DeepMind:了解大腦才能開發AI

問：你以往曾討論過，DeepMind最大的目標之一是開發人工智慧，促進更多的科學發現，使其成為提高人類創造力的工具。神經科學如何幫助你達到這個目標？

哈薩比斯：實際上有兩種方式。其中之一是將神經科學作為演算法和架構理念的靈感來源。關於開發通用智能的可行性，人類大腦是唯一現存的證明。因此我們認為，有必要付諸努力，嘗試並理解這些能力是如何形成的。隨後我們可以看看，是否有些辦法，將其轉移至機器學習和人工智慧。

這也是我在博士階段研究神經科學的原因：關注大腦的記憶和想像力，理解大腦中的哪些區域參與其中，存在什麼樣的機制，隨後使用這些知識幫助我們思考，如何在人工智慧系統中實現同樣的功能。

我們試圖理解的另一方面是，智能究竟是什麼，這也包括自然智能，人類的智力。因此我認為，可能會出現反向的幫助。利用可以完成有趣任務的人工智慧演算法，我們可以了解，應該如何看待大腦本身。我們可以使用這些人工智慧系統作為模型，了解大腦中正在發生什麼。

問：你在論文中提到，人工智慧需要理解像我們這樣的物理世界，即處於一個房間里，以類似人類的方式去表達和解釋場景。研究者常常會談論這種「表現認知」，並認為在不具備表現認知的情況下無法開發出通用人工智慧。你是否贊同這樣的觀點？

哈薩比斯：是的，我們重要的基本原則之一是，表現認知是關鍵。系統需要從最基本的原理，即感知和運動流，建立自己的知識，並在此基礎上創造出抽象知識。這是傳統人工智慧最大的問題之一，被稱作「符號接地問題」。邏輯系統在與邏輯打交道時很強大，但最終，當邏輯系統需要與現實世界打交道時，這些符號究竟代表什麼？這是傳統人工智慧，或者說「老式人工智慧」最困難的障礙之一。

在DeepMind，我們一直對這種接地氣的人工智慧感興趣。這也是我們關於人工智慧系統所做的工作。這樣的人工智慧系統可以用於電子遊戲和虛擬環境。例如，它們並不使用遊戲中任何隱藏數據，只是使用屏幕上原始的像素點。

問：這篇論文反覆提到如藉助神經科學突破AI的局限性，所謂局限性，指的是目前AI只能處理某一項特定工作。麻省理工和Google等正在嘗試將不同的系統結合起來，創造更具靈活性的AI。你認為未來是否會出現通用人工智慧？

哈薩比斯：這很有意思，迄今為止的AI歷史表明，專註於某一任務的AI系統顯然更容易創建，而且可以更有針對性的進行訓練。但通用人工智慧很難，想創造一個能擊敗專用AI系統的通用AI系統，門檻非常高。

對於大部分的任務來說，專用人工智慧系統表現更好。所以，我認為專用人工智慧系統很難被取代。

但是，如果你想在不同領域之間建立聯繫，或者你想得到新的發現（例如做科研），那麼這些預編程的專用系統顯然是不夠用的。它們被限制在被給予的知識範圍之內，所以很難有所創新。所以如果想要執行需要創新、發明等靈活性的任務，我認為通用人工智慧是唯一的出路。

問：你提到大腦的想像力、預測未來的能力，是改進AI的關鍵功能。能不能舉個例子，說明AI怎麼才能擁有這些能力？

哈薩比斯：這些高級的想法目前還在很基礎的階段。先有記憶，然後再有想像。大腦里有不同的存儲系統。比方說短期工作記憶，可以用來記住電話號碼這種不長的信息。另外還有場景記憶，這是一種長期記憶，甚至你在睡覺的時候都能從中學習經驗。

這只是一個想法，不同的記憶存儲系統，對AI來說很有價值。傳統的神經網路沒有太多的記憶，只專註於當時當刻。為了改變這個情況，人類發明了神經圖靈機，讓神經網路可以連接並使用一個很大的擴展存儲器。這是一個神經科學啟發的想法。

然後我們來說想像，這是人類和一些動物，對世界的生成模型，這種模型被用來在現實世界行動之前，評估和規劃將會發生什麼，以及可能產生的後果。

想像力是一個非常強大的規劃工具。你需要建立一個世界的模型，然後使用這個模型去預測，還要及時向前推進。所以，當我們開始拆解想像力的構成時，就能獲得一些關於構建想像力所需功能的線索。

問：如果神經科學和人工智慧有那麼多可以互相借鑒之處，為何一直以來都是各自獨立發展？

哈薩比斯：其實，它們一開始合作得很好。當年，許多神經科學家和AI科學家都有相似的背景，他們在會議中交流甚多，而且展開了大量合作。不過整個80年代，人工智慧開始遠離神經網路系統，人們對於馬文·明斯基的推崇，說明了原始的神經網路無法勝任特定的任務。

但事實證明，這是錯的。因為當時人們只著眼於太簡單的單層神經網路。現在我們有了深度學習系統，一個非常龐大的網路。不過在80年代，人們沒有足夠的計算能力和數據。所以AI與神經系統分離，集中在邏輯系統上。

邏輯系統和神經科學真的相去甚遠。然後AI走上專家系統的道路，使用大量的啟發式搜索和規則來做出決定。而神經科學依賴於數據。

與此同時，神經科學繼續發展壯大。最終形成兩個龐大的領域，有著各自不同的傳統。成為其中一個領域的專家都非常困難，更別說能夠兼顧。

對於今天的AI專家來說，如果沒有相關背景就想進入神經科學，是非常困難的事情。可能每年神經科學領域有五萬篇論文發表，其中大部分與AI無關，這意味著AI專家需要在海量信息中，尋找對自己有幫助的碎塊。

反之亦然。AI領域的技術水平很高，有很多自己的行話術語，神經科學家也很難理解。互相溝通都很困難，所以長期以來，兩個領域之間的協作非常有限。

很難找到願意投入力量連接這兩個困難領域的人，DeepMind正在進行嘗試，尋找兩個領域的關聯指出，並用簡潔的方式解釋出來。