我看見的世界(75)_李飛飛

七五

　　我的第二個孩子剛剛出生，如果有什麼能讓我與外界隔絕至少一兩個星期，那應該就是生孩子這件事了。但我才出院幾天，信息就如潮水般湧來，手機一直嗡嗡作響，提醒著我，我並沒有偷得浮生半日閑的好運氣。

　　2016年年初，媒體對DeepMind的關注不斷升溫。DeepMind是一家總部位於倫敦的初創公司，正在籌備一場圍棋大賽，參賽雙方分別是圍棋大師李世石和一台機器。在此之前，這家科技公司一直名不見經傳（甚至我對它的瞭解也只是皮毛），而現在似乎變得家喻戶曉。此前一年，谷歌大舉收購各類人工智能初創公司，DeepMind以超過5億美元的高價成為其中最昂貴的交易。但比價格更令人難忘的是它的使命。「他們聲稱正在研究AGI。」我記得有同事帶著學者特有的世事洞明的笑意告訴我。

　　我完全能理解同事的厭倦之情。AGI指的是「通用人工智能」（artificial general intelligence），是一種極其複雜、靈活的人工智能，不僅能完成圖像分類或跨語種文本翻譯等狹隘任務，還能模擬人類一切認知能力，如分析、創造等。雖然我無法確定這個詞是何時成為專業術語的，但計算機科學領域以前肯定沒用過它。畢竟，「通用」智能從一開始就是人工智能的全部意義所在，前路雖長，但這並不意味著我們可以降低目標。對我們這些研究人員來說，AGI這個新詞聽起來有些多餘。但它讀起來朗朗上口，可以讓外界清楚地瞭解我們這個領域的終極目標，也讓DeepMind在已經競爭激烈的生態系統中顯得膽識非同一般。

　　我被各種問題狂轟濫炸——學生、好友，甚至一些交情不深的朋友都給我發來消息，問我有沒有什麼預測可以分享。我確實沒有，但當家裡另一位人工智能教授突然拿著一瓶剛沖好的奶走進房間時，我忍不住也向他請教。

　　西爾維奧說：「嗯，兩種可能性都有。早在20年前，深藍就在國際象棋比賽中戰勝了人類，」他似乎在心裡算了一會，「準確地說，是19年前。」

　　書呆子就是書呆子。

　　「不管怎麼說，」他繼續說，「雖然圍棋比國際象棋難很多，但仍然屬於棋盤遊戲。規則雖然複雜，但都非常直接明確，至少從數學角度來看是這樣。」

　　他意識到自己越說越有教授的腔調了——雖然我們說好了在家裡不能這樣，但經常做不到。他一邊笑著，一邊小心翼翼地把奶瓶放進熱奶器裡。我們幾乎同時說出了接下來的話：「跟沖奶完全相反！」

　　他說得沒錯。圍棋策略的組合數量大到無法想像，關於如何就此建模，我們倆可以侃侃而談，但像準備一瓶嬰兒配方奶，再把奶瓶放到熱奶器裡這樣簡單的事情，卻依然是機器人專家的「聖杯」——儘管在嚴格控制的實驗室條件下，沖調完美配方奶粉的問題已經得到解決，但在實驗室之外，依然存在巨大挑戰。

　　1997年，國際象棋大師加里·卡斯帕羅夫（Garry Kasparov）與IBM的超級計算機深藍（Deep Blue）進行國際象棋比賽，計算機正式打敗了人類，消息一出，轟動一時。但是，相對於國際象棋，圍棋的複雜性不僅體現在規則上，還體現在策略組合的可能性範圍上。事實上，圍棋的規則決定了棋子所產生的可能性範圍極大：棋盤上19×19的格子可以帶來的組合總量多達10的360次方。這個巨大的數字超過了宇宙中的粒子數量，且超過許多個量級。要下好圍棋，人類需要通過畢生的實踐不斷培養直覺能力，在每個回合都要把理論上的無數種選擇縮減為可操作性的若干種落子選擇。而就算是最先進的人工智能，其認知深度也不足以複製這種能力。

　　的確，尋找最佳落子方法所需的計算量是巨大的，因此使用計算機下圍棋難，難於上青天。儘管如此，我們仍有理由保持輕鬆樂觀，因為圍棋遵循一套明確而客觀的有限規則，勝負的標準就是看哪一方的棋子在棋盤上占的地盤更大。所以與真正的登月相比，圍棋可以說是相對簡單的。

　　「即使它贏了，」西爾維奧補充道，「要想做意大利千層面的功夫超過人類，機器還需要一段時間。」

　　就這樣一個簡單的回答，西爾維奧讓我對現代人工智能有了更深刻的認識，同時也讓我感到饑腸轆轆。

　　＊

　　事實上，AlphaGo確實贏了，全球媒體紛紛報道，關注度達到了巔峰。整個世界為之沸騰，而亞洲的反應尤其狂熱。對我來說，體現熱度的最直接指標出現在個人生活層面。

　　「飛飛，我的老同學們問我你知道AI下圍棋是怎麼回事嗎？」爸爸給我轉了一大堆他國內的朋友發來的微信，最近這樣的信息感覺沒完沒了。「他們聽說我女兒是AI教授，都在問我呢！」新聞頭條是一回事，但當父母和他們在國內圈子的同齡人都在討論人工智能時，說明世界真的變了。

　　在這個時期，人工智能領域的轉折點層出不窮。即便是最引人注目的突破，我們也不陌生，因為我們為人工智能技術奉獻了一生，現在是開花結果的時候了。ResNet和AlphaGo等的故事激發了各界的對話和討論，也激勵我們在自己的研究中更進一步。我意識到，人工智能的新時代不僅僅是一種現象，因此我忍不住借用了矽谷最喜歡的一個詞，因為正如他們所言，這是一場「顛覆」。

　　我辦公室裡的那個小小的紅色沙發，曾經見證了我們實驗室眾多聲譽卓著的項目的誕生，如今它成為我敦促年輕人多讀文獻的地方。我經常要求他們，在進行研究的同時，務必為人工智能科學賴以建立的基礎文獻留出空間。時代不斷加速發展，每個人的注意力都集中在了更熱門的信息來源上，而傳統文獻卻一直被忽視。我注意到了這個問題，起初感到惱火，後來又心生擔憂。

　　「請大家不要每天只從arXiv下載最新的預印本作品了。去讀一讀拉塞爾和諾維格的著作，去讀明斯基、麥卡錫和威諾格拉德的書，讀哈特利和西塞曼的作品，讀一讀帕爾默寫的東西。不要因為這些材料距離現在時間久就忽略它們。我們就是要多讀一些以前的東西，他們的理念經得起時間的考驗，依然非常重要。」

　　arXiv是涵蓋物理學和工程學等領域學術文章的在線資料庫，其中的文章尚未在學術期刊上正式發表，但會提前以未經編輯的預印本形式提供給對內容感興趣的讀者。幾十年來，預印本一直是大學文化的固定部分。然而近些年來，人工智能發展極其迅速，每週都在發生變化，甚至整個領域會在一夜之間被顛覆。為了保持與時代同步，預印本已成為重要的資料來源。如果說要學生們等上幾個月去讀通過同行評議的論文都是過分的要求，那麼幾年前編寫的教科書，甚至是整整幾代人之前編寫的教科書被束之高閣，又有什麼好奇怪的呢？

　　太多事情在搶佔學生的注意力，文獻只是個開始。科技巨頭爭相組建人工智能團隊，公開大肆招攬人才，承諾的起薪高達六位數，有時甚至更高，還提供豐厚的股權待遇。機器學習先驅一個接一個離開了斯坦福大學，到了2010年代中期，連博士後都成了搶手人選。希望推出自動駕駛汽車的優步邁出了大膽的一步，從卡內基梅隆大學挖走了40名機器人專家，數量之多堪創紀錄，幾乎摧毀了這所大學的機器人研究體系。對我和同事們來說，光是目睹優步事件，就已經夠難受的了，而對我的學生們來說，這件事似乎從根本上扭曲了他們對教育之意義的認識，因為他們年齡尚小、充滿渴望，而且仍在尋求自己的身份和認同感。最終，這種趨勢達到了頂峰——至少對我個人來說是這樣——非常出乎我的意料。

　　＊

學達書庫(xuoda.com)