过去几天，谷歌DeepMind的人工智能（AI）AlphaGo多次战胜传奇围棋选手李世石，这是人工智能研究史上的重大里程碑。围棋曾被认为太复杂，计算机不可能掌握，但DeepMind利用机器学习和神经网络赋予了AlphaGo像世界一流棋手那样进行判断和执行策略的能力。

然而，这些全球最聪明的人才研发人工智能的目的不仅仅是为了在棋类游戏上打败人类。DeepMind的研发工作在人工智能领域有着重大的影响，其所使用的深度学习技术有可能会彻底改变你周围的一切，包括你使用手机的方式、你驾驶汽车的方式——或者汽车运载你的方式。

首先，Go可能仍然不完美，有需要改进的地方。在上周李世石败给AlphaGo之后，现年18岁、世界排名第一的中国围棋选手柯洁似乎对自己获胜的机会持谨慎乐观的态度，他说：“我有60%的获胜几率”。更多的围棋选手则表示他们希望尽量多地了解AlphaGo，毕竟它只公开参加了几场比赛，且运用了非传统的进攻策略。AlphaGo最终可能会向公众发布，所以，如何柯洁真的在将来某一天迎战AlphaGo，这也不是什么让人感到出乎意料的事。李世石被选上是因为他的标志性地位和长期围棋生涯，但柯洁被认为是水平更高的棋手。DeepMind创始人戴密斯·哈萨比斯（Demis Hassabis）称其公司计划测试一个完全不接受人类训练的版本，程序将完全依靠自学。

但是无论如何，计算机能否打败人类围棋手的悬念现在已经尘埃落定。至于信息完全呈现在面前的游戏——比如在围棋中，所有的数据都摆在棋盘上——已经没有什么需要进一步探索的了。但对于那些无法获取所有相关数据的游戏，比如多人无限制扑克，人工智能仍然有困难。人工智能下一步征服的目标可能是电子游戏。在过去的几个星期，我多次听到暴雪娱乐的实时战略游戏《星际争霸》被提起。鉴于这款游戏在韩国一直很受很欢迎，我们不难想象，有一天人工智能会在这里跟人类进行《星际争霸》对决。

我在上星期跟哈萨比斯谈到了这个，他似乎愿意看到有这么一天。然而，他还表示，DeepMind只对跟研发遇到的主要问题有关的游戏感兴趣。“从某种程度上来说，这些游戏是非常有用的试验床，可以检验我们的算法是否有效。再通过测试之后，我们会进一步用这些算法解决现实世界的问题。”

这些问题的解决需要更高的机器学习速度和数据处理效率，因而人类的决策制定也会从中受益。机器学习技术和深度神经网络已经在谷歌得到广泛使用，比如用于搜索和无人驾驶汽车项目。从AlphaGo得到经验可以促进这两种技术的发展，大家都将不知不觉地从中受益。

计算机科学家杰夫·迪恩（Jeff Dean）被许多谷歌员工认为是公司里最聪明的人。他负责主管Google Brain深度学习研究项目，并带头将这种概念应用到谷歌的许多产品中。全新的深度学习神经网络“RankBrain”现在成为了谷歌搜索结果排名的第三大信号——迪恩不愿意透露前两大信号——谷歌认为这是两年来搜索排名最大的进步。机器学习还被用于一些直接面向用户的产品上，比如Google Photos搜索和为Gmail自动生成回复。

谷歌主要的收入来源是根据搜集来的数据发放广告。显而易见，那些能提高数据搜集效率的技术最吸引谷歌。我问迪恩，机器学习是否会有助于谷歌的核心业务或者帮助谷歌打入新领域。他回答说：“我认为两者皆有可能。我们将使用这些技术改善我们的核心产品。在许多境况下，对数据的理解程度越深就越能帮助我们打造新功能，我们也就能推出以前不可能推出的有趣新产品。”

我问谷歌执行董事长埃里克·施密特（Eric Schmidt），机器学习将如何促进公司的业务。他回答说：“我们在做很多的搜索，投放很多的广告，拥有很多的用户和数据中心，用很多的人在使用谷歌计算，使用谷歌的安全软件。当你拥有数量庞大的用户，你就可以使用机器智能监控信号，提高效率。”

“我认为我们可以将这种技术运用到所有领域，”施密特继续说道，并引用了谷歌传统的搜索和广告业务、无人驾驶汽车和健康部门Verily作为例子。“这种技术可以被运用到Alphabet所有子公司的项目中。”

除了跟Brain项目保持联系之外，DeepMind跟谷歌其他部门保持相对的独立性。哈萨比斯说：“我们对自己的研究有很大的自由空间，当然，我们实际上也参与许多谷歌内部产品的研发，但这些产品尚处于早期研发阶段，我们还不能透露。”哈萨比斯还表示，Brain的项目研发周期要比DeepMind项目短一些，而且Brain处在硅谷，其产品更受关注。

DeepMind下一步要做的是什么呢？我需要强调的一点是，AlphaGo不是DeepMind唯一项目，也不是最大的项目——DeepMind拥有几百名员工，但只有15名员工在从事AlphaGo的研发。DeepMind的最终目标是智能助手、医疗和机器人。另外，尽管AlphaGo只是针对围棋开发的系统，但其原理可以被应用到现实问题中。

哈萨比斯预测，在未来几年里，我们将用上采用了高级机器学习技术的智能手机助手。“一开始差别可能难以觉察，但某些方面会变得更好。再过四五年，智能助手的功能将会有很大的进步。”

“我想我们都希望这些智能助手会真正变得智能，会根据情景进行判断，对你需要做什么更了解，”哈萨比斯说道，他认为这样的系统应该以学习技术为基础，而不是跟随预先设定的对话模式。“当前的大部分智能助手都不大实用——你一旦偏离预先设定的模板，智能助手就变成废物了。所以，我们要让智能助手变得更具有适应性，更加灵活，更加可靠。”

医疗是更长远的目标。DeepMind已经宣布跟英国国民保健署（National Health Service）合作，但到目前只推出一款基本的数据跟踪应用。哈萨比斯称他们的第一步目标是让国民保健署习惯使用手机软件，然后再推出更高级的应用。

IBM已经依靠认知学习平台“Watson”进入了医疗领域。Watson一开始只是一台超级计算机，曾参加美国智力游戏Jeopardy!，挑战两位最优秀的人类选手，现在已经被转移到云端。IBM已经跟Memorial Sloan Kettering癌症中心合作让Watson在泰国和印度的两家医院协助医生诊断乳腺癌、肺癌和结肠直肠癌。尽管Watson自身不会诊断疾病，但它能够找到医生应该进一步认真检查的地方，并提出治疗方案。

“我们正在训练Watson查出异常的能力，”Watson Health副总裁凯西·麦克格洛迪（Kathy McGroddy）说。“Watson多年来一直在学习图像分析，我们收购了Merge Healthcare公司，其图像数据将加速这种学习。所以，Watson以后不仅能监测到医学图像中的异常，还能结合从病人的健康手环中获取的更多信息作出判断。”

人们目前讨论最热烈的人工智能应用实例当属机器人，尽管这种目标仍非常遥远。谷歌在这一领域非常活跃，不仅收购了波士顿动力等多家机器人公司，还在开展无人驾驶汽车项目。杰夫·迪恩说：“我认为机器人是人工智能技术用于实践的很好例子。我们已经收购了多家机器人公司，我们打算把深度学习技术应用到机器人身上，这是非常有意思的一个方向。”

哈萨比斯表示他还没有考虑做机器人。“无人驾驶汽车也是一种机器人，但目前只是狭义上的人工智能。比如，特斯拉汽车使用了基于深度学习的现有计算机视觉技术。”哈萨比斯认为将来的深度学习机器人将能打扫房屋，照顾老年人，但很显然做到这一点尚需时日。

AlphaGo的胜利吸引了全世界的目光，让人们再一次对人工智能产生兴趣。

但也有人对此感到不安。在过去一周报道AlphaGo的过程中，我看到了人们对此事的不同反应。有人对李世石的表现感到失望，有人对计算机又在一个领域战胜人类感到害怕。这些都可以理解，但他们都没有看到事情的本质。是实实在在、活生生的人创造了AlphaGo，解决了人工智能领域最重大的挑战之一。DeepMind所获得的成就将产生深远的影响，将会改变我们的生活方式。

正如谷歌董事长施密特在比赛的开幕仪式上所说的那样：“无论比赛结果如何，胜者都是人类。”