首页  >  科技  >  AlphaGo之父戴密斯·哈萨比斯:是天才,也是生活里的普通
AlphaGo之父戴密斯·哈萨比斯:是天才,也是生活里的普通

时间:2019-11-25 19:20:08
[摘要] 一般人对alphago都多少有些了解,但对创造alphago的人却不知道。alphago的创造者是个被称为“人类史上最聪明的人之一”的大牛人戴密斯·哈萨比斯,他来自英国的伦敦,不仅是世界ai领域的第一

照片来源@ vision china

文|施立商业评论,作者|高东梅

2016年3月,一件大事震惊了全人类。人工智能项目阿尔法围棋打败了世界顶尖围棋手李世石!

你知道围棋是人类发明的最复杂的游戏。当时,有谣言说人工智能将取代人类,引发了关于人工智能伦理问题的大讨论。普通人对阿尔法狗有所了解,但他不知道阿尔法狗的创造者。

阿尔法狗的创造者是丹尼尔·德米斯·哈萨比斯,他被称为“人类历史上最聪明的人之一”。他来自英国伦敦。他不仅是世界上人工智能领域的第一人,也是世界象棋大师、电脑游戏设计师、企业家和神经学家。恐怕世界上没有第二个人能整合这些身份。

哈萨比斯从小就好奇,喜欢新事物,兴趣广泛。这种天赋使他不断主动征服新领域、棋盘游戏、电子游戏和计算机编程。

1976年7月,哈萨比斯出生在一个多民族家庭,父亲是希族塞人,母亲是新加坡华裔。他是家里的长子,下面有一个弟弟和一个妹妹。

哈萨比斯的父亲年轻时是一名创作歌手。后来,他的家人也开了一家玩具店。后来,他们的父母都成了老师。父母的“波西米亚”生活方式对他们孩子的生活有着深远的影响。哈萨比斯的姐姐长大后成为一名作曲家和钢琴演奏者,她的弟弟成为一名创作作家。然而,哈萨比斯在父母“不循规蹈矩,坚持自己的道路”的指引下,突然变成了一只“黑天鹅”,正在做一项与他的家庭气质完全不相容的科技事业。

当我还是个孩子的时候,我在父母的玩具店疯狂地玩耍。哈萨比斯从小就从各种玩具和游戏中学习营养,甚至创造了一些玩具和游戏规则来引导我的弟弟妹妹一起玩。“这就是我学习游戏设计的方式”!因此,也许“创造”一个天才的方法是让他自由地从生活的点点滴滴中汲取营养,并“野蛮地成长”。

哈萨比斯4岁时开始对父亲和叔叔下棋感兴趣,但他生活中普通的琐事却成了传奇:在爱因斯坦刚刚学会说话的时候,他只花了两周时间就学会了下棋,并赢得了一个成年人。之后,他开始一路演奏。5岁时,他开始参加英国的国内比赛。6岁时,他获得了伦敦八岁以下儿童锦标赛的冠军。9岁时,他成为英国11岁以下国家象棋队的队长,该队是当时世界上第二大棋手。13岁时,他成为世界第二大象棋大师。

由于他出色的表现,他被“互联网之父”和英国计算机科学家蒂姆·伯纳斯·李(Tim Berners Lee)评为“地球上最聪明的人之一”。喜欢思考和反省是哈萨比斯根植于血液的特点,“下棋需要思考,你必须有意识地进行总体规划,这个过程让人着迷”。

8岁的时候,哈萨比斯用他在国际象棋比赛中赢得的200英镑买了他的第一台电脑。对普通孩子来说,这只是一个更大的玩具,但对哈萨比斯来说,这是通往新世界的通道。当我父亲带他去伦敦最大的书店foyles读书时,一本关于编程的书吸引了他。

与“更像是一种训练”并且只提高许多技能的象棋相比,“深奥”的编程对哈萨比斯更有吸引力。在键盘和棋盘上飞奔的八岁儿童正在思考两个与其年龄完全不相称的难题:一个是大脑如何学习和完成复杂的任务;第二是计算机是否能做同样的事情。

“电脑的神奇之处在于它们可以被编程,这让我可以尽情释放我的创造力。”在反复编程的过程中,哈萨比斯对计算机有了更深的理解。他认为计算机是一项像飞机和火车一样重要的发明,也是一种可以拓展人类脑力的工具。然后他买了一台新电脑,拆开来仔细研究。

哈萨比斯很快就写了自己的电脑游戏。作为一个天才,哈萨比斯最大的特点是他对新事物的无限好奇心。在“征服”计算机编程之后,他在11岁时接触到人工智能,并在自己的游戏中使用它。他编了一个打败他哥哥的黑白象棋程序。

从那以后,计算机编程和人工智能已经成为他生活的重要组成部分,像磁铁一样吸引着他。此外,他的浓厚兴趣并没有影响他的学习。哈萨比斯在14岁时提前两年完成了gcse考试,这是一个类似于中国教育证书考试的考试。15岁时,他的数学水平达到了A级,16岁时,他的高等数学、物理和化学都达到了A级,今年,他被剑桥大学计算机科学专业录取,剑桥建议他休假一年,因为他太年轻了。

所以,17岁的时候,哈萨比斯去了一家英国游戏工作室,在传奇游戏设计师皮特·莫利纽克斯手下学习。在这里,他开发了第一款带有人工智能元素的电子游戏“主题公园”。这个游戏卖出了数百万份,不仅让Hassabis获得了足够的资金来完成他的研究,也让他坚信ai一定会取得惊人的发展。

1994年,哈萨比斯开始在剑桥大学学习计算机科学。尽管哈萨比斯在当时人人羡慕的大学里学习最高级的学科,但他觉得剑桥大学的本科生只能学习人工智能是如何完成特定任务的。这种“狭隘的人工智能”远远不够。他对开发范围更广的“通用人工智能”更感兴趣,这为未来奠定了基础。

在剑桥大学的四年里,哈萨比斯还接触到古老的东方智力竞赛游戏围棋,并对其着迷。1997年,20岁的哈萨比斯以罕见的双一等荣誉学位从剑桥女王学院毕业,然后创办了自己的电子游戏公司酏,为包括微软在内的全球出版商创作游戏。

酏剂高峰期雇佣了60人,制作了人工智能模拟游戏,如英国电影电视艺术学院提名的《共和国:革命》和《邪恶天才》。该公司的最高估价是1200万英镑。然而,正当公司着火的时候,任性的哈萨比斯觉得他的知识不够,于是回到了学校。

所以在2005年,他去了伦敦大学学院学习,在那里他对海马体和大脑的情景记忆进行了前沿的学术研究,并在完成了4年的认知神经科学研究后获得了博士学位。

哈萨比斯早期的经历,无论是象棋还是编程,都是别人难以比拟的成就,但对他来说,都是轻举轻放。这不得不让人感慨天才真是非凡、天才和任性。与此同时,他们不得不承认“生活中没有白色的道路,每一步都很重要”,因为他所采取的每一步都与他未来的成就密切相关,这些成就吸引了全世界的注意力。

围棋一直被认为是一种电脑难以征服的游戏,因为它依赖直觉,需要战略思维。当时的计算机很难记住棋子的组合,评估棋盘的情况,思考决策和实施赢棋的策略。人工智能科学家一直试图将人工智能元素引入围棋游戏,但几十年来他们一直未能突破。

在大学期间,哈萨比斯第一次接触围棋时,被人类开发的最复杂的游戏之一深深吸引。当超级计算机“深蓝”在1997年击败世界象棋冠军卡斯帕罗夫时,他认为他必须为围棋编写一个程序,以在未来击败所有人类围棋选手。

他在大学时,Hassabis曾告诉他班上的朋友,老师在“给我们洗脑”,因为他质疑围绕“窄ai”的教学课程而被开除出教室。这让他更加坚定了将来创办一家研究人工智能的公司的想法。

这些植根于遥远的大学时代的梦想,在哈萨比斯于2011年离开大学十多年后终于实现了。今年,哈萨比斯和法肖以“解决智力让世界更美好”的理念创立了deepmind。哈萨比斯将他从国际象棋和围棋等智力竞技游戏中学到的规划思想应用于创业,“当时我意识到这将是一个20年的计划”。

当时,两位技术领袖霍金和马斯克组成了反人工智能联盟,共同反对人工智能研究。Hassabis一直相信人工智能一定会取得惊人的进步,他决定说服霍金。经过与这位对整个宇宙充满爱心的科学家四个小时的交谈,他最终说服了他,人工智能将使世界变得更美好,并表达了他对Hassabis相关研究的关注和支持。

另一方面,马斯克成为哈萨比斯的早期投资者。他曾经评论过深度思维:“它让我对事物的速度有了更清晰的理解,它的加速比人们能意识到的要快得多。也许你的roomba或什么东西会动,但它不会接管整个世界。”

与其他科技初创企业不同,deepmind开发了一种称为“深度学习”的自学习算法,该算法结合了神经科学和机器学习的研究和专业知识。深层思维能够自我学习,能够在给定的数据集前完成特定的任务。2013年12月,成立仅4年、成员不到20人的deepmind推出了一款没有任何特定产品的新软件,震惊了世界。

在机器学习研究会议的演示中,该软件通过不断尝试和学习找出如何得分,在Atari的三款经典游戏乒乓球、打砖和摩托车的试用中表现良好。它从零开始学习和掌握复杂任务的能力令人惊讶和称赞。

观看演示后,谷歌立即以4亿英镑(约合6.6亿美元)收购了deepmind,成为当时欧洲最大的收购。拉里·佩奇不仅称赞哈萨比斯,还称迪普迈德的技术是“我很久以来见过的最激动人心的事件之一”

被谷歌收购后,哈萨比斯和他的团队仍然获得了很大的自主权。该公司不仅在伦敦保留了办公室,还将他们构想的人工智能围棋项目命名为阿尔法围棋,该项目结合了大脑神经元和大数据。从那以后,人工智能在围棋方面取得了巨大的进步。

2016年1月,deepmind宣布阿尔法围棋已经征服围棋,并正式挑战人类玩家。今年3月,阿尔法围棋打败了世界顶级围棋手李世石。这个消息让全世界沸腾了。甚至哈萨比斯自己也表达了“震惊”,并对阿尔法狗有自己的下棋方式感到惊讶。从那时起,人工智能将取代人类的声音。

第一次胜利后,哈沙比斯升级了阿尔法戈的结构。2016年底和2017年初,阿尔法围棋在中国象棋网站上以“大师”为注册账号,在棋城围棋网和野狐围棋网上与数十名中、日、韩象棋大师进行了快速棋局,连续60场比赛都没有落败。

2017年5月,在中国乌镇举行的围棋高峰会议上,阿尔法围棋和世界第一围棋冠军柯杰再次轻松获胜。到目前为止,围棋行业已经认识到阿尔法围棋已经超越了人类职业围棋的最高水平。与杰克的第一次世界大战后,阿尔法围棋队宣布不再参加围棋比赛。

2017年10月18日,深度思维团队发布了阿尔法围棋最强版本,代号阿尔法围棋零。Hassabis一直想创造一个能够像人类一样“学习”如何玩游戏并达到高水平的人工智能。在他看来,阿尔法围棋并不是人们所认为的“机器”,像哈勃望远镜一样,阿尔法围棋是哈勃望远镜,它和人类一起探索宇宙。

他一直坚信人工智能可以帮助人类以更快的速度实现更大的突破。像哈萨比斯这样的“谢尔顿”男孩通常很专心,但很无趣,不擅长交流。然而,哈萨比斯值得称赞,因为他培养了在各种环境中工作的能力,并在领导团队的过程中逐渐发展成为善于表达的沟通者。

他经常以简单的方式向公众介绍他复杂的作品及其意义。他解释了mind如何将传统人工智能技术与新技术结合起来。例如,在围棋中,deepmind将传统的“树搜索”方法与模拟脑神经元的“深层神经网络”相结合,巧妙地融合了许多不同的人工智能技术。

在访问英国广播公司期间,他说在人工智能领域的深入学习和强化学习是他最激动人心的两件事。前者用于识别,后者用于决策,alphago是两者的结合。Deepmind引入了更深层次的强化学习技术来处理阿尔法围棋的长期规划,而不是简单地使用预编程系统按照既定程序下棋。

依靠一个增强的学习系统,阿尔法围棋可以吸取人类棋手的营养,然后创造自己的游戏风格。Deepmind将在未来集成内存等其他功能,“这是将所有这些不同领域集成在一起的关键。因为我们感兴趣的算法可以将某个领域的学习经验应用到新的领域”。

新技术的引入使阿尔法零号在与类似项目竞争的能力上表现出色,成功率为99.8%。除了新技术之外,达到这一结果的原因也源于哈萨比斯对“思维”和“阿尔法围棋以人类方式下棋”的理解它也是以人类的方式学习的。像你我一样,技能通过不断的练习得到提高。"

深蓝曾经打败过象棋冠军,他需要一队象棋大师和程序员来教他下棋的技巧。不断进化的阿尔法零号像新生婴儿一样,学会了先走,在无数次自我对抗中提高了自我理解和认知,并在围棋世界中产生了对既定规则和获胜目标的直觉。慢慢地,它不仅可以掌握人类大师下棋的技巧,还可以发展一些新的技巧,并利用这些技巧来摧毁人类智慧的障碍。

随着阿尔法戈的成名,哈萨比斯还获得了许多荣誉,包括年度最佳科技贡献奖“亚洲奖”、英国皇家学会颁发的“穆拉德奖”、自然杂志评选的“年度十大人物”,以及《时代》提名的全球100位最有影响力的人物。

哈萨比斯为自己设定了理解时间、黑洞和人类在整个宇宙中的真实位置的最终目标。艾将军是他到达这片星海的途径。读博的时候,哈萨比斯开始寻找灵感,在人脑中寻找新的人工智能算法。

2007年,他发现五名健忘症患者很难想象未来,因为海马体受损,这证明了大脑中以前被认为只与过去相关的部分对于规划未来也至关重要。多年来,虽然阿尔法狗取得了巨大的成功,哈萨比斯坚持探索ai将军,并带领deepmind做了许多重要的事情:

2016年底,deepmind为研究人员和开发人员开放了其核心深度学习平台之一“deepmind实验室”。这是一套智能机器人玩游戏的娱乐学习游戏平台。开源之后,世界各地的研究人员和开发人员可以利用他们的才能开发人工智能。

同时,deepmind还发布了一款“可微神经计算机”(dnc)。简单的理解是,这台机器不仅能像人一样思考,还能像计算机一样执行高速操作和记忆数据,使“机器”更接近“人”。

为了使“机器”更像“人”,deepmind还在图像生成和语音生成领域进行了先进的研究。2016年发布的语音生成系统wavenet据称将计算机输出音频和人类自然语音之间的差距缩小了50%。

保健是Hassabis强调人工智能需要发展的一个领域。Deepmind health是一个智能医疗系统,它基于与英国国家医疗系统合作获得的数据,构建基于人工智能的诊断和治疗以及症状判断辅助。α折叠可以根据基因序列预测蛋白质的三维结构。它击败了其他97名选手赢得了被称为“蛋白质结构预测奥林匹克”的casp比赛。为医学领域的改革和新药的研发奠定了理论基础。

Deepmind还使用人工智能系统来优化冷却系统的电力效率,据说这曾经为谷歌节省了数亿美元。截至2018年底,阿尔法零号仅用一种算法就在围棋、象棋和普通象棋三个领域占据了主导地位。结果,阿尔法零号(Alpha Zero)登上了《科学》的封面,被评价为“能够解决多个复杂问题的单一算法是创建通用机器学习系统和解决实际问题的重要一步”。

构建一个通用人工智能并不容易。deepmind找到了另一种从现实生活中获得灵感的方法,并将解决方案总结为“在许多不同的可能组合中选择正确的道路”。他认为,在可预见的未来,人工智能将像科学家一样工作,提出假设并设计实验来验证假设,然后“取得可能获得诺贝尔奖的重大突破”。

为了促进ai将军的发展进程,Hassabis甚至亲手写了一篇长文,发表在《神经学》(Neurology,Neurology)的顶级刊物上。他提出,“如果我们的目标是开发接近或等于人类智力的智能技术,那么我们决不能放弃对人脑的研究和理解,因为人脑是能够证明这种智力存在的唯一证据。”

目前deepmind主要集中在两个方面的研究。一是对前述强化学习的深入探索,它可以与机器决策和物理世界处理等人工智能技术相结合。另一个是人工智能的可解释性,它不仅利用心理学和神经科学来破解人工智能的黑匣子,还希望利用强化学习等“人工智能原理”来帮助探索人脑。

这些研究的意义不在于取得了什么具体成果,而在于为跨学科研究做了坚实的论证,证明人工智能神经互补的可行性,其非常关键的机器心理理论可能成为主流研究方向。

此外,Hassabis认为人工智能不仅需要向神经科学学习,而且今天在研究人脑和神经时也需要向人工智能学习。实验证明,用强化学习机制来解释人脑的运行模式是正确的,那么对人脑机制的研究和模仿也应该加强对强化学习技术的理解和升级。

与记忆相关的人工智能技术将成为未来深层思维的研究热点,情境记忆、工作记忆和长期学习等技术有可能成为突破方向。哈萨比斯的想象力是:通过人工智能来理解人类的智力,并使人工智能与人脑形成对比,可能“对人类头脑中一些最深刻和持久的奥秘产生深刻的见解,如创造力、梦想等。,甚至触及意识的本质”。

作为企业家的哈萨比斯领导着d

云南11选5开奖结果 新疆十一选五开奖结果 时时乐走势图 重庆快乐十分 天津11选5

© Copyright 2018-2019 weareonalark.com 农业陆贾资讯 Inc. All Rights Reserved.