2010年奇點峰會，DeepMind創(chuàng)始人Demis Hassabis在會上發(fā)表了關于AGI的演講，演講題目是：建立AGI的系統(tǒng)神經(jīng)學方法。

AGI指通用人工智能，它是一種假設的計算機程序，可以和人類一樣執(zhí)行智能任務，甚至有希望超越人類。AGI將能夠完成離散的任務，比如識別照片或翻譯。此外，它將會加減運算、下棋、說法語，還能理解物理論文、撰寫小說、設計投資策略、與陌生人談話。它將能夠監(jiān)測核反應、管理電網(wǎng)和交通流量，它可以輕易地做任何事情。相比之下，目前最先進的AI在AGI面前看起來就簡單得像個便攜式計算器。

上述任務目前只能由人類完成。但是人類智力受到腦容量所限，更受人類渺小脆弱的身體限制。既然AGI在計算機上運行，它就不會受到這些機體條件限制，其智能水平只受處理器數(shù)量的影響。AGI可能會先從監(jiān)測核反應開始。但很快，它在一秒內(nèi)消化的物理論文數(shù)量比一個人在千年內(nèi)消化的還要多，并可以據(jù)此發(fā)現(xiàn)新能源。人類智慧，再加上計算機的速度和可擴展性，將解決目前看來無解的問題。Hassabis預計AGI將掌握各種學科，包括癌癥研究、氣候變化、能源、基因組學、宏觀經(jīng)濟、金融系統(tǒng)等等。

AGI將高速地處理信息且高度智能，不斷自我改進的系統(tǒng)將急劇提升機器智能程度。但是AGI的未來難以預測，沒人知道這一切是好是壞。

Hassabis解釋說，到目前為止，科學家們一直從兩個途徑發(fā)展AGI。第一個途徑是符號AI。研究人員試圖描述編寫一套完整的規(guī)則，使之能像人類一樣思考。這種方法在上世紀八九十年代很流行，但沒有達到預期的結(jié)果。Hassabis認為，人類大腦神經(jīng)結(jié)構太過微妙，編程模仿是做不到的。第二個途徑是以數(shù)字形式復制大腦的生物網(wǎng)絡。這聽起來似乎可行，畢竟大腦是人類智力的中心。但操作起來并不現(xiàn)實，因為這么做就好比繪制宇宙中每一顆恒星的地圖。最根本的問題在于，這種途徑是在錯位研究大腦功能。打個比方，這就像試圖通過打開計算機并檢查晶體管的交互來理解Microsoft Excel是如何工作的。

Hassabis提出了中間立場：AGI應該從大腦處理信息的廣泛方法中汲取靈感，而不是在特定情況下應用生物系統(tǒng)或特定規(guī)則。換句話說，它應該專注于理解大腦的軟件運作，而不是大腦的硬件構成。功能性磁共振成像等新技術使人們能夠在大腦活動的同時觀察大腦內(nèi)部，因此理解“大腦的軟件運作”漸漸成為可能。最新研究表明，大腦通過在睡眠中重演經(jīng)驗來學習，從而得出一般原則。AI研究者應該模仿這種系統(tǒng)。

當年Hassabis參加奇點峰會最重要的目的是募資，DeepMind最終獲得200萬英鎊投資，其中著名風險投資人彼得·泰爾投資了140萬英鎊。谷歌在2014年1月以6億美元收購該公司時，Thiel和其他早期投資者的投資回報率高達5000％。

對許多創(chuàng)始人來說，這已經(jīng)算是一個完美的結(jié)局。但對Hassabis來說，被谷歌收購只是他追求AGI過程的一個步驟而已。 2013年，他花費大量時間進行協(xié)議條款談判，目的在于保持DeepMind的獨立性。它可以獲得被谷歌收購的好處，比如獲得現(xiàn)金流和計算能力，但是創(chuàng)始人仍然保有對公司的控制權。

Hassabis認為DeepMind具備多種優(yōu)勢：擁有創(chuàng)企的動力、頂尖大學的優(yōu)異人才、大公司的財力支持�？芍^萬事俱備，因此AGI的時代會加速到來，從而為人類造福。

天才游戲少年

Demis Hassabis 1976年出生于倫敦，他4歲開始下國際象棋，13歲時成為了世界上同年齡段中位列第二的棋手。8歲在老式電腦上自學編程。1992年提前兩年完成高中課程。他在Bullfrog Productions找到一份電子游戲編程的工作，編寫的虛擬游戲Theme Park大賣1500萬張拷貝。

十幾歲的時候，Hassabis同時參加國際象棋、拼字游戲、撲克和西洋雙陸棋的比賽。1995年，在劍橋大學學習計算機科學時，又參加了學生圍棋錦標賽且成績出色。下棋激發(fā)了Hassabis對人工智能的興趣。當他下棋時也在思考，計算機是否也可以像人類一樣通過經(jīng)驗積累不斷學習。游戲提供了脫離現(xiàn)實的完美學習環(huán)境。游戲世界純粹又包容，玩游戲不會受到干擾而且可以迅速掌握。

先搞定智能，其它問題就能迎刃而解

1997年5月，IBM超級計算機Deep Blue擊敗了國際象棋世界冠軍Garry Kasparov。這是計算機首次擊敗一位大師級棋手。這場比賽受到廣泛關注，也引起了人們對計算機不斷增長的力量和潛在威脅的擔憂。當時Hassabis產(chǎn)生了一個想法，他要把戰(zhàn)略游戲和AI結(jié)合起來，有一天，他會建立一個計算機程序，打敗最高段位的人類圍棋手。

Hassabis有條不紊地規(guī)劃職業(yè)生涯。1998年，他創(chuàng)辦了自己的游戲工作室Elixir，專注開發(fā)一款復雜的模擬政治游戲Republic： The Revolution。還在學校時，Hassabis就有這樣的想法：通過超級計算機來模擬復雜的世界動態(tài)，以解決最棘手的社會問題。當時，他試著在游戲中實踐自己的想法。不過現(xiàn)實很骨感，Elixir最終發(fā)布了精簡版的游戲但是反響平平。其它游戲也沒有成功。2005年4月，Hassabis關閉了Elixir。有人認為Hassabis創(chuàng)立Elixir只是為了獲得管理經(jīng)驗�，F(xiàn)在，在正式踏上AGI之路以前，他只缺少一個關鍵的知識領域——了解人類的大腦。

2005年，Hassabis在倫敦大學學院開始攻讀神經(jīng)科學博士學位。他發(fā)表的關于記憶和想象力的研究很有影響力。一篇被引用上千次的論文顯示，患有健忘癥的人也很難想象新的體驗，這表明記憶和創(chuàng)造大腦圖像之間存在聯(lián)系。Hassabis所作的研究都是朝著AGI邁進。他大部分研究都回歸一個問題：人腦是如何獲得并保留概念和知識的？

2010年11月15日，Hassabis正式成立DeepMind。從那時起，公司的宗旨就一直沒有變過：先搞定智能，其它問題就能迎刃而解。也就是說，把大腦如何完成任務的理解轉(zhuǎn)化為計算機軟件，軟件可以使用相同的方法進行自我學習。

Hassabis并沒有假裝科學已經(jīng)完全理解了人類的思想。AGI的藍圖不能簡單地從數(shù)百項神經(jīng)科學研究中得出。我們對大腦的功能仍然知之甚少。2018年，Hassabis自己的博士研究結(jié)果甚至受到了澳大利亞研究團隊的質(zhì)疑。所以DeepMind的起步工作還是很艱難。

Suleyman和Shane Legg加入了公司聯(lián)合創(chuàng)始人的行列。公司位于倫敦，許多新員工來自歐洲，有效避開了和谷歌、Facebook等硅谷巨頭爭奪人才。也許DeepMind成功秘訣之一就在于留住了最優(yōu)秀的員工。

公司花大力氣發(fā)展的一種機器學習技術——強化學習，源于Hassabis所擅長了兩個領域：游戲和神經(jīng)科學。建立這樣一個程序是為了收集有關其環(huán)境的信息，然后通過重復經(jīng)驗來從中學習，就像Hassabis所說的“睡眠期間大腦活動”一樣。

在此之前，強化學習在計算機領域還是一片空白。程序顯示了一個虛擬環(huán)境，除了游戲規(guī)則，它什么也不知道。程序包含至少一個稱為神經(jīng)網(wǎng)絡的組件。由計算結(jié)構層組成，可篩選信息，目的是識別特定特征或策略。每一層都在不同的抽象層次上檢查環(huán)境。起初，這些網(wǎng)絡的成功率很低。當他們嘗試不同的策略時，變得越來越老練，當成功時，也會得到獎勵。程序不會再次范同樣的錯誤。AI神奇的地方就在于它重復任務的速度。

DeepMind的AI項目在2016年獲得重大勝利，當年，AlphaGo在首爾舉行的五局三勝比賽中擊敗圍棋世界冠軍，震驚世人。2．8億人見證了AlphaGo的勝利，有專家曾預測人機對戰(zhàn)機器取勝還需要十年時間。次年，升級版AlphaGo擊敗了中國圍棋冠軍。