0
| 本文作者： 恒亮 | 2016-12-22 17:19 |
近日，Nature雜志在官網評選出了2016年度十大影響力人物，其中一位就是Demis Hassabis，即站在人工智能機器人AlphaGo背后，谷歌DeepMind公司的聯合創始人。
即使對于4歲就開始學國際象棋的少年天才棋手Demis Hassabis來說，今年三月份AlphaGo和李世石的那場人機大戰也是他經歷過的最嚴酷的比賽之一，不過與之前略有不同的是：他并非實際上場的參賽選手，而是一位選手的締造者。
當然，結果是值得慶祝的：AlphaGo以4比1的成績戰勝了圍棋世界冠軍李世石。這次勝利不僅是人工智能領域里一次里程碑式的勝利，也為Hassabis本人的棋手“職業生涯”增添了又一個冠軍頭銜。
在賽后的采訪中Hassabis表現得既興奮又平靜，他說：“這感覺就好像是我們的第一部月球探測器成功發射升空了！”
不過對于Hassabis來說，在圍棋界的勝利還遠遠不夠。他更想要向世界展示的是：機器學習技術在人類的生產和生活中擁有更強大的潛力，可以幫助人類解決更多棘手的全球性問題。
實際上這一想法在Hassabis少年時期已經開始逐漸成型。
Hassabis從4歲就開始學下國際象棋，并很快成為了當地小有名氣的天才棋手。從那時起，Hassabis就已經開始思考人腦究竟是如何完成復雜任務的。
提前兩年讀完高中后，Hassabis來到英國著名游戲設計師Peter Molyneux手下任職。17歲時，Hassabis負責了經典模擬游戲《主題公園》的開發，這款游戲一經發布就大受歡迎，除了取得數百萬套銷量的好成績之外，這款游戲還贏得了當年的金控制桿獎（Golden Joystick Awards）。受到這款游戲的影響，以全校第一的成績從劍橋大學計算機學院畢業后，Hassabis開始自己創業做游戲開發，并且取得了成功。
但單純的編程、開發游戲，似乎并不是Hassabis真正想做的。于是30歲的Hassabis又回到倫敦大學，開始攻讀認知神經學的博士學位，真正研究人腦解決問題的工作機制。2010年，成功拿到博士學位后的Hassabis和友人一起創辦了DeepMind公司，開始從事人工智能相關算法的研究，并于2014年被谷歌以6.5億美金的價格收購。
在收購之前，DeepMind的主要工作就是利用深度學習算法控制電子游戲的操作。最著名的是2013年12月，DeepMind開發的一款名為Deep Q-Network （DQN）的人工智能程序首度以“超人”難度通關了一款Atari公司開發的像素點游戲。
在DeepMind內部，Hassabis在認知神經學課堂上學到的知識經常能夠成為團隊的靈感來源。被谷歌收購之后，DeepMind團隊進行了一系列抓人眼球的嘗試，例如利用人工智能解讀人類的演講，利用機器學習處理倫敦地鐵的高峰期運營等。Hassabis表示，雖然團隊內部實現的那些算法看起來很復雜，但其實內部的每一處小細節都是建立在前人已經發表的研究成果的基礎之上的。
那時，DeepMind的人工智能技術已經實現了計算機圖像識別，正在訓練機器利用這些視覺信息進行后續行為的規劃和判斷。而且更關鍵的是，DeepMind研發的機器學習算法已經被應用于谷歌數據中心的節電項目，這意味著人工智能已經開始處理生活中的實際問題，Hassabis的理想在一定程度上得到了實現。
實際上除了節電之外，DeepMind在人工智能方面的研究已經在諸多領域得到了實際應用。包括與牛津大學共同研發的結合深度學習技術的唇讀程序 LipNet；與英國國家醫療服務體系 NHS 合作，推出一款名為 “Streams” 的綜合性醫療輔助 App（Streams可以分析病人的所有醫療數據，并對病情加以分析，將結果推送到醫生手中）；與Moorfields眼科醫院合作，利用深度學習技術輔助診斷眼科疾病等。
由于對研發成果的保密和醫療大數據的使用，DeepMind一度遭到了許多非議。一部分人認為學術研究成果應該公開，另一部分人則認為使用醫院的醫療大數據侵犯了他們的隱私。但是在更多的科學家眼里，DeepMind還是一家頗具吸引力的公司，他們紛紛表示非常愿意加入DeepMind從事人工智能方面的研究。
現在，除了做人工智能算法的研究之外，Hassabis還必須抽出一定的時間來維持公司的運行，不過他并不介意這些瑣事占用了他寶貴的科研時間。Hassabis說：“我堅信DeepMind正在從事的研究對人類的未來至關重要，而且這值得我們做出一些犧牲。”
via nature
【招聘】雷鋒網堅持在人工智能、無人駕駛、VR/AR、Fintech、未來醫療等領域第一時間提供海外科技動態與資訊。我們需要若干關注國際新聞、具有一定的科技新聞選題能力，翻譯及寫作能力優良的外翻編輯加入。
簡歷投遞至 wudexin@leiphone.com，工作地 北京。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
