《经济学人》杂志撰文深度剖析了人工智能公司DeepMind对谷歌的价值。DeepMind带来的最直接利益是，让谷歌和Alphabet在全球科技公司的AI争夺战中拥有了战略优势，这有助于吸纳AI人才。“阿法尔狗”因打败世界围棋冠军李世石而出尽风头，谷歌因此赢得更大声望。如果DeepMind能够成功研制出通用型AI，这等同于创造了一种可不断复制的数字化员工，并用于解决各种问题。哪怕DeepMind无法研制出等同于或超越人类水平的人工智能，它已取得进展的AI学习软件也有利于其它业务，例如，通过减少电耗而节约开支。

Deepmind的战略意义

Deepmind位于伦敦国王十字火车站附近一栋不起眼的楼房中。从外部看，一点都看不出来这家公司有什么特别之处，值得谷歌和Facebook争相购买。2014年1月，谷歌胜出，以6.6亿美元买下了这家AI公司。在此之前，谷歌在机器学习和AI领域已处在最前沿的位置，为什么要大费周章地购买位于英国的AI公司？Deepmind究竟会带来怎样的价值？

2015年10月之前，谷歌的巨额广告收入让DeepMind等项目可以无后顾之忧地自如发展。这些项目野心勃勃，但在收益上却颗粒无收。但后来母公司Alphabet创立，整个企业的架构经历了剧变，资产负债表开始分账计算，许多业务被独立出来，再无法依赖谷歌这棵摇钱树的庇荫了。

在这种形势下，为何购买Deepmind这一问题就值得探讨了。但理解DeepMind的价值并不是一个简单的金融问题，而需从更深的层次来分析。

DeepMind带来的最直接利益是，让谷歌和Alphabet在全球科技公司的AI争夺战中拥有了战略优势，这有助于吸纳AI人才，让Facebook、微软和亚马逊等竞争对手在研究人力上失去一定优势。DeepMind已招揽大约400名电脑科学家和神经系统科学家，据称团队规模还将扩大到1000人。

此外，Alphabet也因DeepMind而赢得更大声望。被收购后，DeepMind两次登上《自然》的封面，一次是由于一个视频游戏AI程序，另一次则是由于AI软件“阿法尔狗（AlphaGo）”。《自然》是一份获得高度好评的学术期刊。DeepMind公司大厅的墙上贴着这两次封面图片的大幅复制品。2016年3月，“阿法尔狗”打败了世界围棋冠军李世石而成为大量媒体的头条新闻。

DeepMind的战略意义还远不止于人才吸纳和公众关注两个方面。CEO兼联合创始人德米斯-哈撒比斯（Demis Hassabis）把DeepMind描述为一种新型的研究机构，结合了学术界的长远眼光以及“科技初创公司的活力和专注”。2010年，他与穆斯塔法-苏莱曼(Mustafa Suleyman)和施恩-莱格(Shane Legg)一同创建了公司。莱格和哈撒比斯同为伦敦大学学院的神经科学研究者。苏莱曼是哈撒比斯童年时结识的好友。

DeepMind受益于谷歌的强大资源和雄厚财力

据哈撒比斯的描述，DeepMind的总目标是“攻克智能领域的难题”。这促使公司不断研发多功能的、能够像人类那样广泛和高效思考的“通用型”人工智能。被谷歌购买拥有几大吸引之处。一是，能够获得谷歌强大的计算资源。再者，谷歌的财力雄厚。如果实力较弱的公司购买了DeepMind，很可能要求它尽快生钱。在谷歌旗下做事，哈撒比斯就能够更专注于研究，而不是运营公司。而DeepMind办公地点和过去一样依旧设在伦敦，与谷歌的硅谷总部之间保持安全距离，让他能够对DeepMind拥有更多的实控权。

如果他能够成功研制出通用型AI，这明显对Alphabet意义重大。这等同于创造了一种可不断复制的数字化员工，并用于解决各种问题。从总体研究日程来看，DeepMind并不是一家以商业模式运作的公司。它的研发周期相当长。哈撒比斯的蓝图规划长达20年.DeepMind希望在人脑运作方式的启示下发明新型的AI算法。这也是它拥有庞大的神经科学家团队的原因。哈撒比斯声称，从人脑中获取灵感使DeepMind截然不同于其它专注于机器学习、尤其“深度学习”的研究机构。深度学习是机器学习的一项重要分支，也是Google Brain项目的研发焦点。

哪怕DeepMind无法研制出等同于或超越人类水平的人工智能，它已取得进展的学习软件也有利于Alphabet的其它业务。今年7月，公司宣布，DeepMind研发的学习软件已经找到方法以节约用于冷却谷歌数据中心的电力，节约幅度达五分之二。该软件把数据中心的操作日志进行压缩，并以模拟形式反复执行压缩任务以实现过程的优化。

DeepMind已进军医疗市场

DeepMind已利用现有的AI成果为公司创收。苏莱曼表示，某些研发进展可用于管理能源基础设施、改进医疗系统以及改进洁净水源。DeepMind已开始进军医疗市场并从中盈利。今年11月，它与英国伦敦皇家自由医院签订了为期五年的合同，任务是处理170万名患者的医疗记录。今年早些时候，DeepMind获得了访问其它伦敦医院两个数据库的机会，通过分析约100万份视网膜扫描报告，让AI软件寻找退行性眼疾的早期征兆，或通过头颈部癌症图像让AI软件学会区分健康组织和癌组织。

DeepMind如何借助海量数据训练人工智能？

资深的程序员和性能强大的电脑对AI业务至关重要。但获取真实环境数据也至关重要。利用AI和机器学习技术改进医院、电网和工厂等场合的不同系统时，需要具体的操作数据。

当然，Alphabet拥有海量可服务于这些目的的数据，以供DeepMind“挖宝”。但有关每个探索领域，DeepMind现有的数据还远远满足不了需求。最近它参与了一个研究读唇语的项目，并取得了成功，而成功的关键就在于研究团队掌握了一个庞大的数据集。该项目的研究团队主要来自牛津大学，并以计算机视觉研究者安德鲁-西塞曼（Andrew Zisserman）为首。BBC向研究团队提供了数十万小时的新闻剪辑资料。如果没有这些资料，他们根本无法让AI系统接受读唇语的训练。

数据获取对DeepMind未来的重要性，哈撒比斯持轻描淡写的态度。他称，让人类工程师打造出模拟待解决问题的模型就足够了，再在这些模型中部署AI学习工具。但这并不是目前大多数机器学习系统的运作方式。“阿法尔狗”经历了怎样的魔鬼训练才能打败世界一流的围棋棋手？它先得从16万场人类对弈的围棋比赛中学习数百万棋步，然后才能展开迭代式的自我对弈，不断通过训练提升棋艺。如果DeepMind需要收集大量个人信息，它将需要考虑清楚：如何应对消费者对企业访问个人数据这类行为的担忧？

如果DeepMind能够解决这类问题，它将是Alphabet的无价之宝：一个算法工厂。它将远不仅仅是Alphabet的AI研究机构和人才集聚地。DeepMind处理过的数据仍属于原本的