3月1日，英国《卫报》网站近日刊登了一篇题为《这位人工智能天才能防止人工智能技术失控吗》《The superhero of artificial intelligence: can this genius keep it in check?》，作者是Clemency Burton-Hill。

下面是文章的主要内容。

德米斯·哈萨比斯(Demis Hassabis)有着温和的风度和谦逊的面容，但当他告诉我说，他正在致力于这样一个使命——“解答智能问题，然后用它来解答一切问题”，他显得很严肃。这话从其他任何人嘴里说出来都是可笑的，但从他嘴里说出来不一样。

哈萨比斯是一位国际象棋大师，也是一位视频游戏设计师，他创办的人工智能创业公司DeepMind在2014年被谷歌以6.25亿美元的价格收购。

他出生于一个移民家庭，拥有剑桥大学和伦敦大学的计算机科学和认知神经科学学位。

哈萨比斯的同事认为他是一名“有远见”的管理者，哈萨比斯认为自己已经找到一种“进行高效科学研究”的方法，并宣称自己正在领导一个“21世纪的阿波罗计划”。

哈萨比斯相貌很平常，走在大街上丝毫没有回头率，但互联网创始人蒂姆·伯纳斯-李（Tim Berners-Lee）将他称为这个星球上最聪明的人之一。

人工智能（AI）已经走进人们的生活，许多人都在使用苹果或谷歌的语音助手。不久以后，谷歌的产品必将从哈萨比斯的研究中获益，产品个性化、搜索、YouTube、语音和面部识别领域的改进都与“AI”有关。从长远来看，哈萨比斯正在研究的技术不仅仅与情绪机器人或智能手机有关，其受益者不仅仅是谷歌，也不仅仅是Facebook、微软、苹果等投入巨资参与人工智能产品研发竞赛的大公司。它关乎我们能够想象和不能想象的一切。

这听起来很吓人，确实如此。大多数AI系统是“狭隘的”，它们只能完成一种特殊的任务。所以，IBM的深蓝电脑可以击败国际象棋冠军卡斯帕罗夫，但在面对画圈打叉这种简单的游戏时连一个三岁小孩都不如。而哈萨比斯从人类的大脑获得灵感，并试图建立第一个“通用学习机器”，即一套灵活、自适应性的算法，它可以像生物系统那样学习，从零开始完成任何任务，除了原始数据之外不需要任何别的帮助。

这就是人工通用智能（AGI），其重点是“通用”。在他的未来愿景中，超级智能机器将能够与人类专家协作解决几乎所有问题。“癌症、气候变化、能源，基因组学、宏观经济学、金融系统、物理，许多我们想要掌握的学科越来越复杂。”他说，“即使是最聪明的人，穷期一生也难以掌握其中一个领域。我们如何通过筛选泛滥的数据得出合理的观点？我们可以将AGI看作一个能够自动将非结构化信息转化为可用知识的过程。我们正在努力研究的是一种可以解决任何问题的超级解决方案。

这种超级智能机器的出现也许还需要几十年之久，但它似乎离我们越来越近。2015年2月，DeepMind的一篇论文世界成为顶级科学杂志《自然》的封面文章，该文宣称“能够自学的AI软件在视频游戏中已经达到人类的水平。”在这个“终端到终端”的学习系统中，一种被称为Deep-Q Network的算法已经学会如何理解输入端的动作，并能作出正确的决定（它在一些经典的雅达利2600游戏——包括《太空侵略者》、拳击和乒乓球游戏——中达到精通水平。）这是一个震撼世界的技术突破。

上个月，DeepMind的另一篇论文又登上了《自然》杂志的封面。在这样短的时间里连续在《自然》杂志上发表两篇封面文章，这本身就是一个了不起的成就。这一次，DeepMind的试验走得更远，它向古老的竞技游戏围棋发起了挑战。

围棋的历史超过2500年，中国孔子的著作中曾提到过这种游戏。围棋的着法变化无穷，其变数甚至超过宇宙中原子的移动。国际象棋的所有变化可以计算出来，但围棋不能。更难的是，编程者也不可能写出围棋的评估函数。相反，围棋需要一种类似于“直觉”的东西，当围棋棋手被问到他们下出一步棋的原因时，他们往往会这么说：“感觉。”

重大里程碑

出于显而易见的原因，电脑一直无法进行这种类似于直觉的判断。围棋也因此长期以来被认为是AI“最大的挑战”之一。大多数研究人员预计，要研究出能够破解围棋的电脑至少还需要十年。

但是，DeepMind创立的新人工算法AlphaGo曾在去年秋天的一次秘密比赛中以5比0战绩击败了欧洲围棋冠军范辉（Fan Hui）。AlphaGo还将在今年三月份挑战世界围棋冠军李世石。英国帝国理工学院(Imperial College)认知机器人学教授Murray Shanahan将AlphaGo的成功称为“一个惊人的成就”，超人类主义哲学家Nick Bostrom也将之称为“一个重大里程碑”。Nick Bostrom认为，如果AGI能够最终完成，它的影响将是无与伦比的。

“是的，它很酷。”哈萨比斯同意。“围棋是一种终极游戏：它是游戏的巅峰之作，是最智慧的游戏。它的迷人的、美丽的。我们感到兴奋的不仅仅是我们已经精通了这种游戏，而且我们可以通过一套惊人而有趣的算法来处理它。”他认为围棋是一门艺术，而不是一门科学。“AlphaGo能够以人类的方式学习围棋，并在不断的对局中变得越来越厉害，就像我们人类一样。”

AlphaGo是他最激动人心的研究成果。“它超出了任何人的想象，”他兴奋地说，“但对我们来说，最重要的方面是，它不是一种采用人工规则的专家系统。它能够使用通用机器学习技术进行自我教育，最终精通这门游戏。最终，我们希望将这些技术应用于诸如气候建模或复杂的疾病分析等重要的现实问题。所以，想象一下它下一步的进展，这让人感到非常兴奋……”

我与哈萨比斯首次相遇是在2014年夏天，即谷歌收购DeepMind几个月之后。从那以后，我观察他在各种环境中工作。在过去八个月里，我在三个不同场合正式采访过他。在那段时间里，我看着他从谷歌的AI天才发展成一个引人注目的技术传播者。他找到了一种有效的方式来向非科技工作者描述他的工作。DeepMind的研究成果将新旧人工智能技术结合在一起，例如，DeepMind的研究人员将传统的“树形检索”和现代的“深度神经网络”结合起来分析围棋的变化。同时，DeepMind系统也将AI研究的不同领域结合在一起。

在DeepQ中，他们将深度神经网络和“强化学习（reinforcement-learning）”机制结合在一起。“强化学习”是所有动物的学习方式，通过大脑的多巴胺奖励系统发生作用。而AlphaGo又向前迈出了一步，它加上了另一个更深度的、用于处理长远规划的强化学习系统。接下来，他们将会加入更多功能，直到整合所有重大的人工智能成果。哈萨比斯说：“关键是结合所有这些不同的领域，因为我们感兴趣的是可以将