何为智能？何为创意性的智能？如何攻克智能？5月24日，在2017中国乌镇人工智能高峰论坛上，DeepMind CEO Demis Hassabis以AlphaGo的研发介绍为开场白，讲诉了一个团队、一家公司在“通用人工智能”的努力，而这份努力的背后不仅是算法的进步，更是计算力的突飞猛进，软硬结合之下，AI对生活的改变或将以加速度展开。

　　DeepMind要打造通用机器学习系统

　　DeepMind从成立之初的最大目标就是——打造通用的机器学习系统。什么是通用性？Demis Hassabis的定义是通过一系列的算法，能做一系列的任务，如同人类的大脑可以“举一反三”，这也被称作强人工智能。

　　那么与之相对的，IBM的深蓝虽然战胜了国际象棋大师，但它只是弱人工智能，即预设置程序，运用穷举搜索，而无法自我学习。“深蓝是没有机器智能的，是深蓝背后的科学家大脑很智能。”

　　弱人工智能、穷举搜索是很难解决围棋难题的。Demis Hassabis说：“围棋不像象棋等游戏可以靠计算来决定，而是靠直觉。”那么对于，这种被称之为“神来的旨意”的围棋，如何实现灵感的激发呢？

　　DeepMind推崇的强人工智能是可以实现的，这就是AlphaGo挑战围棋高手的背景，测试DeepMind的强人工智能。对于AlphaGo是如何下围棋的，从原理上来说，大家已不陌生。2016年 DeepMind团队就在《Nature》杂志中详细介绍：采用将改进的蒙特卡洛决策树算法与深度神经网络算法相结合的方法构建最终的学习系统。深度神经网络是由一个多达12层的包含上百万个神经元节点的神经网络构成，包括两个部分：策略网络与价值网络，同时应用到监督式学习和强化学习。

　　AlphaGo用于下棋，初心或许只是用于检测、训练DeepMind的强人工智能系统，终极目标是“元解决方案”，Demis Hassabis说：“人工智能AlphaGo是工具，就像望远镜和放大镜一样都是工具，能为人类所用，能帮助我们探索世界，无论是在医学、材料设计、教育等方方面面都能应用。”

　　AlphaGo是如何进化的？

　　如果说DeepMind的星辰大海是“元解决方案”，AlphaGo让我们提前看到了它的实力和梦想。一年多时间里，AlphaGo进步了，离DeepMind的通用人工智能系统也更近了。

　　“在首尔时，AlphaGo体现了不足的地方。这一年我们在努力打完美。” Demis Hassabis说。AlphaGo是如何进步的呢？

　　DeepMind CEO Demis Hassabis

　　一方面是算法的进步，AlphaGo成为了自己的老师，它从自己的搜索里学习，在DeepMind团队看来，更强大的算法比数据量更重要，这也是AlphaGo越进化训练的数量级反而下降的原因。

　　AlphaGo团队负责人David Silver指出了其中一个关键要素：“AlphaGo Lee（与李世石对战的围棋AI）应用了50TPUs，而 AlphaGo Master（与柯洁对弈）在单个TPU机器上下棋。”意味着，现在的AlphaGo是在Google单一一台云虚拟机上完成计算的，这和去年使用的Google云端多台机器分布式结构有很大的区别。

　　计算资源的强大，这来自于Google TPU硬件上的突飞猛进，这一成果也在上周的Google I/O大会上以“第二代TensorFlow Processing Unit（TPU2）”着重被介绍。

　　“TensorFlow可以为BAT提供更好的服务”

　　人工智能的发展得益于大数据、算法和计算力大爆发的合力，AlphaGo就是最好的例证。当然，下棋不会是人工智能的全部，比如DeepMind 通过部署的一套管理数据中心控制系统的人工智能程序，又将Google数据中心总体电力利用效率（Power Usage Efficiency PUE ）提升了15%。总的来说，DeepMind和数据中心工程师们已经将控制系统的PUE提升了40%，开奖，这套控制程序已经让他们达到了数据中心有史以来的最佳PUE状态。

　　类似这样的例子还会越来越多，包括Google在内的国内外企业也正在将人工智能应用于各个方面。在这个过程中，Google还有更多、更实际的想法。

　　“在中国，BAT有大量的用户群，都想为用户提供更优化的服务，直播，如果使用TensorFlow会变得更好，谁用TPU都会变得更好。”Google母公司Alphabet董事长施密特说，他还解释亚马逊和苹果都用过他们的产品，有很多生动有效的案例。

　　施密特