IT思维

编者按：本文为网易智能《AI英雄》栏目特稿，转载请注明出处。

文/小羿

围棋峰会第二天，虽然没有比赛，但却是谷歌大牛们的一次盛会。

在5月24日召开的人工智能高峰论坛上，谷歌旗下与人工智能相关的高管悉数登场，包括：

Alphabet（Google母公司）董事长埃里克·施密特（Eric Schmidt）；

DeepMind创始人兼CEO戴密斯·哈萨比斯（Demis Hassabis）；

DeepMind联合创始人穆斯塔法·苏莱曼（Mustafa Suleyman）；

AlphaGo团队负责人、研究科学家戴夫·希尔弗（Dave Sliver）；

Google Brain资深研究员、最牛工程师杰夫·迪恩（Jeff Dean）；

Google软件工程师陈智峰；

TensorFlow软件工程师Rajat Monga；

Google Cloud&AI研发主管李佳；

Google健康研究产品经理Lily Peng…

也许除了谷歌I/O大会之外，这可能是谷歌最强的阵容了。

那么，借助AlphaGo与柯洁的围棋大战，谷歌的这些大牛们，在谋划怎样的AI与未来？

AlphaGo的研发之路，和盘托出

作为“AlphaGo之父”，哈萨比斯在论坛的开场演讲里将AlphaGo的研发路程与对弈经过和盘托出。

DeepMind创始人兼CEO戴密斯·哈萨比斯（Demis Hassabis）

根据哈萨比斯的表述，自从2010年DeepMind成立之初始，其愿景就是要研究AI，并用人工智能解决提出有效的建议去解决问题。团队首先打造了“雅达利智能体”，测试百余款八十年代的八位元雅达利游戏。之后，开始考虑打造围棋AI程序AlphaGo。

至于为什么要选择围棋？哈萨比斯的介绍称，因为围棋的复杂程度让穷举搜索都难以解决，是计算机世界的难题。实际上，在建立围棋AI的过程中，DeepMind也打造出了自己的强化学习框架。

在哈萨比斯看来，更困难的是围棋不像象棋等游戏靠计算，而是靠直觉。“围棋中没有等级概念，所有棋子都一样，围棋是筑防游戏，因此需要盘算未来。你在下棋的过程中，是棋盘在心中，必须要预测未来。小小一个棋子可撼动全局，牵一发动全身。”哈萨比斯如此解释围棋中的直觉。

2015年10月，AlphaGo与围棋职业二段樊麾较量，以5：0大胜。樊麾在论坛现场接受网易智能采访时称：“我当时没有想到AI能够赢围棋，而且还是5:0。”“后来，我就开始帮助AlphaGo方面准备与李世石的比赛了。”樊麾回忆到。

事实证明，2016年3月，AlphaGo与李世石的正规较量，让围棋界大为震惊，也让AI走进大众视野。哈萨比斯回忆到，AlphaGo以4:1战胜了李世石，这一刻我们等了十年，真的是十年磨一剑。

AlphaGo吸引了2.8亿的观众，3.5万篇的报道，棋盘销售在西方增加了10倍。

在技术上，AlphaGo用到了两种网络：策略网络和估值网络，这些技术去年在《Nature》上发表，并启发了很多研究者设计自己的人工智能系统。

“不光是技术上，目前很多棋手都在用AlphaGo的招式。”樊麾说到，“比如柯洁在与AlphaGo的第一场比赛中，第七手用到了点三三式，也是受到AlphaGo的启发。”

柯洁今年在于AlphaGo亲密接触后，更感叹到，人类数千年的实战演练进化，计算机却告诉我们人类全都是错的。

目前的AlphaGo在围棋上有多强大？AlphaGo团队负责人戴夫·希尔弗（Dave Sliver）在演讲中透露到，战胜柯洁的AlphaGo Master比一年前战胜李世石的AlphaGo Lee强三个子。

走出围棋，谷歌要打造医疗界的AlphaGo

从AlphaGo 1.0到Master，再到与柯洁比赛的AlphaGo 2.0，每一次的进步离不开AI技术的强势迭代。

哈萨比斯在演讲中说到，AlphaGo 2.0已经可以模仿人的直觉，而且具备创造力，以及通过组合已有知识或独特想法的能力。所以从围棋领域看，AlphaGo已经有了直觉和创造力。

当然，如果你认为AlphaGo就是为围棋奉献终生的，那就大错特错了。围棋之外，无数其他领域也将遭到组合轰炸，哈萨比斯表示，希望将人工智能运用到各种各样的领域。在接受网易智能的采访中，哈萨比斯解释到，AlphaGo是用了增强学习方法做强化训练，同时借鉴了神经网络，所以我们在围棋领域实现了直觉意识，正式因为AlphaGo不是通过人工培训产生的意识，就说明它有机会运用到其他领域中去。

重点来了，DeepMind和Google关注哪个领域？答案首先是医疗健康。

在演讲中，DeepMind联合创始人穆斯塔法·苏莱曼（Mustafa Suleyman）重点介绍了Streams疾病预警应用。Streams App会对患者进行监测，如果该病人有急性肾损伤（AKI）的风险，Streams会以最快的速度提醒医疗团队，为医生发送最全面最及时的临床信息。医生能根据这些最新信息，在患者病情恶化之前提供精准治疗。

DeepMind联合创始人穆斯塔法·苏莱曼（Mustafa Suleyman）

苏莱曼称，英国每年因为急性肾损伤死亡病例为4万人，美国这一数字是28.5万，这些病例中25%的死亡是可以预防的。“目前的医疗系统已经极其复杂，所以必须变革了。”苏莱曼解释到，在英国，平均每4个医护人员要接待8位患者，有30条医疗路径可以选择，在中国这一比例会更加不协调。“AlphaGo可以选择最佳的路径，做到1个医护人员接诊1位患者，使用1条路径。”

不仅DeepMind，Google总部也在大力研发AI技术在医疗领域的应用。谷歌产品经理及医学博士Lily Peng表示，谷歌AI算法在医疗领域取得重要进展，不仅可以通过深度学习快速辨别出糖尿病视网膜病变的迹象，在癌症检测上也可以通过活检图像来定位癌细胞的位置，以便对患者实行医疗指导。

目前，这项视网膜病变检测技术已经在印度两家医院投入测试。Lily Peng表示，全球目前有4.15亿糖尿病患者，但是治疗的医生远远不够。尤其在印度，缺少12.7万名眼科医生，45%的糖尿病患者在诊断饱受视力丧失的折磨。通过深度学习分析眼底照相，既能做到预防，也能进行视网膜病变自动化评估。Lily Peng在接受网易智能采访时称，目前通过谷歌的深度技术进行眼底扫描与医生的判断解读效果是差不多的。

Google健康研究产品经理Lily Peng

另外，得益于TensorFlow开源平台，有一些应用开发者用TensorFlow平台的智能算法对于淋巴癌、肺癌、皮肤癌进行检测，在医学影像分析方面都获得了一些成功的应用。

除了技术的进步，AI在医疗上的运用还有很大的一步要走。Lily Peng认为，除了准确度方面，最大的任务是建立新技术与医护人员之间的信任度，让医护人员学会用这项技术，而且知道工作原理，并且相信这项技术。据悉，谷歌在这项技术应用上，会推出端到端的解决方案（包括应用软件），以便快速应用。

“AI只是一个技术工具，在医疗领域也是，希望医生能够把这样一个工具利用起来。“Lily Peng认为，AI不会替代医生，”医学前沿的信息太大，医生已经不堪重负，让AI把重复冗余的事情做完，交给算法来做。”

TensorFlow+Cloud TPU，这才是谷歌的主牌

在本次的人机大战中，谷歌官方特意强调了AlphaGo 2.0运用的硬件设备。据AlphaGo团队负责人、研究科学家戴夫·希尔弗（Dave Sliver）证实，今年升级版AlphaGo确实是跑在单机上，这个电脑有4个一代TPU。相比于AlphaGo 1.0，AlphaGo 2.0运行的时候，电力消耗和调用的资源（计算量）都降低了到原来的十分之一。其他方面，TensorFlow也为AlphaGo提供了底层支撑。

AlphaGo团队负责人、研究科学家戴夫·希尔弗（Dave Sliver）

在上周举办的Google在I/O大会上，第二代TPU横空出世，针对训练及推理而设计，具有能够相互连接的设计，能够达到180万亿次浮点预算。在Google的TPU舱室，拥有64台第二代TPU，能够达到每秒11.5千次浮点运算。谷歌的二代TPU比市面上最好的GPU快4倍。目前，新型估算接口已经接入到TF1.2上，还可以通过谷歌云获得，也就是TensorFlow研究云（TFRC），它可以达到每秒180千万次浮点预算。

也就是说，未来TensorFlow将于Cloud TPU深度融合，为AI开发者提供服务。

Tensorflow是一个深度学习框架，也是进行深度学习训练的工具，可以在分布式系统上执行的引擎，具备灵活性、规模化、易用等特点。对于谷歌而言，TensorFlow贯穿了整个公司，同时并行被应用到谷歌的各个产品和应用中。

TensorFlow软件工程师Rajat Monga

Google TensorFlow软件工程师Rajat Monga在接受网易智能采访时透露，目前TensorFlow下载量已经达到14万，而中国拥有全球最大开发者人群，希望TensorFlow可以服务于更多的中国开发者。

Rajat在演讲中举了两个例子，一是如何使用Tensorflow运用到农业领域，比如在一个农场上，利用传感器跟踪牛只，然后发送数据到进展，数据发送到云，并加以分析，然后给农场主提供建议。另外一个例子是如何利用机器学习拯救濒临灭绝的海牛，通过对海牛生活的地区进行图像扫描分析，能够得出更加精准的信息。

对于TensorFlow的未来发展，Rajat表示，TensorFlow是一个技术研究领域，会一直开源，抱着服务的心态打造平台，并不会打造企业级业务，但如果有企业请求合作，我们也可以考虑。

另一方面，谷歌也在努力搭载自己的云服务。“利用谷歌云，我们想把研发的经验带给企业级的用户，把AI技术应用和计算能力带给他们，这样的话，企业能把产品做得更好。”Google Cloud&AI研发主管李佳表示。

Google Cloud&AI研发主管李佳

为了更好的推广谷歌云，谷歌在今年收购了Kaggle，一个数据科学社群，拥有90万的注册用户。

AI First背后，谷歌下一步想实现自动化AI

当然，这一切都离不开谷歌AI优先的战略布局，而谷歌技术元老、技术神牛、Google Brian资深工程师杰夫·迪恩（Jeff Dean）在论坛演讲中对Google旗下的AI应用做了一一展示（包括Google Translate、Google Photos、Google Assistant、Inbox智能回复等）。

Google Brain资深研究员、最牛工程师杰夫·迪恩（Jeff Dean）

Jeff Dean表示，机器学习是Google的产品核心，也能让我们进入各种各样的领域，它可以让计算机通过视觉信号模仿各种各样的操作。

似乎同一时间，谷歌推出名为“自动机器学习（AutoML）”的技术，在无需人类工程师的支持下，允许AI进行自我创造。据悉，AutoML并非精炼已经存在的简单模型，而是首先会选择这些模型，然后再对它们进行精炼。

据Jeff Dean透露，未来Google希望达到自动化机器学习，自动解决很多问题。比如我们对机器说，“请从厨房里为我倒一杯茶”，甚至说“帮我找出与机器人强化学习现骨干文件，并用中文总结一下”，我们希望机器学习能够在5秒钟之内做到。“而现在做到第二件事，可能需要一个研究人员在图书馆待一个多月。”Jeff Dean同时表示，自动化AI是一个渐进的过程，不是一蹴而就的。

在人才研究的组织架构上，Jeff Dean表示，Google旗下各个公司与部门之间会共同解决一个大问题，然后其中的一个小问题和小项目是独立运行的。当被问到中美在人工智能上的区别是，Jeff Dean回答是，人工智能是大领域，不应该分国家。

大时代背后，AI应该由全人类共享的

从Mobile First（移动优先）到AI First（人工智能优先），Google从底层架构（TensorFlow）、芯片设计（TPU），到解决方案、行业应用（医疗、无人驾驶），再到自家软件（Google Translate、Google Photos、Google Assistant等）的全面AI化，再到推出Google Home等一系列硬件，利用强大的人才储备和技术储备，谷歌在人工智能领域的布局根深蒂固、全面铺开。

从I/O大会到围棋峰会，Google一系列的技术大牛正在经历一次又一次的AI探寻，他们分享了自己的研究经验与看法，进而想把这些技术和想法带到全世界。只不过，AI也会走向软硬件结合，面对竞争，谷歌在软件上的优势毋庸置疑，在硬件上也有很长的路要走。

对于未来如何安全、正确地使用人工智能？哈萨比斯在采访中表示：“第一个层面，是必须造福全人类，不能运用在武器制造。第二，AI应该由全人类共享的，不应该由某个公司独占。”在被问到如何看待科幻片中的超级人工智能时，哈萨比斯说，超级AI还很远，还有很长的路要走。