今日,，DeepMind 的 CEO Demis Hassabis 等三人在其官方博客發(fā)表文章，總結(jié) DeepMind 過去一年中所取的的研究成果,，可謂是碩果累累,。非常榮幸的是作為最早關(guān)注 DeepMind 研究的媒體之一，機器之心幾乎全部報道過這些研究,，及時為大家輸送了好的人工智能研究成果,，讀者可點擊文中的鏈接詳細了解這些研究。

我們所處的世界是一個極端復(fù)雜,、緊急和難以掌控的系統(tǒng)——從氣候變遷到意圖征服的疾病——我們相信,，智能系統(tǒng)將有助于揭開新的、促進社會公共善的科學(xué)知識。為此,，我們需要一個具有通用目的,、能夠從零開始不斷加深對問題理解的系統(tǒng)，該系統(tǒng)能借助這一能力識別出模式以及否則可能錯失的科學(xué)突破,。這也是 DeepMind 長期研究所關(guān)注的焦點,。

雖然距離所謂的智能仍路漫漫兮，但是,，2016 年,，我們?nèi)匀辉谠S多核心基礎(chǔ)問題上取得了振奮人心的進步，也首次得以見識這些進步可能給真實世界帶來的積極影響,。

我們的 AlphaGo——很幸運第二次登上《Nature》封面——在古老的圍棋比賽中擊敗了世界冠軍李世乭,。許多專家認為，人類提前十年實現(xiàn)了這一壯舉,。于我們——也包括全世界圍棋界——而言,，最激動人心的莫過于 AlphaGo 博弈過程中所呈現(xiàn)出來的創(chuàng)造力，有時,，它的棋招甚至挑戰(zhàn)了古老的圍棋智慧,。圍棋，這一古往今來最富深謀遠慮的游戲之一,，AlphaGO 可以識別并分享其中洞見,，也昭示著人工智能有望為人類帶來的價值。另外,，我們也期待在新的一年能夠玩轉(zhuǎn)更多的游戲,。

在生成模型領(lǐng)域，我們也取得了有意義的進步,，搭建出能自己想象新構(gòu)造和場景的程序,。發(fā)表了有關(guān)圖像生成的 PixelCNN 論文之后，我們發(fā)表了 WaveNet 的研究論文,。研究展示了這一程序在生成音頻上的有用性,，WaveNet 不是將錄下的語音樣本拼接起來，而是創(chuàng)造出的新的音頻波形,，可以實現(xiàn)世界上目前最生動的語音合成,。我們正計劃將這一成果融入谷歌產(chǎn)品中，能夠提升百萬用戶的產(chǎn)品體驗,，我們對此感到很興奮,。

2016 年，我們的另一重要研究領(lǐng)域是記憶（memory）,，特別是如何將神經(jīng)網(wǎng)絡(luò)的決策智能和有關(guān)復(fù)雜結(jié)構(gòu)化數(shù)據(jù)的存儲,、推理能力結(jié)合起來的難題。我們研究了 Differentiable Neural Computers，也因此收獲了 18 個月來第三篇發(fā)表在《Nature》上的文章,。研究展示了能夠同時像神經(jīng)網(wǎng)絡(luò)一樣學(xué)習(xí),，也能像計算機一樣存儲數(shù)據(jù)的模型。這些模型已經(jīng)能學(xué)會回答關(guān)于數(shù)據(jù)結(jié)構(gòu)（從家譜到地鐵交通地圖）的問題,，也讓我們距離在復(fù)雜數(shù)據(jù)組中使用人工智能進行科學(xué)發(fā)現(xiàn)更近了一步,。

在推進這些系統(tǒng)所能做的事情邊界的同時，我們也投入大量時間提升它們的學(xué)習(xí)方式,。一篇名為《Reinforcement Learning with Unsupervised Auxiliary Tasks》的論文就描述了將學(xué)習(xí)某種任務(wù)速度提升一個量級的方法,，而且考慮到高質(zhì)量訓(xùn)練環(huán)境對智能體的重要性，我們也開源了旗艦研究環(huán)境 DeepMind Lab, 我們也正在和暴雪合作,，為 StarCraft II 研發(fā)為人工智能準(zhǔn)備的訓(xùn)練環(huán)境,。

當(dāng)然，這只是冰山一角,，你可以通過閱讀我們在眾多頂級期刊上發(fā)表的的論文來了解我們的工作,，從 Neuron 到 PNAS，再到一些像是 ICLR 和 NIPS 這樣重量級機器學(xué)習(xí)大會,。我們也驚喜地看到社區(qū)中的其他成員已經(jīng)在積極實現(xiàn)這些論文成果或者在此基礎(chǔ)之上繼續(xù)研究——只要看看 2016 年下半年圍棋計算機程序的復(fù)興即可,！我們也很興奮見證了人工智能和機器學(xué)習(xí)走向更為廣闊的領(lǐng)域，變得越來越強大,。

同樣,，我們也非常驚喜地看到我們的工作對現(xiàn)實世界的影響。我們與谷歌數(shù)據(jù)中心團隊合作使用了與 AlphaGo 相類似的科技,，以研發(fā)一種冷卻系統(tǒng)用電的新方法,，此次合作將谷歌數(shù)據(jù)中心的電源使用效率顯著提升了 15%。如果將這類技術(shù)規(guī)?；搅硪粋€大規(guī)模產(chǎn)業(yè)系統(tǒng)被證實確實可行,，那么，就真的有望顯著改善全球環(huán)境和成本收益,。我們正在和不同的谷歌團隊合作,，將前沿研究應(yīng)用到全世界都在使用的產(chǎn)品和基礎(chǔ)架構(gòu)中，這只是其中的一個例子,。另外,，我們正在與兩家英國（也是我們的家鄉(xiāng)）國家醫(yī)療服務(wù)體系（NHS）內(nèi)的醫(yī)療集團積極合作，探索如何用我們的技術(shù)改善影響著數(shù)以百萬患者的診斷和治療條件,，我們也通過我們開發(fā)的移動應(yīng)用和基礎(chǔ)設(shè)施改善臨床一線的護理。

當(dāng)然,，我們對現(xiàn)實世界所帶來的影響不僅僅體現(xiàn)在對現(xiàn)實問題的解決上,，還體現(xiàn)在算法和模型設(shè)計、訓(xùn)練和一般部署方式上。我們非常驕傲地看到,，DeepMind已經(jīng)參與成立AI合作組織（Partnership on AI）,，這一組織是一個非營利組織，匯聚了頂尖的研究實驗室,、社會團體,、學(xué)術(shù)組織，旨在在諸如算法的透明性和安全性等領(lǐng)域探索出最好的實踐方式,。通過培育經(jīng)驗和洞見的多樣性,，我們也希望能夠助力解決其中的一些難題，并找到將社會利益置于全世界人工智能社區(qū)核心的方法,。

我們?nèi)允且患夷贻p的公司,，處于公司愿景的早期階段。但如果在 2017 年,，我們能進一步在算法突破,、社會影響與最佳道德實踐三個方面同時做出進展，那我們就處于非常好的狀態(tài)了,，可為科學(xué)社區(qū)以及整個世界做出持續(xù)的,、有價值的貢獻。

本文由機器之心編譯,，轉(zhuǎn)載請聯(lián)系本公眾號獲得授權(quán),。

------------------------------------------------

加入機器之心（全職記者/實習(xí)生）：[email protected]

投稿或?qū)で髨蟮溃篹[email protected]

廣告&商務(wù)合作：[email protected]