谷歌母公司Alphabet的子公司DeepMind在过去一年里总共亏损了5.72亿美元。作为全球最大的人工智能学术研究机构之一，DeepMind近三年一直亏损，累计金额超过10亿美元。未来12个月，DeepMind需要继续投资超过10亿美元。

这是否意味着AI技术正在崩溃？

不一定。研究活动非常昂贵。与一系列顶尖科学项目相比，DeepMind的支出只能算是“九根牛一毛”。仅欧洲大型强子对撞机项目每年的维护费用就高达10亿美元，最终发现希格斯玻色子的总费用估计超过100亿美元。而且，人们对真正的人工智能(也称人工通用智能，简称AGI)的印象，不仅能玩《星际迷航》，还能理解人类所表达的重量级成就，而且提供的价格绝不会便宜。

即便如此，DeepMind不断攀升的亏损水平依然值得关注：2016年，DeepMind亏损1.54亿美元；2017年增至3.41亿美元；2018年将进一步增至5.72亿美元。在我看来，有三个核心问题：

DeepMind找到正确的科学探索方向了吗？

从Alphabet的角度来看，这个投资规模是否合理？

如此可观的亏损数字，将如何影响整个AI市场？

首先，我们来看看探索的方向。之所以值得讨论，是因为DeepMind显然把所有的鸡蛋放在同一个篮子——里，也就是深度强化学习。该技术主要用于通过模型识别将深度学习与强化学习相结合，实现基于奖励信号的学习能力，让系统学习如何在游戏中获得更高的分数，或者在象棋等游戏中对抗并取胜。

DeepMind的著名作品是2013年发表的一篇论文。这一激动人心的成就解释了如何训练单个神经网络系统，教它玩各种雅达利游戏(包括《突破》和《太空入侵者》)，最终达到与人类相似甚至更优越的结果。本文让DeepMind成为AI领域的摇滚明星，成功吸引了谷歌的关注。2014年1月被谷歌收购后，DeepMind进一步推动技术发展，先后在Go和不朽大作《星际争霸》中夺冠。

但问题是，这项技术对环境有非常具体甚至苛刻的要求。比如在播放《突围》时，哪怕是最轻微的变化，比如将镜头的对焦位置移动几个像素，都会对其性能产生很大的影响。DeepMind的《星际争霸》系统也有明显的局限性：使用同一个种族在同一个地图中作战，其成功确实足以超越人类；然而，当其他地图使用另一个种族时，结果会迅速下降。要改变作战风格，必须从零开始系统训练。

在某种程度上，深度强化学习是一种强化记忆系统。它在一些场景中确实有不错的表现，但对作品内容的理解非常有限。因此，这种系统没有灵活性，不能根据环境变化立即调整，最终导致非常小的变化，这将显著影响实际性能。(DeepMind近期公布的肾病检查方案也因类似问题受到质疑。)

强化学习也需要大量数据支持——。比如学习围棋，需要完成百万次的自我匹配，才能掌握个人秘密。很显然，人类棋手不需要也不可能完成如此巨大的训练量，而且这个过程极其困难且代价高昂，所以只有谷歌这样的科技巨头才能承受对计算资源的可怕需求。换句话说，大多数企业和客户都不可能在他们薄弱的独立计算机上实现类似的现实问题解决能力。据估算，AphaGo整个培训周期花费3500万美元，足以支撑12760人连续三天做脑力劳动。

以上讨论的只是经济问题。更重要的是，正如欧内斯特戴维斯和作者在即将出版的《Robboting AI》一书中提到的，我们能信任现有的AI方案吗？目前，深度强化学习只能在控制良好的环境中提供可靠的结果。这个限制对围棋来说非常适用，围棋这个场景在过去两千年里没有太大的变化，但我们显然不敢贸然将其引入其他实际问题。

难以实现商业应用。

商业应用难的主要原因是大多数实际问题没有游戏那样严格的场景和条件。正因为如此，DeepMind还是想不出一个像样的深度强化学习的商业计划。与此同时，Alphabet已经烧掉了DeepMind约20亿美元(包括2014年收购DeepMind的6.5亿美元)。然而，除了获得良好的口碑外，DeepMind在过去一年中仅带来了约1.25亿美元的实际收入，其中相当一部分是Alphabet内部使用深度强化学习技术降低冷却成本所节省的电费。

此外，很难解决其他具有挑战性的问题，如癌症和清洁能源。这种情况已经存在很久了：IBM的沃森曾经在智力竞赛节目中一鸣惊人，但他一直无法成功进入医学诊断领域。虽然它在某些情况下可以提供良好的性能，但沃森在其他情况下却很痛苦。

失败，甚至还曾经在心脏病发作症状的判断上犯错——要知道，这可是医学新生都能准确判断的病症。

当然，时间也许能够解决这个难题。至少自2013年以来，DeepMind就一直在努力研究深度强化学习技术，而且科技进步也向来难以快速转化为实际产品。DeepMind以及其它研究机构，最终也许能够找到一种可行的方式，促进深度强化学习带来更稳定也更契合任务内容的结果;又或者，这项技术未来能够与其它技术结合起来，迸发出新的能量。也许深度强化学习最终能够像当年的晶体管一样，成为一种彻底改变世界的实验室发明，也有可能永远停留在探索阶段，仅仅作为人类不断探索真理的道路上的又一块铺路石。但无论如何，笔者个人猜测最终结果可能介于这两者之间——有用而且广泛存在，但又不足以改变整个世界。

虽然DeepMind目前的成果没能完全符合人们的期待，相信也不会有人对其妄加指摘。深度强化学习不一定是通往人工通用智能的正确道路，但这丝毫不妨碍DeepMind自身的伟大——这仍是一个运营严密、资金充裕而且人才济济的机构。而且如果接下来AI的发展方向有所变化，DeepMind也一定会是能够迅速抓住机会的参与者之一。就目前来看，能够与DeepMind相抗衡的研究机构仍然屈指可数。与此同时，Alphabet也是一家财力雄厚的企业，对他们来说一年5亿美元也不是啥大问题。Alphabet公司曾非常英明地决定投资AI技术，其中包括目前同样在快速成长的Google Brain项目。Alphabet方面可能会通过多种途径调整自家AI方案的组合方式，不过考虑到这是一家年收入高达1000亿美元的行业巨头，而且旗下搜索服务及广告推荐等大部分业务都依赖于AI技术，相信他们有能力也有理由继续支持这些重量级研发项目。

>>> 过度炒作难题

关于最后一个问题，我们目前还很难判断DeepMind的经济状况会给整个AI市场带来怎样的影响。如果交付的成果完全跟不上当初的炒作宣传，那么“人工智能寒冬”也许终将来临，甚至导致原本的支持者失去信心而停止投入。另外，如果DeepMind在未来几年中的亏损额继续一路飙升，恐怕Alphabet自己也有可能被迫退出。毕竟到目前为止，DeepMind还是拿不出像样的财报数据，时间久了投资者难免要重新思考自己对于AI技术抱持的立场。

同样麻烦缠身的，远不只是DeepMind。无论是无人驾驶汽车还是能够顺畅理解人类语言的聊天机器人，这些几年前被炒得火热的概念至今仍然没有实现。Mark Zuckerberg在2018年4月的美国国会听证会上曾保证，虚假新闻问题很快就会在AI技术面前土崩瓦解。但是情况显然没这么简单，这也使得整个社会对于AI技术的看法变得愈发保守——不信承诺，信“疗效”。

至少就当下看，人工通用智能还只是个目标，距离真正落地还有很长的路。虽然AI技术在广告及语音识别等一部分领域取得良好进展，但必须承认，AI发展还远称不上成熟。但在另一方面，我们也要认可AI在大数据分析领域的强大能力;而且哪怕只是当前的水平，AI也已经是一种卓越的技术工具。因此即使未来企业不再倾力投入，AI的研究与发展也绝对不会沉寂下去。

>>> 预测未来

在笔者看来，十年之后我们可能会得出结论，发现深度强化学习的意义其实被高估了。这也使得其它不少真正重要的研究方向遭到忽视。毕竟在强化学习领域投入的第一块钱，都代表着其它研发经费的缩减——例如对于人类认知科学的研究。当下，很多机器学习研究人员都在问，“机器如何利用大量数据优化复杂问题?”但我们真正应该关心的，其实是“为什么孩子们用不着那么多数据和那么复杂的处理流程，就能掌握自然语言并理解现实世界?”如果我们能在后一个问题上多花点时间、资金和精力，也许人工通用智能的来临还能更早一些。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

---

免责声明： 本文由用户上传，如有侵权请联系删除！

---

标签：