等你下一次不管是用谷歌搜索引擎搜索問題也好，還是在谷歌地圖上找一家電影院的位置也罷，請你記住，在你看不見的地方，正有一個巨大的大腦在為你提供相關(guān)搜索結(jié)果，使你不至于在開車時迷了路。


當然，這里說的并不是人的大腦，而是網(wǎng)絡(luò)搜索巨頭谷歌的“谷歌大腦”(Google Brain)研究團隊?！敦敻弧酚浾吡_杰·帕洛夫曾專門撰文揭開了這支團隊的神秘面紗。“谷歌大腦”研究團隊迄今已經(jīng)開發(fā)了1000多個所謂的“深度學(xué)習(xí)”項目，它們也是YouTube、谷歌翻譯、谷歌照片等近年來谷歌公司多個成功產(chǎn)品背后的大功臣。通過深度學(xué)習(xí)技術(shù)，研究人員能夠?qū)⒑Ａ繑?shù)據(jù)輸入“神經(jīng)元網(wǎng)絡(luò)”軟件系統(tǒng)進行處理，該系統(tǒng)能夠以人腦完全無法企及的速度，在海量數(shù)據(jù)中進行學(xué)習(xí)和模式分析。

近日，“谷歌大腦”團隊的創(chuàng)始人和負責人之一的杰夫·迪恩接受了《財富》雜志專訪，并談到了人工智能領(lǐng)域的研究進展及其帶來的挑戰(zhàn)，以及人工智能技術(shù)在谷歌產(chǎn)品中的應(yīng)用。出于篇幅考慮，以下采訪稿有刪節(jié)。

問：在推動人工智能領(lǐng)域研究的過程中，科研人員主要面臨哪些挑戰(zhàn)？

人類的學(xué)習(xí)有大量內(nèi)容來自無監(jiān)督式的學(xué)習(xí)，也就是說，你只是在觀察周圍的世界，理解事物的道理。這是機器學(xué)習(xí)研究的一個非?；钴S的領(lǐng)域，但目前研究的進展與監(jiān)督式學(xué)習(xí)還是不能比擬的。

也就是說，無監(jiān)督式學(xué)習(xí)指的是一個人通過觀察和感知進行的學(xué)習(xí)，如果計算機也能自行進行觀察和感知，就能幫助我們解決更復(fù)雜的問題了?

是的，人類的洞察力主要是通過無監(jiān)督式學(xué)習(xí)訓(xùn)練出來的。你從小就會觀察世界，但偶爾你也會得到一些監(jiān)督式學(xué)習(xí)的信號，比如有人會告訴你：“那是一只長頸鹿”或“那是一輛小汽車”。你獲了這些少量的監(jiān)督式信息后，你的心智模式就會自然地對其產(chǎn)生回應(yīng)。

我們需要將監(jiān)督式和非監(jiān)督式學(xué)習(xí)更緊密地結(jié)合起來。不過以我們大部分機器學(xué)習(xí)系統(tǒng)的工作模式來看，我們現(xiàn)在還沒有完全進展到那個地步。

你能解釋一下什么是“強化學(xué)習(xí)”技術(shù)嗎？

“強化學(xué)習(xí)”背后的理念是，你并不一定理解你可能要采取的行動，所以你會先嘗試你應(yīng)該采取的一系列行動，比如你覺得某個想法很好，就可以先嘗試一下，然后觀察外界的反應(yīng)。這就好比玩桌游，你可以針對對手的舉動做出回應(yīng)。最終在一系列的類似行為之后，你就會獲得某種獎勵信號。

強化學(xué)習(xí)的理念就是，在你獲得獎勵信號的同時，可以將功勞或過錯分配給你在嘗試過程中采取的所有行動。這項技術(shù)在今天的某些領(lǐng)域的確非常有效。

我覺得強化學(xué)習(xí)面臨的一些挑戰(zhàn)主要集中在當你可以采取的行為狀態(tài)極為寬泛的時候。在真實世界中，人類在任何給定的時候都可以采取一系列極為寬泛的行為。而在你玩桌游的時候，你能采取的只有有限的一系列行為，因為游戲的規(guī)則限制了你，而且獎勵信號也要明確得多——不是贏就是輸。

如果我的目標是泡一杯咖啡之類的，那我可能采取的潛在行為就相當寬泛了，而獎勵信號也沒有那么明顯了。

不過你們還是可以將步驟分解開，對吧？比如，如果你想泡一杯咖啡，你就可以通過學(xué)習(xí)得知，如果你在沖泡之前不將咖啡豆充分研磨，泡出來的咖啡就不會好喝。

對。我認為增強學(xué)習(xí)的一個特點就是它需要探索，所以在物理系統(tǒng)環(huán)境下使用它往往有些困難。不過我們已經(jīng)開始嘗試在機器人上使用這種技術(shù)了。當機器人要需要采取某些行動中，它在特定一天內(nèi)可以采取的行為是有限的。但是如果使用計算機模擬的話，就可以輕易地使用大量計算機獲得上百萬個樣本。

谷歌已經(jīng)開始將強化學(xué)習(xí)技術(shù)用在核心搜索產(chǎn)品上了嗎？

我們通過與DeepMind(一家人工智能領(lǐng)域的創(chuàng)業(yè)公司，2014年被谷歌收購)和我們的數(shù)據(jù)中心運營人員的共同努力，已經(jīng)將強化學(xué)習(xí)技術(shù)應(yīng)用到了我們的核心產(chǎn)品上。他們還將這項技術(shù)運用在了數(shù)據(jù)中心的空調(diào)溫控系統(tǒng)上，在大大降低能耗的同時，達到了相同的、安全的冷卻效果和運行條件。它能探索溫控旋鈕的哪種設(shè)置是合理的，以及當你改變運行條件時應(yīng)該如何做出響應(yīng)。

通過強化學(xué)習(xí)技術(shù)，他們能夠探索這18個或者更多個溫控旋鈕的最優(yōu)設(shè)置，而這可能是連專門負責溫控的工作人員都沒有做過的。熟悉溫控系統(tǒng)的人可能會覺得：“這個設(shè)置真奇怪。”然而事實上它的工作效果非常好。

什么樣的任務(wù)更適合應(yīng)用強化學(xué)習(xí)技術(shù)？

上面說的數(shù)據(jù)中心這個案例之所以效果很好，就是因為在一段給定時間內(nèi)并沒有太多不同的行為。溫控系統(tǒng)大概有18個溫控旋鈕，你可以把一個旋鈕調(diào)高或調(diào)低，結(jié)果都是很容易衡量的。只要你在可以接受的適當溫度范圍內(nèi)運行，你的能耗利用率就會更好。從這個角度看，這幾乎是一個理想的強化學(xué)習(xí)技術(shù)的使用案例。

而至于在網(wǎng)絡(luò)搜索中，我應(yīng)該顯示哪些搜索結(jié)果，這應(yīng)該是強化學(xué)習(xí)技術(shù)的運用效果稍差的一個用例了。針對不同的搜索提問，我可以選擇顯示的搜索結(jié)果的面是很寬的，而且獎勵信號也不明確。比方說一名用戶看到了搜索結(jié)果，至于他心里喜不喜歡這個搜索結(jié)果，這是很不明顯的。

如果他們不喜歡某一搜索結(jié)果，你連衡量它都很難吧？

是的，的確有點棘手。我認為這個例子就能說明強化學(xué)習(xí)技術(shù)可能還不夠成熟，在這種獎勵信號不夠明確、約束條件太少的環(huán)境下，還不能真正有效地運行。

你們研究出來的這些技術(shù)要想應(yīng)用到人們?nèi)粘Ｊ褂玫漠a(chǎn)品中，還將面臨哪些最大的挑戰(zhàn)？

首先，很多機器學(xué)習(xí)解決方案和針對這些解決方案的研究是可以在各個不同領(lǐng)域重復(fù)使用的。比如我們與谷歌地圖團隊就在某些研究上展開了合作。他們希望能夠識別出街景圖片中的所有商戶名稱和標志牌，以更深入地了解這個世界——比如確定這究竟是一家披薩店還是別的什么。

事實證明，要想識別這些圖像中的文字，你可以對一個機器學(xué)習(xí)模型進行“訓(xùn)練”，給它一些人們在文字周圍畫圈或畫框的樣本數(shù)據(jù)。這樣一來，機器學(xué)習(xí)模型就會學(xué)會分辨圖像中的哪些部分包含了文字。

這項能力總體還是很有用的。谷歌團隊的另一部分人還將該技術(shù)運用到了一項衛(wèi)星圖像分析項目中，主要用來分辨美國和全世界的建筑物的房頂，以估算太陽能電池板在房頂上的安裝位置。

我們還發(fā)現(xiàn)，同樣的模型還能協(xié)助我們進行醫(yī)學(xué)影響分析方面的一些初級工作。比如說你有一些醫(yī)學(xué)影響，你想在其中發(fā)現(xiàn)一些與臨床相關(guān)的有趣的部分，你就可以用這個模型來幫忙。