我看见的世界(75)_李飞飞

七五

　　我的第二个孩子刚刚出生，如果有什么能让我与外界隔绝至少一两个星期，那应该就是生孩子这件事了。但我才出院几天，信息就如潮水般涌来，手机一直嗡嗡作响，提醒着我，我并没有偷得浮生半日闲的好运气。

　　2016年年初，媒体对DeepMind的关注不断升温。DeepMind是一家总部位于伦敦的初创公司，正在筹备一场围棋大赛，参赛双方分别是围棋大师李世石和一台机器。在此之前，这家科技公司一直名不见经传（甚至我对它的了解也只是皮毛），而现在似乎变得家喻户晓。此前一年，谷歌大举收购各类人工智能初创公司，DeepMind以超过5亿美元的高价成为其中最昂贵的交易。但比价格更令人难忘的是它的使命。“他们声称正在研究AGI。”我记得有同事带着学者特有的世事洞明的笑意告诉我。

　　我完全能理解同事的厌倦之情。AGI指的是“通用人工智能”（artificial general intelligence），是一种极其复杂、灵活的人工智能，不仅能完成图像分类或跨语种文本翻译等狭隘任务，还能模拟人类一切认知能力，如分析、创造等。虽然我无法确定这个词是何时成为专业术语的，但计算机科学领域以前肯定没用过它。毕竟，“通用”智能从一开始就是人工智能的全部意义所在，前路虽长，但这并不意味着我们可以降低目标。对我们这些研究人员来说，AGI这个新词听起来有些多余。但它读起来朗朗上口，可以让外界清楚地了解我们这个领域的终极目标，也让DeepMind在已经竞争激烈的生态系统中显得胆识非同一般。

　　我被各种问题狂轰滥炸——学生、好友，甚至一些交情不深的朋友都给我发来消息，问我有没有什么预测可以分享。我确实没有，但当家里另一位人工智能教授突然拿着一瓶刚冲好的奶走进房间时，我忍不住也向他请教。

　　西尔维奥说：“嗯，两种可能性都有。早在20年前，深蓝就在国际象棋比赛中战胜了人类，”他似乎在心里算了一会，“准确地说，是19年前。”

　　书呆子就是书呆子。

　　“不管怎么说，”他继续说，“虽然围棋比国际象棋难很多，但仍然属于棋盘游戏。规则虽然复杂，但都非常直接明确，至少从数学角度来看是这样。”

　　他意识到自己越说越有教授的腔调了——虽然我们说好了在家里不能这样，但经常做不到。他一边笑着，一边小心翼翼地把奶瓶放进热奶器里。我们几乎同时说出了接下来的话：“跟冲奶完全相反！”

　　他说得没错。围棋策略的组合数量大到无法想象，关于如何就此建模，我们俩可以侃侃而谈，但像准备一瓶婴儿配方奶，再把奶瓶放到热奶器里这样简单的事情，却依然是机器人专家的“圣杯”——尽管在严格控制的实验室条件下，冲调完美配方奶粉的问题已经得到解决，但在实验室之外，依然存在巨大挑战。

　　1997年，国际象棋大师加里·卡斯帕罗夫（Garry Kasparov）与IBM的超级计算机深蓝（Deep Blue）进行国际象棋比赛，计算机正式打败了人类，消息一出，轰动一时。但是，相对于国际象棋，围棋的复杂性不仅体现在规则上，还体现在策略组合的可能性范围上。事实上，围棋的规则决定了棋子所产生的可能性范围极大：棋盘上19×19的格子可以带来的组合总量多达10的360次方。这个巨大的数字超过了宇宙中的粒子数量，且超过许多个量级。要下好围棋，人类需要通过毕生的实践不断培养直觉能力，在每个回合都要把理论上的无数种选择缩减为可操作性的若干种落子选择。而就算是最先进的人工智能，其认知深度也不足以复制这种能力。

　　的确，寻找最佳落子方法所需的计算量是巨大的，因此使用计算机下围棋难，难于上青天。尽管如此，我们仍有理由保持轻松乐观，因为围棋遵循一套明确而客观的有限规则，胜负的标准就是看哪一方的棋子在棋盘上占的地盘更大。所以与真正的登月相比，围棋可以说是相对简单的。

　　“即使它赢了，”西尔维奥补充道，“要想做意大利千层面的功夫超过人类，机器还需要一段时间。”

　　就这样一个简单的回答，西尔维奥让我对现代人工智能有了更深刻的认识，同时也让我感到饥肠辘辘。

　　＊

　　事实上，AlphaGo确实赢了，全球媒体纷纷报道，关注度达到了巅峰。整个世界为之沸腾，而亚洲的反应尤其狂热。对我来说，体现热度的最直接指标出现在个人生活层面。

　　“飞飞，我的老同学们问我你知道AI下围棋是怎么回事吗？”爸爸给我转了一大堆他国内的朋友发来的微信，最近这样的信息感觉没完没了。“他们听说我女儿是AI教授，都在问我呢！”新闻头条是一回事，但当父母和他们在国内圈子的同龄人都在讨论人工智能时，说明世界真的变了。

　　在这个时期，人工智能领域的转折点层出不穷。即便是最引人注目的突破，我们也不陌生，因为我们为人工智能技术奉献了一生，现在是开花结果的时候了。ResNet和AlphaGo等的故事激发了各界的对话和讨论，也激励我们在自己的研究中更进一步。我意识到，人工智能的新时代不仅仅是一种现象，因此我忍不住借用了硅谷最喜欢的一个词，因为正如他们所言，这是一场“颠覆”。

　　我办公室里的那个小小的红色沙发，曾经见证了我们实验室众多声誉卓著的项目的诞生，如今它成为我敦促年轻人多读文献的地方。我经常要求他们，在进行研究的同时，务必为人工智能科学赖以建立的基础文献留出空间。时代不断加速发展，每个人的注意力都集中在了更热门的信息来源上，而传统文献却一直被忽视。我注意到了这个问题，起初感到恼火，后来又心生担忧。

　　“请大家不要每天只从arXiv下载最新的预印本作品了。去读一读拉塞尔和诺维格的著作，去读明斯基、麦卡锡和威诺格拉德的书，读哈特利和西塞曼的作品，读一读帕尔默写的东西。不要因为这些材料距离现在时间久就忽略它们。我们就是要多读一些以前的东西，他们的理念经得起时间的考验，依然非常重要。”

　　arXiv是涵盖物理学和工程学等领域学术文章的在线资料库，其中的文章尚未在学术期刊上正式发表，但会提前以未经编辑的预印本形式提供给对内容感兴趣的读者。几十年来，预印本一直是大学文化的固定部分。然而近些年来，人工智能发展极其迅速，每周都在发生变化，甚至整个领域会在一夜之间被颠覆。为了保持与时代同步，预印本已成为重要的资料来源。如果说要学生们等上几个月去读通过同行评议的论文都是过分的要求，那么几年前编写的教科书，甚至是整整几代人之前编写的教科书被束之高阁，又有什么好奇怪的呢？

　　太多事情在抢占学生的注意力，文献只是个开始。科技巨头争相组建人工智能团队，公开大肆招揽人才，承诺的起薪高达六位数，有时甚至更高，还提供丰厚的股权待遇。机器学习先驱一个接一个离开了斯坦福大学，到了2010年代中期，连博士后都成了抢手人选。希望推出自动驾驶汽车的优步迈出了大胆的一步，从卡内基梅隆大学挖走了40名机器人专家，数量之多堪创纪录，几乎摧毁了这所大学的机器人研究体系。对我和同事们来说，光是目睹优步事件，就已经够难受的了，而对我的学生们来说，这件事似乎从根本上扭曲了他们对教育之意义的认识，因为他们年龄尚小、充满渴望，而且仍在寻求自己的身份和认同感。最终，这种趋势达到了顶峰——至少对我个人来说是这样——非常出乎我的意料。

　　＊

虚阁网(Xuges.com)