导航菜单

3年血亏10亿美元:谷歌DeepMind出了什么问题?

?

fe0f-icmpfwz7099043.jpg

3年失血10亿美元,谷歌DeepMind有什么问题?

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,甚至超过以往任何相关项目。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

c631-icmpfwz7097731.jpg雷锋网注:上图为AlphaGo和李世石互相对战

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技术命名为“深度密集学习”,该论文展示了如何训练神经网络系统来玩各种Atari游戏,例如突围和太空侵略者;有时他们比人类更好。本文是一个工程杰作,可能是促使Alphabet于2014年1月收购DeepMind的主要原因之一。随后,该技术得到进一步发展,推动DeepMind在Go和星际争霸中获胜。

问题是该技术在很大程度上依赖于环境:当玩Breakout时,即使游戏中的微小变化也会导致几个像素,但游戏性能会大幅下降。 DeepMind在星际争霸中的胜利也有同样的局限性。使用特定地图和特定的“种族”字符时,结果优于人类;使用不同的地图和不同的角色会导致效果不佳。如果要更改角色,则需要从头开始重新训练系统。

在某种程度上,深层强化学习是一种涡轮增压记忆,使用它的系统可以实现一些人的不可思议的目标,但他们自己对他们正在做的事情有一种肤浅的理解。结果,当前系统缺乏灵活性,并且随着环境的变化无法调整。

深度强化学习也需要大量数据。例如,AlphaGo在培训过程中参与了数百万个Go游戏,远远超过了想成为世界级玩家的人数;实现这一目标需要巨大的计算资源,而且价格不贵。据估计,AlphaGo培训费用为3500万美元。

然而,这些都是出于经济考虑。正如重新启动AI(重新启动人工智能)一书中所述,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

fc2c-icmpfwz7096545.jpg雷锋网注:上图为DeepMind创始人兼首席执行官Demis Hassabis

由于现实生活中没有很多人工智能项目专注于像DeepMind这样的游戏,因此DeepMind还没有推出任何关于深度强化学习的大规模商业应用。包括2014年收购中支付的6.5亿美元,目前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目前的策略并不像人们希望的那样丰富,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,并在游戏和Go方面取得了巨大成功。吸引越来越多的人才。如果人工智能领域的风向发生变化,DeepMind将转向另一个方向,它仍然可以处于最前沿。

与此同时,从Alphabet的角度来看,对DeepMind的投资并不是一个大赌注;它也是人工智能领域,目前Google Brain的快速增长。对于年收入达1000亿美元并且依靠人工智能进行搜索和广告推荐等核心业务的Alphabet来说,做一些重大投资并不是一件容易的事。

对过度承诺的担忧

96e4-icmpfwz7095283.jpg雷锋网注:Facebook使用人工智能打击假新闻

最后,一般来说,DeepMind的性能如何影响人工智能,这个问题很难回答。如果炒作超过实际效果,可能会导致“AI冬天”的到来,甚至支持者都不愿意投资。如果损失继续以每年两倍的速度增长,甚至Alphabet也可能被迫放弃DeepMind,投资者将重新调整他们对人工智能的热情。

不仅仅是DeepMind,许多预期尚未实现的承诺尚未实现。虽然马克扎克伯格在2018年4月对国会的承诺,即人工智能将很快解决虚假新闻的问题已经缓解;但承诺的成本从来都不高,人工智能的热情程度取决于最终效果而非承诺。

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。

雷锋网注:本文是从有线编译的