参与：微胖、曹瑞、李亚洲

今日，DeepMind 的 CEO Demis Hassabis 等三人在其官方博客发表文章，总结 DeepMind 过去一年中所取的的研究成果，可谓是硕果累累。非常荣幸的是作为最早关注 DeepMind 研究的媒体之一，机器之心几乎全部报道过这些研究，及时为大家输送了好的人工智能研究成果，读者可点击文中的链接详细了解这些研究。

我们所处的世界是一个极端复杂、紧急和难以掌控的系统——从气候变迁到意图征服的疾病——我们相信，智能系统将有助于揭开新的、促进社会公共善的科学知识。为此，我们需要一个具有通用目的、能够从零开始不断加深对问题理解的系统，该系统能借助这一能力识别出模式以及否则可能错失的科学突破。这也是 DeepMind 长期研究所关注的焦点。

虽然距离所谓的智能仍路漫漫兮，但是，2016 年，我们仍然在许多核心基础问题上取得了振奋人心的进步，也首次得以见识这些进步可能给真实世界带来的积极影响。

我们的 ——很幸运第二次登上《Nature》封面——在古老的围棋比赛中击败了世界冠军李世乭。许多专家认为，人类提前十年实现了这一壮举。于我们——也包括全世界围棋界——而言，最激动人心的莫过于 AlphaGo 博弈过程中所呈现出来的创造力，有时，它的棋招甚至挑战了古老的围棋智慧。围棋，这一古往今来最富深谋远虑的游戏之一，AlphaGO 可以识别并分享其中洞见，也昭示着人工智能有望为人类带来的价值。另外，我们也期待在新的一年能够玩转更多的游戏。

在生成模型领域，我们也取得了有意义的进步，搭建出能自己想象新构造和场景的程序。发表了有关图像生成的 PixelCNN 论文之后，我们发表了的研究论文。研究展示了这一程序在生成音频上的有用性，WaveNet 不是将录下的语音样本拼接起来，而是创造出的新的音频波形，可以实现世界上目前最生动的语音合成。我们正计划将这一成果融入谷歌产品中，能够提升百万用户的产品体验，我们对此感到很兴奋。

2016 年，我们的另一重要研究领域是记忆（memory），atv，特别是如何将神经网络的决策智能和有关复杂结构化数据的存储、推理能力结合起来的难题。我们研究了 ，也因此收获了 18 个月来第三篇发表在《Nature》上的文章。研究展示了能够同时像神经网络一样学习，也能像计算机一样存储数据的模型。这些模型已经能学会回答关于数据结构（从家谱到地铁交通地图）的问题，也让我们距离在复杂数据组中使用人工智能进行科学发现更近了一步。

在推进这些系统所能做的事情边界的同时，我们也投入大量时间提升它们的学习方式。一篇名为《》的论文就描述了将学习某种任务速度提升一个量级的方法，而且考虑到高质量训练环境对智能体的重要性，我们也开源了旗舰研究环境, 我们也正在和暴雪合作，为 研发为人工智能准备的训练环境。

当然，这只是冰山一角，你可以通过阅读我们在众多顶级期刊上发表的的论文来了解我们的工作，从 Neuron 到 PNAS，再到一些像是和 这样重量级机器学习大会。我们也惊喜地看到社区中的其他成员已经在积极实现这些论文成果或者在此基础之上继续研究——只要看看 2016 年下半年围棋计算机程序的复兴即可！我们也很兴奋见证了人工智能和机器学习走向更为广阔的领域，变得越来越强大。

同样，我们也非常惊喜地看到我们的工作对现实世界的影响。我们与谷歌数据中心团队合作使用了与 AlphaGo 相类似的科技，以，此次合作将谷歌数据中心的电源使用效率显著提升了 15%。如果将这类技术规模化到另一个大规模产业系统被证实确实可行，那么，就真的有望显著改善全球环境和成本收益。我们正在和不同的谷歌团队合作，将前沿研究应用到全世界都在使用的产品和基础架构中，这只是其中的一个例子。另外，我们正在与两家英国（也是我们的家乡）内的医疗集团积极合作，探索如何用我们的技术改善影响着数以百万患者的诊断和治疗条件，我们也通过我们开发的移动应用和基础设施改善临床一线的护理。

当然，我们对现实世界所带来的影响不仅仅体现在对现实问题的解决上，还体现在算法和模型设计、训练和一般部署方式上。我们非常骄傲地看到，DeepMind已经参与成立，这一组织是一个非营利组织，汇聚了顶尖的研究实验室、社会团体、学术组织，旨在在诸如算法的透明性和安全性等领域探索出最好的实践方式。通过培育经验和洞见的多样性，我们也希望能够助力解决其中的一些难题，并找到将社会利益置于全世界人工智能社区核心的方法。