天才也勤奋!DeepMind哈萨比斯自述:领导400名博士向前,每天工作至凌晨4点

640?wx_fmt=jpeg

来源:量子位


你见过凌晨4点的伦敦吗?


哈萨比斯天天见。这位DeepMind创始人、AlphaGo之父,一直是全球赞颂的当世天才,但每天要到凌晨4点,才能睡下。


这是哈萨比斯最新采访中透露的作息时间,他告诉《星期日泰晤士报》:


他的一天24小时,有两个工作日。


第一个工作日,是到DeepMind的办公室中,引导公司700名员工(400名拥有博士学位)的工作,来保持DeepMind作为世界领先人工智能公司的地位。


然后在晚上7点半准时回家,和妻子及两个孩子共进晚餐。等到孩子们晚上10点上床睡觉后,他就开始了第二个工作日。


“我一般会熬夜到凌晨4点左右,”他说。“有时候是4点半,看情况而定。”


或许,这也能够从侧面证明,DeepMind何以成为当今最瞩目的AI重镇。


最近,DeepMind又爆发出了耀眼的光芒,宣告自己的霸主地位:


  • AlphaZero登上了《科学》封面,只用一个算法,就在围棋、国际象棋和将棋领域奠定了霸主地位;

  • AlphaFold能根据基因序列来预测蛋白质的3D结构,在有“蛋白质结构预测奥运会”之称的CASP比赛中夺冠,力压其他97个参赛者。


它们是怎么诞生的?未来将会向何处发展?


在接受采访时,哈萨比斯也讲述了这背后的故事。


围棋领域的霸主?远远不够


DeepMind为外界所知,始于2016年AlphaGo大胜世界围棋冠军李世乭。之后,DeepMind推出AlphaGo Zero,一举在围棋领域奠定了霸主地位。


它与之前的程序有很大不同。1999年,击败国际象棋冠军的深蓝,需要国际象棋大师和程序员组成团队,来教它下棋的技巧。


但AlphaGo Zero不需要任何东西。它就像一个出生在围棋世界的婴儿,所拥有的只是一块棋盘和对规则的了解,以及目标:要赢。


就像婴儿学习走路一样,经过成千上万的自我对抗,完善自我的理解与认知,有了直觉。


640?wx_fmt=png


慢慢地,它不仅能掌握人类大师下棋的技能,还会自己发现一些下棋的技能。最后,用这些技能摧毁人类智慧的壁垒。


但哈萨比斯知道,只做到这一步,远远不够。


谷歌收购DeepMind,是希望它能够设计出能够擅长处理很多事的程序,能够推进通用人工智能的落地,然后解决科学和商业上的问题。


事实上,DeepMind已经做了一些事情,比如提供软件完善了Google Play的推荐购买系统,大幅降低谷歌服务器机房的能耗等等。


但是,哈萨比斯发现,向世界证明程序具备通用智能的最好方法是游戏。


在DeepMind的程序成为围棋领域的霸主后,哈萨比斯去参加了一个会议,来讲解他的成就。


曾经是深蓝团队成员默里·坎贝尔(Murray Campbell)问他:“如果去下国际象棋,会怎么样?”


对于一个传统的项目来说,需要从头开始设计一个新系统。但对于AlphaZero来说,只是需要经历一个不同的“婴儿期”而已。


然后,AlphaZero诞生了,再次进入由黑与白组成的世界。


但这一次,棋盘上不再是围棋的黑白子纵横交织,而是国际象棋的骑士、国王、主教和王后。


640?wx_fmt=png


“从早上完全随机地开始游戏,到了下午茶的时间,AlphaZero就可以达到超人类的水平,”哈萨比斯说。“到晚餐时,它就会成为有史以来最强的实体。”


在AlphaZero论文登上《科学》封面时,《科学》杂志评价称,能够解决多个复杂问题的单一算法,是创建通用机器学习系统,解决实际问题的重要一步。


还有很多事情要做


的确,打造通用人工智能,只是“攻克”几种棋类游戏是远远不够的。国际象棋虽然很复杂,但它也非常简单。它有明确的规则,明确的结果,每个人都知道正在发生什么。


现实生活中也有类似的情况,解决方案就是在许多不同的可能组合中选择正确的路径。


就在两周前,DeepMind的AlphaFold在有“蛋白质结构预测奥运会”之称的CASP比赛中夺冠,这对于研发新药至关重要。


但生活中大多数情况都并非如此。


关于人工智能程序,一个最奇怪的事情就是人类创造了它们,但却不理解它们。一旦它们开始运行、学习和迭代,它们的工作方式就像我们自己的大脑一样,始终笼罩着一层迷雾。


640?wx_fmt=png


对哈萨比斯来说,国际象棋是他观察AlphaZero运行的一种方式。在棋盘上,你可以看到代码显现出来。 “我可以感受到棋盘上发生的优化过程,”他说。


让程序解决一个他能理解的问题,比如国际象棋。哈萨比斯从中可以获得新的理解,并将其运用到其他自己不了解的问题中,比如蛋白质结构预测。


“如果骑士当前的位置不是最好的,AlphaZero可能会将它移动六步,来寻找最佳发动攻击的位置。如果你精通国际象棋,你会有种在AlphaZero大脑中的感觉。”


哈萨比斯有更大的计划。他认为,在可以预见的将来,人工智能会像科学家一样工作,提出假设,并设计实验来验证假设,然后“取得可能获得诺贝尔奖的重大突破”。


但是,在前进的道路中,有一个如影随形的“世界末日”问题。一些人认为,与怀疑我们是否能够开发出真正的人工智能相比,要开始考虑我们是否应该开发它们了。


640?wx_fmt=png


和这个领域的大多数人一样,对于这个问题,哈萨比斯事先已经有了答案:人工智能确实存在道德问题,但是这些问题是可以解决的。而且,与人工智能可能引起的困难相比,人工智能可能解决的困难多人类更具吸引力。


“如果我不知道像人工智能这样能够改变游戏规则的东西正在出现,我会对世界未来的走向更加悲观,”他表示。


“从老年痴呆症到气候变化,这个世界有太多的问题存在,在解决方法上,我们似乎没有取得任何进展。要么人类的行为出现指数级的发展,要么技术出现指数级的发展进,而前者似乎并没有什么变化。”


“骑士”哈萨比斯


现在,哈萨比斯并没有关注所谓的“世界末日”问题。相反,他正在享受当前的一切,它不仅关乎未来,也关乎过去。


13岁时,哈萨比斯做了一个计算。尽管知道自己有机会成为世界上最好的棋手,他还是放弃了下棋。


640?wx_fmt=png


然后,他选择了一条他自认为很随意的道路。 就像国际象棋中的骑士一样,AlphaZero为了让它能够在正确的位置发动攻击,先让它走了六步。


哈萨比斯已经朝着某种不可避免的方向前进了。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493247.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

RNN知识+LSTM知识+encoder-decoder+ctc+基于pytorch的crnn网络结构

一.基础知识: 下图是一个循环神经网络实现语言模型的示例,可以看出其是基于当前的输入与过去的输入序列,预测序列的下一个字符. 序列特点就是某一步的输出不仅依赖于这一步的输入,还依赖于其他步的输入或输…

利用flask写的接口(base64, 二进制, 上传视频流)+异步+gunicorn部署Flask服务+多gpu卡部署

一.flask写的接口 1.1 manage.py启动服务(发送图片base64版) 这里要注意的是用docker的话,记得端口映射 #coding:utf-8 import base64 import io import logging import picklefrom flask import Flask, jsonify, request from PIL import Image from sklearn import metric…

2018中国自动驾驶市场专题分析

来源:智车科技未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网&#…

python写日志

需要再加入按照日期生成日志 #coding:utf-8 import logging import logging.handlers class Logger:logFile def __init__(self, logFile):self.logFile logFileself.logger logging.getLogger(mylogger)self.logger.setLevel(logging.INFO)rf_handler logging.handlers.…

MIT科学家Dimitri P. Bertsekas最新2019出版《强化学习与最优控制》(附书稿PDF讲义)...

来源:专知摘要:MIT科学家Dimitri P. Bertsekas今日发布了一份2019即将出版的《强化学习与最优控制》书稿及讲义,该专著目的在于探索这人工智能与最优控制的共同边界,形成一个可以在任一领域具有背景的人员都可以访问的桥梁。REINF…

yolov3 anchors用kmeans聚类出先验框+anchor宽高比分析

一.yolov v3聚类出框 # -*- coding: utf-8 -*- import numpy as np import random import argparse import os# # 参数名称 # parser argparse.ArgumentParser(description使用该脚本生成YOLO-V3的anchor boxes\n) # parser.add_argument(--input_annotation_txt…

Geoff Hinton:全新的想法将比微小的改进更有影响力

来源:AI科技评论摘要:日前,WIRED 对 Hinton 进行了一次专访,在访谈中,WIRED 针对人工智能带来的道德挑战和面临的挑战等问题进行了提问,以下为谈话内容。“作为一名谷歌高管,我认为在公开场合抱…

修改TOMCAT服务器图标为应用LOGO

在tomcat下部署应用程序,运行后,发现在地址栏中会显示tomcat的小猫咪图标。有时候,我们自己不想显示这个图标,想换成自己定义的的图标,那么按如下方法操作即可: 参考网上的解决方案:1、将$TOMCA…

python连接mysql的一些基础知识+安装Navicat可视化数据库+flask_sqlalchemy写数据库

一.mysql基础知识 1.connect连接数据库 import pymysqldef get_conn():conn pymysql.connect(hostxxx.xxx.xxx.xxx, port3306, userroot, passwd, dbnewspaper_rest) # db:表示数据库名称return conn 2.创建表 im…

工业互联网平台创新发展白皮书(2018)

来源:走向智能论坛摘要:近日,在“2018年产业互联网与数据经济大会——首届工业互联网平台创新发展暨两化融合推进会”上,国家工业信息安全发展研究中心尹丽波主任发布并解读了《工业互联网平台创新发展白皮书(2018&…

迭代器模式和组合模式混用

迭代器模式和组合模式混用 前言 园子里说设计模式的文章算得上是海量了,所以本篇文章所用到的迭代器设计模式和组合模式不提供原理解析,有兴趣的朋友可以到一些前辈的设计模式文章上学学,很多很有意思的。在Head First 设计模式这本书中&…

python实现可扩容队列

#coding:utf-8 """ fzh created on 2019/10/15 构建一个队列 """ import datetimeclass LoopQueue(object):def __init__(self, n10):self.arr [None] * (n1) # 由于特意浪费了一个空间,所以arr的实际大小应该是用户传入的容量1sel…

5G 产业链重要投资节点

来源:兴业证券 ▌5G:大通信容量及超低延时,未来多项应用的基础5G:高工作频率以及频谱带宽带来高通信容量5G(5thgeneration)是指第五代移动电话通信标准。3GPP(第三代合作伙伴计划,电信标准化机构)将5G标准分为了NSA(非独立组网)和SA(独立组网…

Kneser猜想与相关推广

本文本来是想放在Borsuk-Ulam定理的应用这篇文章当中。但是这个文章实在是太长,导致有喧宾夺主之嫌,从而独立出为一篇文章,仅供参考。$\newcommand{\di}{\mathrm{dist}}$ (图1:Kneser叙述他的猜想原文手稿)…

python .py文件变为.so文件进行加密

1.mytest.py 需要加密的内容 #coding:utf-8 import datetimeclass Today():def get_time(self):print(datetime.datetime.now())def say(self):print("hello word!")today Today() today.say() today.get_time() 2.执行setup.py 也就是加密脚本 from…

从技术上解读大数据的应用现状和开源未来

来源:网络大数据作者 | 韩锐、 Lizy Kurian John、詹剑锋摘要:近年来,随着大数据系统的快速发展,各式各样的开源基准测试集被开发出来,以评测和分析大数据系统并促进其技术改进。然而,迄今为止,…

十八岁华裔天才携手「量子计算先驱」再次颠覆量子计算

来源:机器之心编译参与:刘晓坤、李泽南摘要:量子计算再一次「被打败了」。今年 8 月,刚刚年满 18 岁的 Ewin Tang 证明了经典算法能以和量子计算机相近的速度解决推荐问题,这位天才少女(更正:不…

resnet系列+mobilenet v2+pytorch代码实现

一.resnet系列backbone import torch.nn as nn import math import torch.utils.model_zoo as model_zooBatchNorm2d nn.BatchNorm2d__all__ [ResNet, resnet18, resnet34, resnet50, resnet101, deformable_resnet18, deformable_resnet50,resnet152]model_urls {resnet18:…

广度优先搜索(BFS)与深度优先搜索(DFS)

一.广度优先搜索(BFS) 1.二叉树代码 # 实现一个二叉树 class TreeNode:def __init__(self, x):self.val xself.left Noneself.right Noneself.nexts []root_node TreeNode(1) node_2 TreeNode(2) node_3 TreeNode(3) node_4 TreeNode(4) node_…

骁龙855在AI性能上真的秒杀麒麟980?噱头而已

来源:网易智能摘要:前段时间的高通发布会上,有关骁龙855 AI性能达到友商竞品两倍的言论可谓是赚足了眼球。高通指出,骁龙855针对CPU、GPU、DSP都进行了AI计算优化,结合第四代AI引擎可以实现每秒超过7万亿次运算&#x…