【新智元导读】昨夜，Master 横扫一众围棋高手获得50连胜，引起众人纷纷猜测是不是AlphaGo 重出江湖。谷歌和Deepmind 都没有发表任何评论。但是Deepmind 和其CEO Demis Hassabis 今日发布博文推，总结公司2016年所做工作，其中包括WaveNet 、可微分神经网络计算机、DeepMind Lab 等。文章没有对 Master 做任何评论或声明，但是Deepmind博文说AlphaGo 2017年将要做更多游戏方面的工作。
这是一个极其复杂且难以掌握的世界中，从气候问题到需要努力征服的疾病，我们相信智能程序将能够帮助发掘出可以利用于社会福祉的新科学知识。为了实现这一点，我们认为我们需要通用的学习系统（general-purpose learning systems），这样的系统能够从零发展出它们自己对问题的理解，并且能够利用它们来发现我们可能无法发现的模式和突破。这是我们在 DeepMind 的长期研究工作的重点。
虽然我们距离通用智能的目标还有很长的路要走，但 2016 年是伟大的一年。这一年里，我们在一些主要的潜在挑战上取得了振奋人心的进展，第一次瞥见了人工智能在真实世界中拥有如此的积极影响的潜力。
我们做出了 AlphaGo 程序，在古老的围棋游戏中击败了世界冠军李世石，很多专家曾认为这是再过十年才有可能达成的结果。为此我们很幸运地第二次登上了《自然》杂志的封面。对我们，以及对世界范围的围棋爱好者来说，最令人兴奋的是 AlphaGo 在对弈中展现的创造性，某些情况下它所做的一些移子甚至挑战了围棋千年历史所凝结的智慧。AlphaGo 在围棋游戏中所展现的创造性，提供了 AI 某天可能提供价值的非常具有说服力的迹象。我们期待在 2017 年玩更多的游戏。
我们也在生成模型领域取得了一些重要的进展。在发表有关图像生成的 PixelCNN 模型的论文之后，我们接着在 WaveNet 的论文中展示了 WaveNet 生成音频的效用，它通过创建原始的波形而不是将录音的样本拼接在一起，实现了世界上最逼真的语音合成。我们计划将其应用于 Google 的产品中，期待它能改进数百万用户的产品体验。
另一个重要的研究领域是记忆，特别是把神经网络决策能力和对复杂结构化数据的存储推理能力结合起来，是一个很大的挑战。我们做了一个可微神经网络计算机（Differentiable Neural Computer），在十八个月之内发表了第三篇 Nature 期刊论文，证明我们的模型不但可以模仿神经网络的学习过程，而且能像计算机一样记忆数据。这些模型已经能够学习回答有关家谱图、地铁交通图的数据结构的问题，我们向利用 AI 在复杂数据集中进行科学发现这一目标又近了一步。
同时我们花大量时间改进这些系统的学习过程，把它们的能力范围又扩张了一些。我们在一篇题为“Reinforcement Learning with Unsupervised Auxiliay Tasks”的论文中描述了一种方法，把特定任务的学习速度提高了一个数量级。考虑到高质量训练环境对智能体的重要性，我们开源了 DeepMind Lab 的研究环境，并且和暴雪公司合作开发《星际争霸II》的 AI 训练的环境。
当然，这只是冰山一角，你可以在我们16年在顶级期刊（包括 Neuron 和 PNAS）以及主要的机器学习大会（包括 ICLR 和 NIPS） 发表的很多论文中看到更多我们的成果。神奇的是，我们看到社区其他人已经在用这些论文成果积极地进行开发和实践，看到围棋计算机程序在2016年下半年非凡的大复兴，还有见证了人工智能和机器学习大领域越来越强大。
我们同样惊喜的看到了这项工作给世界带来的实实在在的好处。我们与谷歌的数据中心团队运用了类似 AlphaGo 这样的技术发现了管理制冷系统的新方法，使建筑节能到达了喜人的15%。如果把这些技术应用在其他更大型的工业系统上，就会节省更多的能源开支从而保护生态环境。这个小例子只是我们和谷歌各个团队合作的一个缩影，我们的目的是要将最先进的科研成果植入到更多的产品和基础设施中去。此外，我们还在我们的家乡英国积极推进了与两家国家卫生署医院在深度学习科研方面的战略合作，去探索如何让科技更准确地诊断、治疗形形色色的疾病；我们还和另两家医院合作研发了用于临床的移动应用和基础设施，使病患得到更贴心的医疗护理。
当然，科技给人类社会带来的福利不仅局限于它所解决的实际问题，还在于科技本身的进步——包括算法和模型的设计、训练、规划。令我们引以为豪的是我们参与建立 Partnership on AI，这个组织把一流的实验室与一些非营利组织、社会团体、学术机构联结起来，去尝试建立一种算法透明化、安全化的生态。我们尝试积累更多样化的经验和见解，就是希望帮助更多群体，把造福社会作为世界人工智能事业的核心。
我们还是一个很年轻的公司，才刚起步践行我们的使命。2017年，我们想干成这三件事：实现算法突破，提升社会影响，建立伦理规范。如果做到了这些，我们就能离我们的使命更进一步，继续为科学界、乃至整个世界贡献自己的力量。
原文地址：https://deepmind.com/blog/deepmind-round-up-2016/