【译】 Google: Still in The Search 搜索巨人Google的伟大转变 (四)
在招募最佳AI人才的比賽中,谷歌通過讓一個前電子游戲大師和國際象棋神童領導的團隊獲得了一場政變
從2011年開始,德米斯哈薩比斯共同創立了DeepMind-由英國人工智能創業公司Elon Musk等資助,成為主要科技公司最令人垂涎??的目標。 2014年6月,Hassabis及其聯合創始人Shane Legg和Mustafa Suleyman同意谷歌以4億美元的購買價格。 去年年底,Hassabis與Backchannel一起討論了他的團隊為何與谷歌合作 - 為什么DeepMind有獨特的準備推動人工智能的前沿 。 這次采訪的編輯時間長度和清晰度。
[Steven Levy] Google是一家人工智能公司,對嗎? 這是什么吸引你到谷歌?
[哈薩比斯]是的,沒錯。 這是Google的核心部分。 當我第一次來到這里時,我想到了谷歌的使命聲明,即組織世界信息并使其全面易用和實用。 我解釋的一種方式是考慮通過知識賦予人們權力。 如果你這樣改述,那么我們工作的AI就很自然地適應了。 我們在這里工作的人工智能會自動將非結構化信息轉換為有用的,可操作的知識。
德米斯哈薩比斯。 照片:Souvid Datta / Backchannel您與Larry Page的互動是您決定向Google出售的重要因素嗎?
是的,一個非常重要的因素。 特別是拉里和其他人真的對AI感興趣,因為這是一件很酷的事情。 許多大公司現在意識到人工智能的力量,并希望做一些人工智能,但我認為他們不像我們或谷歌那樣充滿激情。
因此,即使Facebook可能擁有超級智能領導力,馬克[扎克伯格]可能會認為人工智能更像是一種工具,而不是更廣義上的任務?
對,是的。 這可能會隨著時間而改變。 我當然相信人工智能是人類可以工作的最重要的事情之一,但他并沒有像拉里那樣有人深深地關心它。 他對其他事情感興趣 - 連接人是他的使命。 而且他對像Oculus這類非常酷的東西很感興趣。 我曾經做過電腦游戲和圖形等等,但對AI來說并不重要。
使用Google的基礎架構有多大的促進作用?
它超大。 這是我們與Google合作的另一個重要原因。 我們擁有大量的風險資金和驚人的支持者,但是要建立谷歌本來需要花費十年的計算機基礎設施和工程基礎設施。 現在我們可以更快地完成我們的研究,因為我們可以并行運行一百萬個實驗。
您所做的巨大飛躍不僅僅是為了挖掘結構化數據庫之類的東西,而且還要分析非結構化信息(例如Internet上的文檔或圖像),并且還能夠利用它們,對嗎?
究竟。 這就是未來幾年的巨大收益。 我也認為開發真正強大的AI的唯一途徑是使用這種非結構化信息。 它也被稱為無監督學習 - 你只是給它提供數據,它自己學會如何處理它,結構是什么,見解是什么。 我們只對這種AI感興趣。
您在Google工作的人之一是神經網絡的先驅Geoff Hinton。 他的工作對你的工作至關重要嗎?
當然。 他在2006年有了這個大篇幅的報紙,使整個地區煥發青春。 他介紹了這種深度神經網絡的概念 - 深度學習。 我們這里的另一件大事是強化學習,我們認為這同樣重要。 Deep Mind迄今為止所做的大部分工作是將這兩個有前景的研究領域以一種非常根本的方式結合在一起。 這就是Atari游戲玩家的結果 ,這是我們稱之為代理的第一次演示,從像素到行動。
你在這里的研究方法有什么不同?
顯然,我們稱這家公司為Deep Mind,因為我們有深度學習的賭注。 但我們也對從神經科學獲得見解深感興趣。
我想我們對大腦的了解越多,我們就越能夠創造一種機器智能方法。
是。 關于這些學習算法的令人興奮的事情是它們是一種元級。 我們正在充實自己的經驗,就像人類會做的一樣,因此它可以做其他可能我們不知道如何編程的東西。 看到當程序員不知道Atari游戲中出現新策略時,我們感到非常興奮。 當然,你需要令人驚嘆的程序員和研究人員,像我們這里所擁有的那樣,才能真正建立可以進行學習的類大腦架構。
換句話說,我們需要大量的人類智能來建立這些系統,但是我們會 -
...建立系統來掌握更多的行人或狹窄的任務,如下棋。 我們不會編程Go程序。 我們將有一個可以下棋和圍棋,十字架和草稿以及任何這些棋盤游戲的程序,而不是每次重新編程。 這將節省大量的時間。 此外,我們感興趣的算法可以使用他們從一個領域學習并將這些知識應用到一個新領域。 作為人類,如果我向你展示一些新的棋盤游戲或一些新的任務或新的紙牌游戲,你不會從零開始。 如果你知道打橋牌和兜風什么的,我可以為你制作一款新的紙牌游戲,而且你不會從頭開始 - 你會帶來這種套裝的想法,以及知道更高的牌打敗了下卡。 無論紙牌游戲是什么,這都是可轉讓的信息。
德米斯哈薩比斯。 照片:Souvid Datta / Backchannel每個程序是否會受到限制 - 就像玩過很多紙牌游戲的程序一樣 - 或者您是否想過一個可以學習如何做所有事情的龐大系統?
最終更一般的東西。 我們的研究計劃的想法是慢慢拓寬和拓寬這些領域。 我們有這樣的原型 - 人類的大腦。 我們可以綁鞋帶,我們可以騎自行車,我們可以用同樣的建筑來做物理。 所以我們知道這是可能的。
告訴我 你剛剛買下的牛津大學這 兩家公司 。
這些牛津大學的學生是非常有才華的教授。 一個團隊[以前的暗藍實驗室]將專注于自然語言理解,使用深度神經網絡來實現這一點。 因此,我們不是使用舊的NLP邏輯技術,而是使用深層網絡和文字嵌入等。 這是由Phil Blunsom領導的。 我們有興趣最終將語言嵌入到我們的系統中,以便我們實際上可以交流。 目前他們顯然是prelinguistic - 那里沒有語言能力。 所以我們會看到所有這些結果。 第二組視覺工廠由世界著名的計算機視覺家Andrew Zisserman領導。
但是,所有這些研究都將最終成為同一引擎的一部分。
是啊。 最終所有這些東西都成為一個更大系統的一部分。
Google的哪些產品是您的團隊希望改進的產品?
我們對Google仍然感到很陌生,但我們可以將部分技術應用于大量事情。 我們正在尋找各個方面的搜索。 我們正在尋找諸如YouTube推薦的內容。 我們正在考慮讓Google即時了解您作為助理的能力,并更切實地了解您要做的事情。 我們正在看自動駕駛汽車,也許會幫助解決這個問題。
我們什么時候會看到這種情況?
在六個月到一年的時間里,我們將開始看到Google Plus中嵌入的一些方面,自然語言和一些推薦系統。
視頻搜索如何?
這是另一件大事 - 你是否想要像踢球或吸煙之類的行為? Vision組織正在研究這些問題。 動作識別,不僅僅是圖像識別。
長遠來看,你希望為Google做什么?
我對通用AI的潛力感到非常興奮。 像AI輔助科學。 在科學領域,我們希望在疾病,氣候,能源方面取得更多進展的幾乎所有領域,甚至可以包括宏觀經濟學 - 都是大量信息的問題,幾乎可笑的數量。 人類科學家如何導航并找到所有這些數據的見解? 不僅僅是一個科學家,甚至是一個非常聰明的科學家團隊都很難。 我們需要機器學習和人工智能來幫助我們在這些領域找到見解和突破,所以我們真的很了解這些難以置信的復雜系統正在做什么。 我希望我們能夠聯系到谷歌正在研究這些事情的各種努力,如Calico或生命科學 。
你對電影 她有 什么 看法 ?
我喜歡它美學。 這在某種程度上是對人工智能可能會產生的積極影響,并且它對計算機中的情緒和其他事物有著有趣的想法。 我認為這是不切實際的,因為那里有非常強大的AI,但它被卡在手機上,只是做相當平常的事情。 鑒于它本來應該是科學革命......而且沒有任何證據表明世界上任何其他事情都不一樣,對吧?
你已經有了成功的實驗,但要將它們建成一個有數億人使用的系統有多難?
這是一個多步驟的過程。 你從研究問題開始,找到答案。 然后我們做一些主要的神經科學,然后我們在機器學習中看到它,并且我們實現了一個可以真正發揮Atari的實用系統,然后就可以擴展了。 在Deep Mind,這個團隊中有四分之三是研究,但是有四分之一是應用的。 該團隊是在此處完成的研究與Google產品其余部分之間的界面。
你在游戲世界有一段夢幻般的職業生涯,你離開它,因為你覺得你必須了解大腦。
是啊。 事實上,我的整個職業生涯,包括我的游戲生涯,都一直領導著AI公司。 即使在我十幾歲的時候,我也認為人工智能將是最有趣的工作,也是最重要的工作。
但是你處于游戲世界的頂峰 - 你曾經在Black and White等巨作中創立過 Elixir Studios ? - 你只是想:“好,有時間研究神經科學?”
它更像是“讓我們看看我能在游戲的幌子下推AI多遠。 所以黑與白很可能是那個巔峰,那就是主題公園 共和國和我們試圖寫的其他東西。 然后在2004 - 2005年左右,我覺得我們已經盡可能地將AI推向了游戲非常緊張的商業環境。 而且我可以看到,游戲正在朝著更簡單的游戲和移動方向發展 - 正如他們所做的那樣 - 實際上,在一個游戲項目中開展大型AI項目的機會會更少。 于是我開始思考Deep Mind--這是2004年 - 但我意識到,我們仍然沒有足夠的組件來取得快速進展。 深度學習在那時沒有出現。 計算能力不夠強大。 所以我研究了我應該在哪個領域攻讀博士學位,并認為在神經科學領域比在AI領域做得更好,因為我想了解一套全新的創意,而且我已經知道世界級的AI人才。
在你研究大腦的幾年中,當你創建一家人工智能公司時,最大的收獲是什么?
很多東西。 一個是強化學習。 為什么我們認為這是一個重要的核心組件? 我們在這里做的一件事是研究新的算法的神經科學靈感,并驗證現有的算法。 事實上,在90年代后期, Peter Dayan和他的同事們參與了一個使用猴子的實驗,這表明他們的神經元在他們了解事物時確實在進行強化學習。 因此,認為這可能是整個AI系統的組成部分并不瘋狂。 當你在黑暗的時刻試圖找到一些有用的東西的時候,獲得這些額外的信息是很有用的,比如說:“我們沒有生氣,這真的有效,我們知道這是有效的,我們只需要更加努力。 “另一件事是海馬。 這是我研究的大腦區域,它是最迷人的。
為什么?
深度學習本質上是[模仿]皮質。 但是海馬是大腦的另一個關鍵部分,它的結構非常不同,是一個更古老的結構。 如果你把它敲出來,你就沒有回憶。 所以我很著迷這一切如何協同工作。 有時候會像睡覺時一樣鞏固[皮層和海馬之間]。 你在一天中記錄的記憶重新回到大腦其他部分的速度更快。 我們在我們的Atari代理中使用了這種記憶重放的思想。 我們重播了經紀人在訓練階段的經歷軌跡,并且有機會再次看到數百次,數百次和數百次,所以它可以很好地適應這一特定位置。
當你談論大腦的算法時,這是嚴格意義上的隱喻還是你正在談論更多的文字?
它更真實。 但我們不打算專門制造人造海馬。 你想說,那是什么原理? [我們最終對智能的功能感興趣,而不是特定于我們具體原型的確切細節。 但忽視大腦也是一個錯誤,很多機器學習人員都這樣做。 您可以在算法中使用非常重要的見解和一般原則。
因為我們沒有完全理解大腦,所以很難一直采用這種方法。 你認為有些東西是“濕”的,你不能在硅片上做?
在我的博士學位期間,我仔細地看了一會兒,然后才看看這條線應該畫在哪里。 [羅杰] 彭羅斯具有量子意識[它假設計算機無法模擬的思想中存在量子效應]。 美麗的故事,對吧? 你希望它是真的,對吧? 但這一切都崩潰了。 似乎沒有任何證據。 非常頂級的生物學家已經仔細研究了大腦中的量子效應,但似乎沒有。 據我們所知,這只是一個經典的計算設備。
德米斯哈薩比斯。 照片:Souvid Datta / Backchannel你現在正在處理的大問題是什么?
重要的是我們所說的轉移學習。 你已經掌握了一個領域的東西,你如何將它抽象成幾乎就像現在可以在新領域中應用的知識庫一樣? 這是一般知識的關鍵。 目前,我們善于處理感性信息,然后根據這一點采取行動。 但是當它進入下一個層次,即概念層面時,沒有人能夠做到這一點。
那么你如何去做呢?
我們還有幾個有希望的項目,我們還沒有準備好公布。
您在Google購買時設定的一個條件是該公司設立了某種AI道德委員會。 那是關于什么的?
這是收購協議的一部分。 這是一個獨立的咨詢委員會,就像他們在其他領域一樣。
你為什么這么做?
我認為人工智能可能會改變世界,這是一項了不起的技術。 所有技術本質上都是中性的,但它們可以用于好的或壞的,所以我們必須確保它的使用是負責任的。 我和我的聯合創始人長期以來都感覺到這一點。 Google的另一個吸引力是,他們也對這些事情感到強烈。
這個小組做了什么?
當然,還沒有。 這個小組剛剛成立 - 我希望在提出任何問題之前就位。 我們確實有一個限制,那就是不屬于委員會的一部分,但是收購條款的一部分,就是沒有任何來自Deep Mind的技術會被用于軍事或情報目的。
一旦你把它引入世界,你覺得一個委員會真的可以對控制技術產生影響嗎?
我想如果他們受過充分的教育,是的。 這就是為什么他們現在正在形成,所以他們有足夠的時間來真正了解技術細節和細節。 在這個委員會里有一些頂尖的教授在計算,神經科學和機器學習。
這個委員會現在已經到位了嗎?
這是成立的,但我不能告訴你誰在上面。
為什么不?
那么,因為它是保密的。 我們認為這是非常重要的[它遠離公眾的視野],特別是在沒有技術的初始階段 - 我的意思是我們正在計算Pong,對嗎? 目前這里沒有問題,但在未來五到十年內可能會有。 所以真的只是在比賽之前。
你最終會公布名稱嗎?
潛在的。 這還有待討論。
透明度對此也很重要。
一定一定。 有許多有趣的問題需要在技術層面上回答這些系統的能力,他們可能做什么,以及我們如何控制這些事情。 在一天結束時,他們需要人類程序員設定的目標。 我們的研究團隊在這些理論方面的工作部分是因為我們想要推進[科學],但也要確保這些東西是可控的,并且循環中總有人類等等。
https://medium.com/backchannel/the-deep-mind-of-demis-hassabis-156112890d8a
總結
以上是生活随笔為你收集整理的【译】 Google: Still in The Search 搜索巨人Google的伟大转变 (四)的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 【译】 Google: Still in
- 下一篇: 【译】A Brief History o