今日，两次出手都让吃瓜群众大惊失色的“AlphaGo”又要杀回来了，这次对战的对手将是中国棋手柯洁，其意义对中国观众来说当然非同小可。加之酝酿已久的“终极决战”和高达150万美金的史上最高围棋赛奖金，这场“捍卫人类尊严”的大赛必定万众瞩目。

　　但相比于棋盘内的胜败，我们却更希望在这时候聊一下AlphaGo的创造者，著名人工智能企业DeepMind。

　　对于大部分人来说，常识中AlphaGo是由谷歌制造。但事实上，DeepMind虽然在14年就被谷歌收购。但总部和项目始终继续保留在伦敦，人员也对外保持着高度的神秘性。另一方面，即使对DeepMind有了解的人，也更多的是知道它的创始人戴密斯·哈萨比斯(Demis Hassabis)是一位少年天才，4岁下国际象棋16岁进入剑桥等等。但DeepMind作为一家创业企业的规划、产品序列和目标实施情况，好像总是隐藏在一些面纱之后。

　　从目前消息来看，谷歌AI与DeepMind依旧保持着高度的相互独立属性。虽然有战略和技术上的结合，但谷歌AI的重点推进工程列表中可说是完全不见DeepMind的踪影。

　　而AlphaGo作为DeepMind的核心创造物之一，绝不仅是为了挑战人类围棋界而生。作为核心领域技术的关键载体，承接着整个公司战略的上下衔接。

　　因此，通过DeepMind做了什么，来重新认识一下这家被谷歌大脑专家称为“AI实力世界第一”的公司，可以帮助我们更好的理解AlphaGo及其背后的更大野心。

　　我们通过8件DeepMind所做的关键动作来梳理这家公司的实力与目标，希望在棋盘的决胜以外，提供给你一点新的思考。

　　一、一鸣惊人的游戏系统

　　DeepMind的创始人是棋类和电子游戏高手，而这家公司迈出的第一步就与游戏有关。

　　2013年，当时名不见经传的在DeepMind发表了一篇论文，内容是他们自己开发的AI游戏系统。论文中描述的计算网络并不是为了游戏而服务，反而是让一个AI系统自己去玩游戏。

　　神奇的是，DeepMind的游戏系统可以在完全没有接触的前提下，通过对游戏的自我学习，自动的玩一系列初级电视游戏。

　　这个系统可以通过屏幕上面的图像和游戏中的分数是否上升下降，从而做出选择性的动作。

　　虽然这个行为对人来来说难度不大，但对于机器学习来说却意义惊人。因为它涉及架设任务、建立人工精神网络、建立深度学习模型和完善学习过程几个关键部分，并且需要大量的图形处理单来辅助。

　　这款“玩儿出来”的AI程序，最终帮助DeepMind登上了《自然》。随后开始受到各大互联网巨头的关注，并成功在一系列拉锯战后，被谷歌以据说高达6亿美金的代价收购。更可怕的是，这还被称为谷歌有史以来最成功的收购案。

　　从初出茅庐的这件作品，可以看出DeepMind的几个特点。首先是擅长多种复杂技术的集成，其次对于AI应用有远超于业界水准的解决能力。而其喜欢游戏、热爱人机对决的基因特质，也在一开始就暴露无遗。

　　二、给AI上3D游戏课：开源DeepMind Lab

　　2016年底，DeepMind将其核心深度学习平台之一“DeepMind Lab”进行开源，供研究人员和开发者使用。

　　区别于以往的深度学习开源平台，DeepMind Lab的特殊之处在于，它其实是一套专门给AI玩的3D游戏。

　　就像人类玩的第一人称射击游戏一样，这套开源程序可以设计多重复杂的环境架构，专门用来训练人工智能和机器学习系统。用于训练人工智能在大型环境、部分可视环境，以及视觉多样化条件下学会执行复杂任务。

　　DeepMind Lab据说是在《雷神之锤3》的基础上演变而来的，有比较强的延展性和适用性。可以让适用人员自行设计关卡和环境效果，来针对性训练出AI不同的判别与处理机制。

　　相比于针对数据样本的机器学习系统，DeepMind开源的体系可以专注于AI在实际环境中进行视觉+感知的交互。这对于AI行业来说可谓是打开了巨大的脑洞，尤其对于无人驾驶、AR、地图导航、机器人记忆等领域的研究与创业者来说，可谓是福音。

　　从这套灵感依旧来源于游戏的系统中，不难看出DeepMind一个特点是非常重视AI与人类高度贴合的研究。目标指向把人类的感知与精神思维方式移植到机器当中去，而且他们还鼓励其他人一同在这个方向尝试。

　　三、人脑模式与经典计算机合体：可微分神经计算机

　　另一个值得关注的动作，是2016年底DeepMind公布了他们打造的一台“可微分神经计算机”（DNC）。