深度学习大拿Jürgen Schmidhuber教授这样看人机围棋决战

摘要：

Jürgen Schmidhuber教授是深度学习大拿，毕业于慕尼黑工业大学（TUM） ，现任瑞士人工智能实验室主任，欧洲文理学院院士，2016获IEEE神经网络先锋奖。在人工智能领域有很深的研究。

正文：

首先要恭喜一下AlphaGo机器人赢得了人机围棋大赛前三轮。这个在近日吸引了大量人群看热闹的比赛，现在终于变成了可供大家猜测未来谁主宰世界的话题了。机器学习近几年在媒体平台上成为了流行语，而近来《科学》杂志就发布了一篇通过概率程序归纳的学习方式达到人类水平概念的论文，随后《自然》杂志的封面故事就引用了一个AI（Artificial Intelligence人工智能）程序AlphaGo是如何击败European Go Championship冠军的故事。

自从Google DeepMind AI组织宣布要挑战韩国顶尖棋手Lee Se-dol之后，就在网上炸开了锅，而且比赛还要通过YouTube直播。其实不管是在赛前还是赛后，很多人都在讨论人工智能的潜力，问一些诸如“机器能像人一样学习吗？”“人工智能会超越人类智慧吗？”等等。InfoQ随后也采访到了瑞士人工智能实验室主任Jürgen Schmidhuber教授，他会给大家讲解深度学习的最新趋势以及人工智能的发展状况。

Jürgen Schmidhuber教授是深度学习大拿，毕业于慕尼黑工业大学（TUM） ，现任瑞士人工智能实验室主任，欧洲文理学院院士，2016获IEEE神经网络先锋奖。在人工智能领域有很深的研究。

InfoQ：请您介绍一下什么是深度学习，以及深度学习的发展历史！

Schmidhuber：其实深度学习就像是一个贴着旧标签的新产品，更主要的还是利用许多后续处理步骤来完成深度神经网络，这里面涉及到的后续处理步骤不是几个，而是很多。随着当今计算机计算能力的快速发展，网络技术早已彻底改变了传统的模式识别和机器学习方式。1986年Dechter首次从机器学习这个概念里引申出了深度学习这个专业术语，而Aizenberg et al在2000年的时候提出了Artificial Neural Networks（NNs人工神经网络）概念。

深度学习之父是乌克兰数学家Ivakhnenko。他在1965年发表了第一个通用的可用于深度监督前馈多层感知的学习算法。在1971年，他已经提早用8层感知来描述网络，即使是按目前的标准，他提出来的方法也是很有深度的。更多关于他的历史可以查看我的888 references文献和深度学习入口Scholarpedia。

InfoQ：您怎么看待Google DeepMind团队的AlphaGo程序击败了专业的围棋选手？这是一个具有突破性的事件吗？是什么帮助AlphaGo达到了这样的高度？

Schmidhuber：首先我也替Google DeepMind团队取得的胜利而感到高兴，同时让我感到骄傲的是，这个团队的创始成员里有一半的人是我之前的团队成员。围棋是一个智力类棋盘游戏，根据马尔可夫（Markov）假设来看，在原则上，你先输入的信息就已经决定了你下一步该怎么走，而且是最佳的一步。也就是说，这样的围棋游戏是可以通过传统的强化学习（RL，Reinforcement Learning）方式来解决的，这听上去有点像20年前IBM的Tesauro使用RL从头开始学习五子棋，并于1994年开始参加世界大赛挑战人类。

现如今，我们从计算机上获得益处是不可估量的，基本上每多花1美元，计算机的计算速度就会提升1万倍。在过去的这几年里，自动化围棋系统已经得到了长足的发展。为了让AlphaGo更好的了解人类的思维习惯，DeepMind的系统结合了几个传统的方式，例如监督式学习（Supervised Learning）和基于Monte Carlo Tree Search（蒙特卡洛树搜索算法）的RL学习方式。所以说，在接下来的几年里，机器人向人类挑战围棋的比赛会比较更有看头，更有意思。

但是，马尔可夫假设里的条件不支持真实的现实场景，这也就是为什么类似于足球这样的游戏比象棋或围棋更难去模拟和控制。

InfoQ：最近，谷歌DeepMind宣布进入医疗保健市场。您怎么看？

Schmidhuber：我们对具备深度学习的医疗保健设备很感兴趣，事实上，在2012年，我们在IDSIA研发的首款深度学习设备就已经获得了医学影像大奖。众所周知，世界范围内每年花在医疗设备上的财力GDP的10%，绝大部分钱用在了请专家进行医疗诊断。如果能够实现部分自动化诊断的话，那将能节省数十亿美元的资金，也能让之前无法支付高昂专家诊断费的患者获得专家的诊断。在这种背景下，医院里接下来最宝贵的资产可能就是他们所掌握的数据，这就是为什么IBM会花数十亿资金来投资一家收集这些数据的公司了。

InfoQ：AI在IoT领域的发展潜力是什么？在将来，AI as a Service会成为AI较为有前途的发展趋势吗？

Schmidhuber： Internet of Things（IoT）以后的发展规模肯定会比 Internet of Humans（IoH）大很多，因为从目前的发展趋势来看，机器的数量会远远超过人口的数量，而且机器与机器之间会相互提供AI as a Service服务，广告业务有可能是接下来IoH获利的关键点。总之，物联网的商业模式只会越来越不明显。

InfoQ：机器以后会像人类那样学习吗？

Schmidhuber：暂时还不能，但是不久的将来很难说。或者可以看看learning to think这篇报道：无监督数据压缩是以自适应代理为基础的预测模型的核心成分，这一技术能更好的完成规划和实现目标。

InfoQ：人工智能存在哪些局限性吗？

Schmidhuber：人工智能在本质上的限制性，在85年前就已经被当时的理论计算机科学的创始人Kurt Gödel定义了，那就是可计算性的局限性。Gödel在很早就表明了传统数学是有缺陷的，既在一定的算法上，也在真实陈述不能通过计算程序来证明理论上存在缺陷，（哪怕是通过人工方式或AI方式）。

InfoQ：在您看来，人和计算机之间的理想分工该是什么状态？

Schmidhuber：人类不应该去做那些艰苦而枯燥的工作，而是应该将这些重复性的事情交给电脑来做。

InfoQ：据说您的团队斩获无数大小比赛的奖杯，能说出一些吗？您的团队是如何做到这样优秀的？

Schmidhuber：我为这样的团队感到骄傲，当然获奖是常事，奖杯包括：

• MICCAI 2013 Grand Challenge on Mitosis Detection
• ICPR 2012 Contest onMitosis Detection in Breast Cancer Histological Images
• ISBI 2012 Brain Image Segmentation Challenge
• IJCNN 2011 Traffic Sign Recognition Competition
• ICDAR 2011 offline Chinese Handwriting Competition
• Online German Traffic Sign Recognition Contest
• ICDAR 2009 Arabic Connected Handwriting Competition
• ICDAR 2009 Handwritten Farsi/Arabic Character Recognition Competition
• ICDAR 2009 French Connected Handwriting Competition

如果问我们是怎么做到这一点的，我只能说，团队必须具备创造力、坚持不懈、努力上进和奉献精神等品质外，最重要的是好好利用这些优势。

InfoQ：您最近又在做关于深度学习和人工智能的研究吗？

Schmidhuber：我最近做的相对有趣的研究仍然是我在上世纪80年代初制定的研究方向：“创建一个比我自己还要聪明的AI机器人，这样我就可以退休了。”当然，这远比深度学习研究要难得多，这需要通过自我指示学习算法，不仅能提升系统在某一指定领域里的性能，还能优化它们的学习方式，突破由可计算性的局限性。我从1987年开始做学位论文的时候就开始研究这一课题，直到现在，我终于可以看到它是如何慢慢变为现实的。

InfoQ：从长远角度来看，AI的未来发展会怎样？

Schmidhuber：超级智能的AI将有可能控制整个太阳系，并有可能在数万年之后控制整个银河系，未来宇宙的走向将会是越来越复杂。

查看英文原文：Will AI Surpass Human Intelligence?