3年血亏10亿美元 Google Deepmind出了什么问题?


?

697f-icmpfwz7024526.jpg

3年失血10亿美元,Google Deepmind出了什么问题?

Alphabet的Deepmind是人工智能领域的世界领先公司,去年损失了5.72亿美元;它在过去三年中持续亏损,总额超过10亿美元。

这是什么意思?人工智能会崩溃吗?

其实并不是。众所周知,研究成本最高;因此,Deepmind每年投入大量资金,甚至超过之前的任何相关项目。话虽如此,DeepMind损失的增加仍值得考虑:2016年为1.54亿美元,2017年为3.41亿美元,2018年为5.72亿美元。

DeepMind是否在科学的正确轨道上?从Alphabet的角度来看,这种投资是否合理?这种损失会影响人工智能吗?

深层强化学习的局限性

e21e-icmpfwz7024607.jpg

雷锋注:上图显示AlphaGo与李世石比赛

关于第一个问题,人们有理由持怀疑态度。 DeepMind专注于深度强化学习,它将主要用于识别模式的深度学习与基于奖励信号的强化学习相结合。

2013年,DeepMind在一篇激动人心的论文中将这项技术命名为“深度强化学习”,该论文展示了如何训练神经网络系统来玩各种Atari游戏,如突破和太空入侵者;有时它们比人类玩得更好。本文是一部工程巨著,可能是2014年1月字母收购DeepMind的主要原因之一。随后,这项技术进一步发展,推动了“深海风”赢得了围棋和星际争霸的胜利。

问题在于,这项技术严重依赖于环境:即使是在玩突破时,即使游戏的球拍发生几个像素的微小变化,也会导致游戏性能的急剧下降。迪普明在星际争霸中的胜利也有同样的局限性。当使用特定的地图和特定的“种族”字符时,结果比人类好;使用不同的地图和不同的角色会导致结果不佳。如果要更改角色,则需要从头重新培训系统。

在某种程度上,深度强化学习是一种涡轮增压的记忆,使用它的系统可以实现一些人不可思议的目标,但他们自己对他们正在做的事情有着肤浅的理解。因此,当前的系统缺乏灵活性,无法随着环境的变化进行调整。

深度强化学习也需要大量的数据。例如,AlphaGo在培训过程中参与了数百万次围棋游戏,远远超过了人们想要成为世界级玩家的数量;要实现这一目标,需要以不昂贵的价格获得巨大的计算资源。据估计,阿尔法戈的培训成本为3500万美元。

然而,这些都是出于经济考虑。正如Rebooting AI一书所述,真正的问题是信任。目前,深度集中学习只能在严格控制且很少发生意外的环境中进行;在几千年没有变化的环境中进行操作可能是可行的,但在现实生活中,人们可能不会考虑它。依靠它。

业务影响不大

d2f1-icmpfwz7024738.jpg

雷锋注:上图显示了Deepmind的创始人兼首席执行官Demis Hassabis

因为像Deepmind这样的现实生活中没有很多AI项目,所以没有用于深度强化学习的大规模商业应用。包括2014年支付的6.5亿美元,目前的Alphabet已在Deepmind投资约20亿美元;相比之下,去年Deepmind的收入约为1.25亿美元。

此外,Go的AI技术可能不适合解决其他具有挑战性的问题,如癌症和清洁能源。当然,这可能只是时间问题。自2013年以来,DeepMind一直致力于深度强化学习,科学进步很少在一夜之间转化为商业产品。 DeepMind最终可能会找到一种方法,通过深度强化学习来产生更深入,更稳定的结果。

最终,深层强化学习可能会像晶体管一样,成为一项彻底改变世界的发明。

虽然DeepMind目前的策略没有人们希望的那么丰富,但它仍然是深度强化学习的领导者;DeepMind管理良好,资金充足,拥有数百名博士学位,并且在游戏和围棋方面都取得了成功。吸引越来越多的人才。如果人工智能领域的风向发生变化,深度风就会转向另一个方向,它仍然可以处于最前沿。

同时,从字母表的角度来看,投资于DeepMind并不是什么大赌注;它也在人工智能领域,即目前谷歌大脑的快速增长。对于一个年收入1000亿美元的字母表和一个依靠人工智能的核心业务来说,从搜索到广告推荐,做一些重大投资并不疯狂。

对过度承诺的担忧

0×251f

雷锋。注:Facebook使用人工智能来打击假新闻

最后,深入研究的经济效益对整个人工智能的影响是很难回答的。如果炒作超过实际效果,可能导致“人工智能冬季”的到来,甚至支持者也不愿意投资。如果亏损继续以每年两倍的速度增长,甚至连字母表也可能被迫放弃深造,投资者将重新调整他们对人工智能的热情。

不仅仅是深谋远虑,许多期望实现的承诺并没有真正实现。尽管马克扎克伯格在2018年4月对国会的承诺,人工智能将很快解决虚假新闻的问题已经得到缓解;但承诺的成本从来都不高,对人工智能的热情程度是由最终效果而不是承诺决定的。

就目前的形式而言,人工智能的推测要比构建人工智能容易得多。尽管在广告和语音识别等有限领域取得了很大进展,但它还有很长的路要走。

雷锋网(公众号:雷锋网)注:本文是从有线编译的

主编:李媛