哈萨比斯：Master在网上下的都是快棋，人类棋手在下棋时时间控制得可能不会太精准，人类棋手在网上的注意力也不一定完全集中，因此我们仍然需要跟柯洁进行对弈来对AlphaGo进行测试。

　　同时，通过这些网上的对弈，第一，是希望测试一下AlphaGo的系统；第二，也是希望为围棋界提供一些新的想法和思路，给柯洁一定备战的时间，也为他提供一些分析AlphaGo打法的素材。

　　提问：关于AlphaGo的行业应用，有哪些您比较看好？今后Deepmind会不会在中国开展一些行业应用？

　　哈萨比斯：首先，AlphaGo背后的支撑技术相当多，目前在其他领域的应用还在早期探索阶段。我上午谈到的一些应用，只是AlphaGo围棋可能应用中的一小部分。在未来，我们肯定会将AlphaGo的技术在Google领域的应用，也许在中国也会有相应的业务。

　　提问：AlphaGo是否已经实现了无监督学习？它是否在向着强人工智能迈进？

　　席尔瓦：首先，AlphaGo使用的是增强学习的方法。我们只能说，AlphaGo在某一特定领域实现了自己的直觉和意识——这和我们所说的人类通过直接训练产生的意识可能有很大不同。因为它并非这种人类意识，因此有机会被应用到其他领域，不仅限于围棋。

　　提问：Hassabis先生上午提到，人工智能必须要被正确应用。那么这种“正确”包括哪些原则？

　　哈萨比斯：两个层面。第一，AI必须造福人类，应该用于类似科学、制药这类帮助人类的领域，而不能用于一些不好的事情，比如研发武器；第二，AI不能只为少数公司或个人所使用、，它应该是全人类共享的。

　　提问：上午的演讲中两位提到，这一代AlphaGo只需要一个TPU进行运算，而上一代和李世石对战时的AlphaGo则部署了50个TPU；但这代系统所需的计算量只是上一代的十分之一。为什么会出现这种比例上的差距？

　　席尔瓦：我来澄清一下。今年升级版的AlphaGo是在单机上运行的，它的物理服务器上部署了4个TPU。

　　提问：为什么AlphaGo下棋是匀速的？

　　席尔瓦：我们在对AlphaGo训练时就已经发现，它在对弈时进行的计算是持续的、稳定的，在总共的比赛过程中，它的计算量是恒定的。我们为AlphaGo制定了一种求稳的时间控制策略，也就是最大限度地利用自己的比赛时间，如果要将比赛时间的利用率最大化，匀速当然是最好的。

△穆斯塔法等接受量子位等专访

　　提问：围棋相对简单，AI在现实中应用，有哪些阻碍？

　　穆斯塔法：我们对此有过深入思考，DeepMind创立的使命中指出，我们要打造通用型的人工智能技术，并接受相应的监督监管。此前我们和众多的机构共同成立AI联盟，以遵循伦理和安全的方式，进行算法的开发。

　　提问：技术落地过程中，如何避免侵犯隐私？

　　穆斯塔法：新技术的部署应用过程中，确实出现了跟监督监管机制不匹配的情况，现在科技的力量已经非常强大，在这种情况下，技术快速发展。所谓的数字化技术或设备进行平衡，是我们不断推进的事情。

　　我们希望加强医生患者对技术的信任，第一是展示临床使用的效果，第二我们一开始就公开表示，系统处理的数据，完全在监管范围之内，不会应用到其他业务之中。

　　提问：DeepMind目前是什么结构？

　　穆斯塔法：DeepMind分为两个结构，哈萨比斯负责研发，我负责商业应用。应用又分成三个组：1、Google组 2、医疗组，和英国NHS合作 3、马上要成立的能源组。我们希望与专家合作，获取必要的数据。

　　我们和Google不同部门合作，有不同的形式。

　　提问：为什么先把AI应用在医疗领域？而不是金融等

　　穆斯塔法：商业利润不是我们最重要的驱动力。我们选择行业从两点出发：首先，是否有助于技术研究；其次，是否有助于完成社会使命。

　　医疗行业季度的低效，技术停滞不前已经很久。

　　提问：一手研发，一手商业化，有没有隐藏的技术细节？

　　穆斯塔法：我们尽量多在开源的时候，提供有助于别人的资料。当然，我们不是100%都公布技术细节。当然我们会尽量多的做开源。

　　提问：驱动AI应用的数据是否足够，以及是所需要的数据？