與所有天才一樣，杰米斯·哈薩比斯的人生并不循規(guī)蹈矩。當(dāng)他還是個(gè)孩子的時(shí)候，他就蟬聯(lián)了五屆腦力奧林匹克運(yùn)動(dòng)會(huì)（Mind Sports Olympiad）的全能腦力王（Pentamind Championship）稱號(hào)。在他的青年時(shí)代，他曾經(jīng)供職于大名鼎鼎的牛蛙工作室（代表作有《地下城守護(hù)者》）以及獅頭工作時(shí)（代表作有《神鬼寓言》），參與了《模擬公園》以及《善與惡》的開發(fā)，稍后又組建了自己的游戲工作室Elixir。在2000年代中期，他離開了游戲業(yè)界并攻讀了神經(jīng)科學(xué)的博士學(xué)位，最終于2010年創(chuàng)建DeepMind。

The Verge在AlphaGO與李世石的第一局對(duì)戰(zhàn)之后，同杰米斯·哈薩比斯進(jìn)行了一次深度采訪，在采訪中他暢談了AI、智能手機(jī)以及機(jī)器人等話題。

以下是采訪全文：

昨天AlphaGo與李世石的對(duì)局震驚了世界，不過(guò)，不少人對(duì)于人工智能或者圍棋都不甚了解，你如何向他們解釋這兩者到底是什么？

我希望從這幾點(diǎn)來(lái)說(shuō)明：某種意義上來(lái)說(shuō)，圍棋是完全信息博弈游戲（perfect information games）之王，它每一步的可能性都遠(yuǎn)遠(yuǎn)復(fù)雜于國(guó)際象棋。尤其在“深藍(lán)”獲得成功之后，解決圍棋的AI問(wèn)題就成為了人工智能研究領(lǐng)域最為重大的挑戰(zhàn)。雖然目前來(lái)看，我們的AI的進(jìn)步并不算特別卓越，但我們?yōu)榇俗龀隽讼喈?dāng)多的努力。十年前，蒙特卡洛邏輯樹的發(fā)明推動(dòng)了AI領(lǐng)域的進(jìn)步，但將神經(jīng)網(wǎng)絡(luò)中關(guān)于直覺(jué)的部分引入AlphaGo，才是它擊敗頂級(jí)棋手的最重要的原因：頂級(jí)棋手們最為重要的品質(zhì)即是他們優(yōu)秀的直覺(jué)。當(dāng)我在直播過(guò)程中看到邁克·雷蒙計(jì)算目數(shù)都有些捉襟見(jiàn)肘的時(shí)候，感覺(jué)真的很驚訝，他可是一個(gè)九段職業(yè)選手。

AlphaGo有哪些具體的落子讓你感到震驚的嗎？

有次AlphaGo直接深入李世石具有優(yōu)勢(shì)的腹地，這讓我們都很震驚——從李世石當(dāng)時(shí)的表情來(lái)看，他也很震驚。沒(méi)人能夠想到圍棋可以這樣下。

是因?yàn)檫@一手非常具有攻擊性嗎？

嗯，是因?yàn)檫@一手大膽無(wú)畏而富有攻擊性。李世石本人就以天馬行空的攻擊聞名于世，AlphaGo直接以對(duì)手的風(fēng)格進(jìn)行對(duì)局，這令人難以置信。在比賽之初布局尚未穩(wěn)定之時(shí)，雙方就在棋盤的各個(gè)角落展開了激戰(zhàn)。以往的圍棋程序都不擅長(zhǎng)于對(duì)手纏斗：他們或許精于局部計(jì)算，但缺少對(duì)全盤游戲的大局觀判斷。

無(wú)論輸贏，這一次比賽的首要目的是為了對(duì)AlphaGo的能力進(jìn)行評(píng)估。昨晚的比賽中給你們最大的收獲是什么？

我想，最大的意義就是讓我們確信目前我們的工作有著長(zhǎng)足的進(jìn)展——比我們希望的要好得多。在賽前，我們對(duì)大眾宣稱比賽可能勝負(fù)各半，目前來(lái)看，這個(gè)勝率仍然是比較靠譜的：李世石是個(gè)出色的棋手，他會(huì)很快地調(diào)整自己的下棋策略，一切都有可能發(fā)生。我依然期待接下來(lái)的比賽中雙方的表現(xiàn)。

說(shuō)說(shuō)這事情對(duì)人工智能發(fā)展的意義吧。你可能聽(tīng)過(guò)之前我把“深藍(lán)”與AlphaGo進(jìn)行的對(duì)比：“深藍(lán)”是個(gè)“手工”程序，程序員們需要把國(guó)際象棋大師們的對(duì)局轉(zhuǎn)換為具體的行動(dòng)規(guī)則以及行動(dòng)邏輯；而我們讓AlphaGo有了自我學(xué)習(xí)的能力，它可以自我對(duì)局并從中學(xué)習(xí)，提高，這比以往的AI更像人類了。

如果AlphaGo一直保持勝勢(shì)，接下來(lái)會(huì)你們有些什么計(jì)劃？會(huì)在未來(lái)開發(fā)另一個(gè)AI對(duì)戰(zhàn)游戲么？

正如我在之前所說(shuō)，圍棋已經(jīng)是完全信息博弈游戲的巔峰了——當(dāng)然，還有一些其他的圍棋高手等著我們?nèi)ヌ魬?zhàn)。而其他的一些游戲，諸如無(wú)限制紙牌就很困難，因?yàn)樗且粋€(gè)不完全信息博弈游戲（imperfect information game）。有些電子游戲同樣充滿挑戰(zhàn)，比如在韓國(guó)流行的《星際爭(zhēng)霸》這樣的策略游戲，它要求AI在信息不充分的條件下展現(xiàn)出高水平的策略能力，我們可以把這種游戲模式稱之為“部分觀察”（partially observed）。相反，圍棋游戲里你可以在棋盤上看到對(duì)局所需要的一切信息，這對(duì)計(jì)算機(jī)而言，處理這個(gè)要簡(jiǎn)單一些。

你對(duì)攻克《星際爭(zhēng)霸》有興趣嗎？

可能吧。不過(guò)我們只對(duì)我們的研究范圍內(nèi)的項(xiàng)目感興趣。雖然說(shuō)AlphaGo的對(duì)局很有趣，但DeepMind的目標(biāo)并不是為了玩游戲，娛樂(lè)或者給大眾提供刺激。就我個(gè)人而言，我喜歡玩游戲，也曾經(jīng)是游戲業(yè)界的一員，但游戲歸根結(jié)底只不過(guò)是用來(lái)測(cè)試我們算法的一個(gè)測(cè)試平臺(tái)，我們通過(guò)游戲來(lái)測(cè)算出它們的架構(gòu)和實(shí)力。但我們的最終目標(biāo)還是把自己的成果運(yùn)用于現(xiàn)實(shí)中。

我成長(zhǎng)于1990年代后半期的英國(guó)，常常在游戲雜志上看到你的大名和一些非常具有想象力的游戲關(guān)聯(lián)在一起。當(dāng)我看到你與DeepMind一同出現(xiàn)的時(shí)候就在想，“你們真是天生一對(duì)。”你是如何從游戲界跨界到現(xiàn)在的領(lǐng)域的呢？

DeepMind算是我的畢生追求。某種程度上來(lái)說(shuō)，我為此計(jì)劃并奮斗了超過(guò)二十年。如果你對(duì)我過(guò)去的事業(yè)有所了解，那你會(huì)發(fā)現(xiàn)這些事情是有跡可尋的：AI的表現(xiàn)是我在牛蛙工作室和其他地方做的游戲的核心。當(dāng)我十六七歲的時(shí)候開始開發(fā)《模擬公園》，我就意識(shí)到AI可以強(qiáng)大到什么程度，并促使我在這一領(lǐng)域奮斗。由于AI的表現(xiàn)有趣而合理，這些游戲賣出了數(shù)百萬(wàn)份，玩家至今也能樂(lè)在其中。我在游戲業(yè)的最后幾年里也都在這個(gè)方向努力。到了2000年代中期，我返回學(xué)校攻讀神經(jīng)科學(xué)，主要原因是當(dāng)時(shí)的游戲業(yè)界已經(jīng)不能讓我繼續(xù)深入研究AI了。游戲的發(fā)行商們只希望你趕快把游戲做出來(lái)賣錢。

你進(jìn)入游戲界是不是因?yàn)樵谀莻€(gè)年代，游戲是AI最廣泛的應(yīng)用領(lǐng)域？

是這樣的，而且當(dāng)時(shí)我們做的就是AI領(lǐng)域最尖端的技術(shù)。1990年代人工智能領(lǐng)域的學(xué)術(shù)研究陷入停滯，諸如神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、鞏固學(xué)習(xí)（reinforcement learning）這樣的技術(shù)還沒(méi)有得到普及。那時(shí)候最好的人工智能表現(xiàn)只能體現(xiàn)在游戲里面，它們不是以現(xiàn)在這種學(xué)習(xí)形AI，大都以有限機(jī)械（finite-state machines）的狀態(tài)呈現(xiàn)，但它們已經(jīng)足夠復(fù)雜，并且對(duì)于游戲相當(dāng)適應(yīng)?！渡婆c惡》這樣的游戲了的AI已經(jīng)擁有了鞏固學(xué)習(xí)的能力，我至今仍然覺(jué)得這是游戲界最好的AI設(shè)計(jì)之一。但是到了2004、2005年，事情起了變化，游戲開發(fā)不再像1990年代那樣充滿樂(lè)趣和創(chuàng)造力，那時(shí)候你只需要想到點(diǎn)子并付諸實(shí)施就行。自那時(shí)起，在市場(chǎng)上獲得成功的要素變成了畫面和版權(quán)，諸如《FIFA足球》這樣的游戲大行其道。因此我有些厭倦：在游戲領(lǐng)域我把我能干的事情都干了一遍，現(xiàn)在開發(fā)游戲也不那么好玩了。因此我開始搜集信息，準(zhǔn)備成立DeepMind。神經(jīng)科學(xué)成為了我的新目標(biāo)，我希望通過(guò)研究大腦的運(yùn)作方式來(lái)開發(fā)新的人工智能，因此，我決定攻讀一個(gè)神經(jīng)科學(xué)學(xué)位。

如果讓你把現(xiàn)在人工智能的成果帶回游戲領(lǐng)域會(huì)如何呢？看起來(lái)這件事情是順理成章的。

嗯，我覺(jué)得這會(huì)很棒。事實(shí)上，我這兩天跟幾家大游戲公司，譬如說(shuō)EA之類的……有過(guò)聯(lián)系。我們應(yīng)該會(huì)把這個(gè)成果引入游戲界，運(yùn)用這些最新的成果可以讓游戲AI的水平突飛猛進(jìn)，因?yàn)榭陀^需求擺在這里嘛。不過(guò)目前我們更愿意把精力放在健康服務(wù)或是人事推薦系統(tǒng)這樣更加現(xiàn)實(shí)的事情上。游戲業(yè)界當(dāng)然是個(gè)很重要的市場(chǎng)，把我們的AI系統(tǒng)推向游戲業(yè)界前途廣闊，而我覺(jué)得開發(fā)者們也會(huì)更樂(lè)于使用成熟的學(xué)習(xí)型AI（而不是自己開發(fā)），或許不久的將來(lái)，開發(fā)者們只需要對(duì)AI進(jìn)行微調(diào)就可以了。

我剛剛正好想到你是不是在家里打游戲的時(shí)候，被糟糕的AI氣到過(guò)。

哈哈哈，是的。一些大型多人在線游戲就經(jīng)常讓我惱火。這些游戲里面的AI都很蠢，他們沒(méi)有記憶，也不會(huì)根據(jù)玩家的行動(dòng)做出改變，行為更不會(huì)進(jìn)化。如果我們把學(xué)習(xí)型AI放到這些游戲里面，整個(gè)游戲的可玩度肯定會(huì)大大提高。

本周你曾提到AI未來(lái)的應(yīng)用領(lǐng)域?qū)?huì)集中在醫(yī)療保健、智能手機(jī)助手以及機(jī)器人學(xué)等方面，IBM Watson（IBM下屬的認(rèn)知科學(xué)研究公司）已經(jīng)開始了有關(guān)癌癥診斷方面的工作，DeepMind能為這些領(lǐng)域帶來(lái)什么呢？

嗯，現(xiàn)在說(shuō)這個(gè)可能太早了。我們幾周前和NHS（英國(guó)國(guó)家醫(yī)療服務(wù)體系）宣布了合作關(guān)系，但實(shí)際上這只是構(gòu)建了一個(gè)機(jī)械學(xué)習(xí)的平臺(tái)。在我看來(lái)，IBM Watson跟我們做的其實(shí)是兩碼事，它更像是一個(gè)專家系統(tǒng)。它通過(guò)圖像來(lái)診斷癌癥，之后它或許能夠縱向地追蹤你的生理狀態(tài)，并且提供健康建議。我覺(jué)得他們的AI更偏向于鞏固學(xué)習(xí)。

在于NHS合作的同時(shí)，你們發(fā)布了一個(gè)App。但現(xiàn)在看來(lái)這個(gè)App跟AI或者機(jī)械學(xué)習(xí)沒(méi)什么太大關(guān)系。你們對(duì)此是如何考量的？為何要為NHS而不是其他機(jī)構(gòu)開發(fā)這個(gè)應(yīng)用呢？

主要因?yàn)镹HS目前的軟件系統(tǒng)實(shí)在很差，我們的首要工作是把他們帶入21世紀(jì)。他們的系統(tǒng)沒(méi)有移動(dòng)版頁(yè)面，對(duì)客戶的支持也并不是很友好，這一系統(tǒng)對(duì)于醫(yī)生，臨床醫(yī)生以及護(hù)士來(lái)說(shuō)都會(huì)拖慢他們的工作效率。我們目前首要工作是提升系統(tǒng)的工作效率，比如把可視化工具和基礎(chǔ)統(tǒng)計(jì)工具加入系統(tǒng)?，F(xiàn)在來(lái)看，我們?cè)谶@一方面做得還不錯(cuò)，之后我們會(huì)把更復(fù)雜的機(jī)械學(xué)習(xí)技術(shù)加入這個(gè)App。

這個(gè)合作設(shè)計(jì)的商業(yè)化交易會(huì)不會(huì)惹麻煩？顯而易見(jiàn)，與醫(yī)療保健機(jī)構(gòu)合作在英國(guó)是個(gè)敏感話題。

嗯，確實(shí)如此。因此我們決定免費(fèi)與NHS進(jìn)行合作，協(xié)議也很快地達(dá)成了。對(duì)于大多數(shù)軟件公司來(lái)說(shuō)，為一個(gè)大機(jī)構(gòu)免費(fèi)做一個(gè)軟件系統(tǒng)是不可想象的，而且通常這樣的軟件由于用戶眾多，他們也不會(huì)傾聽(tīng)用戶的聲音。我們則不一樣，基本上我們還算是個(gè)創(chuàng)業(yè)公司，所以我們經(jīng)常與用戶交流，接受他們的反饋，因此這個(gè)軟件幾乎算得上是與用戶共同開發(fā)的。

下面我們談?wù)勚悄苁謾C(jī)助手吧。我在開幕日上看到你在演講時(shí)使用了一張電影《她》（斯派克·瓊斯2013年拍攝的科幻電影）的海報(bào)，這是不是人工智能的終極形態(tài)呢？

并非如此。但《她》這樣的電影是讓公眾理解人工智能的最好方式。我想做的是讓智能手機(jī)助手變得真正“智能”，有條理，并且能夠真正理解用戶究竟想做什么。目前，大多數(shù)這樣的系統(tǒng)并不好用，一旦你的問(wèn)題超出了他們的模板，他們就不能給你有用的回復(fù)。因此，我們要做的是讓這些手機(jī)助手更加適用、靈活、強(qiáng)大。

對(duì)于這些領(lǐng)域，你們需要一些怎樣的突破呢？為什么我們不能立刻著手呢？

事實(shí)上我們確實(shí)已經(jīng)可以實(shí)現(xiàn)一些構(gòu)想了，但是達(dá)到這些目標(biāo)需要不同的途徑。在設(shè)定回應(yīng)模板與機(jī)械學(xué)習(xí)之間有著巨大的鴻溝。現(xiàn)在的智能手機(jī)基本上是通過(guò)設(shè)定回應(yīng)模板的方式來(lái)達(dá)成手機(jī)助手的功能的，因此他們的穩(wěn)定性并不是很好，只能通過(guò)模板完成工作。然而真實(shí)世界要遠(yuǎn)遠(yuǎn)比模板復(fù)雜得多，你不可能在模板中把所有的用戶行為都預(yù)料到。我們建立DeepMind的原則就是從原則和基礎(chǔ)之上進(jìn)行學(xué)習(xí)。

AlphaGo成功的一個(gè)重要原因是從各種游戲規(guī)則中進(jìn)行學(xué)習(xí)，如何把這一原則應(yīng)用在智能手機(jī)上（并使AI變得多樣化）呢？

是的。正是如此，AI的運(yùn)行需要大量的數(shù)據(jù)計(jì)算，我們從中也可以得到不少有用的信息。事實(shí)上，在接下來(lái)的幾個(gè)月里我們將對(duì)AlphaGo的算法再度進(jìn)行修正，讓它逐漸擺脫最初的監(jiān)督學(xué)習(xí)（supervised learning）模式，逐漸實(shí)行完全的自我學(xué)習(xí)，真正“從零開始”。要達(dá)成這個(gè)目前需要更長(zhǎng)的時(shí)間，在此期間我們需要不停地調(diào)試或者檢測(cè)，但最終我相信AlphaGo可以真正地進(jìn)行學(xué)習(xí)活動(dòng)。

以目前的算法來(lái)看，這個(gè)目標(biāo)可能實(shí)現(xiàn)嗎？

不不不，我們甚至可以在此之前就達(dá)成目標(biāo)。算法并不會(huì)讓程序變得更加強(qiáng)大，只是讓它變更純粹的學(xué)習(xí)模式而已?，F(xiàn)在來(lái)看，我認(rèn)為我們的算法可以在沒(méi)有監(jiān)督的情況下運(yùn)行。去年我們?cè)?jīng)用雅達(dá)利游戲機(jī)（流行于70-80年代的初代游戲機(jī)）上的游戲讓AlphaGo進(jìn)行測(cè)試，AlphaGo在我們沒(méi)有給出任何指示的情況下，就可以在屏幕上隨機(jī)作出行動(dòng)來(lái)。

如果失敗判定更明顯，要達(dá)成這一目標(biāo)會(huì)更簡(jiǎn)單嗎？

如果記分更加有規(guī)則，要達(dá)成這個(gè)目標(biāo)會(huì)簡(jiǎn)單不少。在圍棋游戲里面，你只有在勝負(fù)已分的情況下才能夠“記分”，但問(wèn)題在于，即使你在一盤圍棋中放下了上百個(gè)棋子，你也未必能夠知道你能否確實(shí)獲得勝利。因此要對(duì)圍棋進(jìn)行記分是一件困難的事情，我們將其稱之為“分?jǐn)?shù)分配問(wèn)題”（credit assignment problem）。而在雅達(dá)利游戲里面，你唯一的目標(biāo)就是得分，因此AI也有著更多的行動(dòng)參照。

你認(rèn)為這些研究成果什么時(shí)候能夠呈現(xiàn)在智能手機(jī)上并被大眾所用呢？

我覺(jué)得，在接下來(lái)的兩到三年里你就可以看到這些成果的開始應(yīng)用，并且對(duì)工作與生活有切實(shí)的影響。而在五六年之后，你就會(huì)發(fā)現(xiàn)這些技術(shù)對(duì)生活的巨大改變了。

在以上所有你對(duì)AI應(yīng)用的預(yù)測(cè)匯總，這是不是與谷歌聯(lián)系最緊密的項(xiàng)目？

嗯哼。

谷歌有沒(méi)有要求你們把自己的產(chǎn)品整合進(jìn)他們的產(chǎn)品線或者其他商業(yè)模式中呢？

并不是，我們?cè)谧约旱难芯宽?xiàng)目中有著極大的自由度。這是我們自己的使命，也是我們加入谷歌的原因：我們可以借助谷歌的幫助加速項(xiàng)目的運(yùn)轉(zhuǎn)。過(guò)去幾年來(lái)我們的工作狀態(tài)一直如此。當(dāng)然，我們與一些谷歌自己的原型項(xiàng)目計(jì)劃有所合作，不過(guò)這些計(jì)劃幾乎都只處于原型階段，谷歌也沒(méi)有近期公布的計(jì)劃。當(dāng)然，智能手機(jī)助手是目前我們研究中非常重要的部分，我們與桑達(dá)爾·皮查伊（谷歌CEO）也對(duì)此進(jìn)行過(guò)對(duì)話，他認(rèn)為這是谷歌未來(lái)計(jì)劃的核心。

我留意到谷歌本部有一些其他的創(chuàng)新部門，比如說(shuō)Google Brain，他們也將機(jī)械學(xué)習(xí)應(yīng)用在谷歌圖片搜索的人臉識(shí)別功能這樣的，面向大眾用戶項(xiàng)目上。

這些項(xiàng)目到處都有啊。

你們和Google Brain之間有互動(dòng)嗎？你們之間的工作有重疊的地方嗎？

當(dāng)然啦，事實(shí)上我們的工作呈互補(bǔ)的態(tài)勢(shì)。我們每周都有交流。Google Brain主要關(guān)注深度學(xué)習(xí)，他們有著杰夫·迪恩（Jeff Dean）這樣的天才工程師，他們的技術(shù)融入了公司的每個(gè)角落。也正是如此，我們現(xiàn)在可以方便地使用谷歌圖片搜索這樣的產(chǎn)品。不過(guò)他們是產(chǎn)品推進(jìn)型的項(xiàng)目組，這點(diǎn)從他們的所在地Mountain View就能夠看得出來(lái)（離谷歌產(chǎn)品部門更近）。Google Brain的項(xiàng)目周期通常是一年到一年半，我們一般則是兩到三年。這是因?yàn)槲覀儗Ｗ⒂谒惴ㄑ芯?，與直接的產(chǎn)品研發(fā)關(guān)系不大。

谷歌對(duì)AlphaGo的支持有多重要？如果沒(méi)有他們的支持，你們能夠完成這個(gè)項(xiàng)目嗎？

當(dāng)然很重要。雖說(shuō)AlphaGo對(duì)于硬件并沒(méi)有特別的需求，但是我們?nèi)匀恍枰罅康挠布{(diào)試各個(gè)版本的AlphaGo，并且通過(guò)谷歌的云服務(wù)讓他們互相對(duì)戰(zhàn)。要實(shí)現(xiàn)這一目標(biāo)，需要相當(dāng)高的硬件配置，如果沒(méi)有谷歌的資源我們幾乎不可能在此刻就推出AlphaGo。

讓我們談?wù)剻C(jī)器人吧。我目前居住在日本，而很多人認(rèn)為日本是機(jī)器人的精神故鄉(xiāng)。根據(jù)我的觀察，在日本，機(jī)器人一般有兩個(gè)用途：諸如Fanuc這樣的公司制造工業(yè)機(jī)器人，可以完成很細(xì)化的固定工作；而軟銀旗下的Pepper這樣的公司則通常制造禮賓式機(jī)器人（concierge-style robots），這些機(jī)器人看起來(lái)意義重大，但是用途有限。你對(duì)這種情況怎么看？

嗯，按照你的描述，我覺(jué)得Fanuc這樣的公司在機(jī)器人的設(shè)計(jì)層面做得不錯(cuò)，但是他們并沒(méi)有投入“智能”的研究。禮賓型機(jī)器人的話更像是現(xiàn)在的智能手機(jī)助手，我見(jiàn)過(guò)這種機(jī)器人，它們也是按照預(yù)先編寫的模板行動(dòng)的，如果你做出了一些奇怪的舉動(dòng)，他們就會(huì)懵了。

我想，現(xiàn)在最顯著的問(wèn)題是“如何讓機(jī)械學(xué)習(xí)以及其他AI技術(shù)提高機(jī)器人的能力”吧？

嗯，我想這是完全不同的思路。我們?nèi)祟悘某錾途哂袑W(xué)習(xí)新事物、應(yīng)對(duì)未知世界的能力，而我覺(jué)得這就是機(jī)器人或者軟件應(yīng)用與真實(shí)用戶的最大區(qū)別。要適應(yīng)真實(shí)世界，他們必須學(xué)會(huì)學(xué)習(xí)的能力，并合理應(yīng)用這一能力。

你覺(jué)得目前有哪些機(jī)器人系統(tǒng)應(yīng)用了學(xué)習(xí)方案？

老實(shí)說(shuō)，我們現(xiàn)在并沒(méi)有關(guān)注過(guò)這個(gè)問(wèn)題。目前來(lái)看自動(dòng)駕駛汽車算得上是會(huì)自我學(xué)習(xí)的機(jī)器人，但是AI在這方面的應(yīng)用目前來(lái)看還是狹窄了點(diǎn)，雖然他們?cè)谟?jì)算機(jī)視覺(jué)方面加入了AI系統(tǒng)——特斯拉就基于深度學(xué)習(xí)技術(shù)研發(fā)了一個(gè)計(jì)算機(jī)視覺(jué)AI。我確信日本對(duì)這方面，尤其是年長(zhǎng)者看護(hù)機(jī)器人或者是家庭清掃系統(tǒng)方面也進(jìn)行了一些研究。考慮到日本的老齡化很嚴(yán)重，我覺(jué)得這些研究對(duì)于日本社會(huì)的進(jìn)步有著極佳的作用。

為什么這些以學(xué)習(xí)為基礎(chǔ)的技術(shù)能夠?qū)ΜF(xiàn)實(shí)有更大的幫助呢？

你不妨這樣想：“為什么我們現(xiàn)在還沒(méi)有這樣的的東西？”為什么我們現(xiàn)在沒(méi)有能夠幫你掃地，洗衣服的機(jī)器人呢？原因很簡(jiǎn)單，每個(gè)人的家都不一樣，每個(gè)人都有著不同的裝修、家具擺設(shè)。即使是在自己的家里，每天的狀況也不很一樣，有些時(shí)候你家會(huì)很干凈，有些時(shí)候則會(huì)很臟亂。正因如此，你不可能為一個(gè)機(jī)器人開發(fā)預(yù)設(shè)程序。而且每個(gè)人對(duì)衣服的折疊方法之類的也有著不同的喜好，讓機(jī)器人對(duì)這些進(jìn)行判斷就太難了。有時(shí)候我們會(huì)覺(jué)得我們每天做的事情都很簡(jiǎn)單，但是這些簡(jiǎn)單的事情放在機(jī)器人身上就非常困難了：我們的大腦每天進(jìn)行的運(yùn)算都是相當(dāng)龐大復(fù)雜的。

問(wèn)個(gè)私人問(wèn)題，你們有買過(guò)掃地機(jī)器人嗎？

呃……我們沒(méi)有，不過(guò)他們并不是很好用所以……哈哈哈。

問(wèn)這個(gè)問(wèn)題是因?yàn)槲易约河幸粋€(gè)，而它并不是很有用。不過(guò)我能夠發(fā)現(xiàn)它自己有些獨(dú)特的怪癖，而且使用它也還蠻方便的。當(dāng)然，這主要與我本人比較懶有關(guān)。我想問(wèn)的是，隨著機(jī)器人技術(shù)進(jìn)步，怎樣的情況才能算這些機(jī)器人“足夠好”的標(biāo)志呢？我們會(huì)在機(jī)器人真正能夠進(jìn)行與人類相似的，有意義的交互之前就停止開發(fā)嗎？

是的，我的意思是……可能會(huì)。我覺(jué)得每個(gè)人都會(huì)以他們認(rèn)為合理的價(jià)格買一個(gè)可以幫他們洗碗掃地的機(jī)器人，這些白癡機(jī)器人人氣其實(shí)挺高，但也沒(méi)什么“智力”可言。所以，是的，我覺(jué)得每一個(gè)小小的進(jìn)步都會(huì)對(duì)人類有實(shí)際的好處。

你對(duì)未來(lái)人類、機(jī)器人以及AI之間的互動(dòng)、關(guān)聯(lián)有些什么想法呢？顯而易見(jiàn)人們都向往美麗神奇的科幻世界。

我個(gè)人對(duì)于機(jī)器人領(lǐng)域并沒(méi)有太多的關(guān)注。我更關(guān)心的是這些AI能對(duì)科學(xué)的進(jìn)步有多少助益，以及他們的發(fā)展能有多快。我希望AI能夠代替人類處理一些艱苦卻瑣碎的工作，比如說(shuō)檢索相關(guān)的文章，從大量數(shù)據(jù)中總結(jié)出他們的結(jié)構(gòu)，這樣一來(lái)人類的科學(xué)突破會(huì)有著更大的突破。幾個(gè)月前我曾經(jīng)與歐洲核子研究組織（European Organization for Nuclear Research，簡(jiǎn)稱CERN）的人進(jìn)行過(guò)交流，他們有著世界上最為龐大的數(shù)據(jù)量，在那些浩如煙海的硬盤中很有可能存在著新粒子的數(shù)據(jù)，但由于數(shù)據(jù)量太多，他們還尚未被發(fā)現(xiàn)。所以有時(shí)候我會(huì)想某天AI能夠幫助人類找到一些全新的粒子，這種事情一定非?？?。