xué)習(xí)如何下好圍棋。

后來，AlphaGo Zero 與 AlphaGo 對(duì)弈 100 局，零封了自己的「老大哥」。

2020年4月，David Silver因在「計(jì)算機(jī)游戲方面的突破性進(jìn)步」獲得了2019年ACM計(jì)算獎(jiǎng)。

在頒獎(jiǎng)儀式上，時(shí)任ACM主席 Cherri M. Pancake表示：

「很少有其他研究人員像 David Silver 那樣，在 AI 領(lǐng)域引起如此多的令人興奮的成果。他對(duì)深度強(qiáng)化學(xué)習(xí)的見解已經(jīng)從游戲中鋪開，應(yīng)用于多個(gè)領(lǐng)域，包括電網(wǎng)效率的提升、降低數(shù)據(jù)中心的功耗以及為歐洲航天局規(guī)劃太空探測(cè)器的軌跡等。」

另外，Silver是英國皇家學(xué)會(huì)Fellow，也是在AI領(lǐng)域首位獲得門薩基金最佳科學(xué)發(fā)現(xiàn)獎(jiǎng)的科學(xué)家。

Silver的明星氣質(zhì)與他安靜、謙遜的天性形成鮮明對(duì)比。在本次采訪中，Silver 談?wù)摿擞螒颉?chuàng)造力的意義，以及AI在避免氣候變化、病原體感染、大規(guī)模貧困和環(huán)境災(zāi)難等方面的應(yīng)用潛力。

以下是訪談內(nèi)容：

你小時(shí)候玩游戲的方式就與其他孩子不一樣嗎？

我那時(shí)候參加過全國學(xué)校拼字游戲比賽，我還記得一些有趣的時(shí)刻。

有一次，在最后一場(chǎng)比賽結(jié)束時(shí)，我問我的對(duì)手，「你確定要拼這個(gè)詞嗎？為什么不拼一個(gè)得分更高的詞呢？」 他改變了自己的拼法，贏得了比賽和冠軍，這讓我非常高興。

比起贏得比賽，我更著迷于比好一場(chǎng)比賽的意義。

您是如何將對(duì)游戲的熱愛轉(zhuǎn)化為一份真正的工作的？

后來，我接觸到了國際象棋，遇到了Demis Hassabis（DeepMind 的聯(lián)合創(chuàng)始人 。那個(gè)時(shí)候，他是世界上同齡最強(qiáng)的少年棋手。

當(dāng)時(shí)他零花錢不夠時(shí)，就會(huì)來我所在的鎮(zhèn)里，參加比賽，贏走 50 英鎊的獎(jiǎng)金，然后回家。后來，我們?cè)趧蛘J(rèn)識(shí)了，并一起成立了一家游戲公司 Elixir，現(xiàn)在我們一起回到了 DeepMind。

這種對(duì)游戲的迷戀，教會(huì)了你解決問題的哪些方面？

一方面，我們相信自己擁有所謂「創(chuàng)造力」的特殊能力，而AI算法并沒有這種能力。實(shí)際上這是一個(gè)謬論。

現(xiàn)在，在 AI 中已經(jīng)看到了創(chuàng)造力的端倪。2016年 AlphaGo 對(duì)陣?yán)钍朗牡诙直荣愔校珹lphaGo執(zhí)黑下出的第37手，圍棋社區(qū)中就認(rèn)為創(chuàng)造力十足，甚至超出了當(dāng)時(shí)人類職業(yè)棋手的理解。這說明，AI的確嘗試了一些非同以往的新東西。

但是，人類可以將這種廣泛的創(chuàng)造力應(yīng)用于任何事物，而不僅僅是在游戲中嗎？

整個(gè)試錯(cuò)學(xué)習(xí)的過程，比如嘗試自己去想辦法，或者讓AI自己去想辦法，如何解決問題，這都是一個(gè)創(chuàng)造性的過程。AI從一開始什么都不知道。然后會(huì)發(fā)現(xiàn)一件新事物、一種創(chuàng)造性飛躍、一種新模式或一種新想法，這有助于比以前更好地實(shí)現(xiàn)目標(biāo)。

現(xiàn)在，你掌握了玩游戲、解謎或與人互動(dòng)的新方式。這個(gè)過程實(shí)際上是成千上萬個(gè)小發(fā)現(xiàn)一個(gè)接一個(gè)累計(jì)而成的。這才是「創(chuàng)造力」的本質(zhì)。

如果AI算法沒有創(chuàng)造力，就會(huì)陷入困境。AI需要有能力為自己嘗試新的想法——那些人類沒有告訴它們的想法。這應(yīng)該是未來研究的方向，以繼續(xù)推動(dòng)通過自我嘗試得出「新點(diǎn)子」的系統(tǒng)。

許多人認(rèn)為，計(jì)算機(jī)只能在人類業(yè)余水平上下圍棋。你有沒有懷疑過自己進(jìn)步的能力？

當(dāng)我參加 2016 年 AlphaGo 比賽抵達(dá)韓國時(shí)，看到了一排排的攝像頭，我聽說當(dāng)時(shí)有超過 2 億人在網(wǎng)上觀看，我想當(dāng)時(shí)想「等等，這真的能行嗎？」

對(duì)手李世乭是一位天才的世界冠軍，他會(huì)嘗試一切手段，將AI程序帶入一般不會(huì)發(fā)生的奇怪情況。

我感到很幸運(yùn)，我們經(jīng)受住了那次考驗(yàn)。后來我問自己：“能不能退一步回到基礎(chǔ)，理解一個(gè)系統(tǒng)真正為自己學(xué)習(xí)意味著什么？” 為了找到更純粹的東西，我們放棄了AI模型中的人類知識(shí)，開發(fā)出了 AlphaZero。

幾千年來，人類已經(jīng)為圍棋制定了眾所周知的策略。當(dāng) AlphaZero 迅速發(fā)現(xiàn)并拒絕了這些有利的策略時(shí)，您是怎么想的？

我們?cè)O(shè)置了原版 AlphaGo 下錯(cuò)的位置（與人類職業(yè)選手相比）。我們認(rèn)為，如果能找到一個(gè)讓AI自己找到正確位置的新版本，就算是成功了。一開始，我們?nèi)〉昧司薮蟮倪M(jìn)步，但后來似乎就不行了。我們認(rèn)為AI并沒有自己找到正確的 20 到 30 手的位置。

與我們合作的職業(yè)選手樊麾花了幾個(gè)小時(shí)研究這些著法。最后他說，是職業(yè)選手下錯(cuò)了，AlphaZero 是對(duì)的。AI找到了解決方案，重新評(píng)估了最初被歸于「錯(cuò)誤」的棋。我意識(shí)到我們有能力推翻人類認(rèn)為的標(biāo)準(zhǔn)知識(shí)。

這之后，你主持開發(fā)AlphaStar，讓AI玩《星際爭霸2》。為什么從圍棋跳到了電子游戲？

圍棋是一個(gè)相對(duì)狹小的領(lǐng)域。要想從圍棋入手，擴(kuò)展到人腦的能力范圍需要大量的步驟。我們嘗試更復(fù)雜的維度，那些人類做得好，但AI做不好的大量領(lǐng)域。

從AlphaGo到AlphaStar， 實(shí)際上是個(gè)自然的發(fā)展。與人類一樣，AI系統(tǒng)只能看見地圖的某個(gè)部分。這就不像下圍棋或國際象棋，能看到對(duì)手和自己的所有棋子。游戲中只能看到控制對(duì)象附近的信息，你必須偵察以獲取信息。這更接近現(xiàn)實(shí)世界中發(fā)生的事情。

最終目標(biāo)是什么？

我認(rèn)為AI代理的能力與人類大腦一樣廣。雖然目前我們還不知道如何才能完全實(shí)現(xiàn)大腦的功能，但在人腦中有存在的證據(jù)。

完全復(fù)制人腦嗎？你真的認(rèn)為這很現(xiàn)實(shí)嗎？

我不相信對(duì)大腦的神奇、神秘的解釋。

在某種程度上，人腦是一種算法，它以強(qiáng)大而通用的方式接受輸入并產(chǎn)生輸出。我們理解和構(gòu)建人工智能的能力有限，但這種理解正在快速增長。今天，我們擁有能夠破解了圍棋等狹窄領(lǐng)域的AI，也有了可以理解和產(chǎn)生自然語言的模型。

那么，你認(rèn)為人AI的能力沒有上限嗎？

現(xiàn)在我們才剛剛開始上路。想象一下，如果再經(jīng)歷 40 億年的進(jìn)化，我們會(huì)是什么狀態(tài)？也許我們會(huì)擁有更復(fù)雜的智能，可以做得更好。AI和這有點(diǎn)像，這個(gè)過程沒有限制，因?yàn)槭澜缭诒举|(zhì)上是無限復(fù)雜的。

那么，會(huì)有上限嗎？在某些時(shí)候，物理極限的確存在，所以并非沒有界限。最終，你會(huì)用盡了宇宙中的所有能量和所有原子來構(gòu)建計(jì)算設(shè)備。但相對(duì)于目前來說，實(shí)際上可以視作是無限的。超越人類智能，這個(gè)范圍是很廣的。

斯蒂芬·霍金擔(dān)心機(jī)器智能會(huì)產(chǎn)生可怕的意外后果。你有類似的擔(dān)心嗎？

比起這個(gè)，我更擔(dān)心人類智能的意外后果，比如氣候變化、病原體、大規(guī)模貧困和環(huán)境災(zāi)難。

對(duì)AI的追求應(yīng)該帶來新技術(shù)、更深入的理解和更明智的決策。AI有朝一日可能成為我們避免此類災(zāi)難的最佳工具。但是，我們應(yīng)該謹(jǐn)慎行事，制定明確的規(guī)則，禁止不可接受的AI應(yīng)用，例如禁止開發(fā)自主武器。

現(xiàn)在，你通過游戲AI的成功應(yīng)對(duì)了這些巨大的挑戰(zhàn)，但有沒有失望過？

嗯，監(jiān)督學(xué)習(xí)已經(jīng)產(chǎn)生了巨大的主流影響。大多數(shù)來自谷歌的大型應(yīng)用程序都在系統(tǒng)的某個(gè)地方使用監(jiān)督學(xué)習(xí)。

目前我的一個(gè)失望是，我們還沒有發(fā)現(xiàn)通過強(qiáng)化學(xué)習(xí)對(duì)自學(xué)習(xí)系統(tǒng)產(chǎn)生這種程度的影響。在未來，我希望看到能夠在虛擬世界中以真正實(shí)現(xiàn)我們目標(biāo)的方式與人互動(dòng)的自學(xué)系統(tǒng)。例如，一個(gè)為自己學(xué)習(xí)實(shí)現(xiàn)目標(biāo)的最佳方式的數(shù)字助理。那將是一個(gè)美麗的成就。

你有工作的個(gè)人目標(biāo)嗎？

在與李世石的AlphaGo比賽中，我走到比賽場(chǎng)地外，發(fā)現(xiàn)一個(gè)圍棋選手哭了。我以為是在難過，但實(shí)際上他并沒有。

在這個(gè)他全心投入的領(lǐng)域，AlphaGo 正在下出他從之前未意識(shí)到的棋。這讓他感受到了一種深刻的美感。

以我的圍棋水平，還不足以完全體會(huì)到這一點(diǎn)。但我們應(yīng)該努力在能感覺到的一切地方都建立類似的智能。

我認(rèn)為應(yīng)該這樣開發(fā)AI智能，不是因?yàn)锳I做了什么或AI給我們的幫助多么多么大，而是因?yàn)椋悄鼙旧砭褪且患苊利惖氖虑椤?/p>