人工智慧明星公司DeepMind首次實現盈利(圖)

2014年，Demis Hassabis（左）與Blaise Agüera y Arcas（右）在倫敦的Wired會議上。（圖片來源：公有領域）

【看中國2021年10月8日訊】（看中國記者李師笑綜合報導）最新數據顯示，2020年，世界上最重要的人工智慧實驗室之一，DeepMind，史上首次實現盈利，實現利潤5960萬美元。2019年還巨虧6.49億美元，目前似乎迎來了轉機。

根據本週二（10月5日）公布的英國公司註冊處文件，DeepMind有史以來第一次實現了盈利。這家總部位於倫敦的研究公司在過去幾年虧損數億美元後，在2020年實現了4380萬英鎊（5960萬美元）的利潤。根據在公司大廈提交的年度業績文件，DeepMind公司的2020年度營業額相較2019年度，增加了兩倍多，從2019年的僅2.655億英鎊增加到2020年的8.262億英鎊。

對於這家高科技公司來說，人工成本是其主要支出。Deepmind雇佣了一大批來自牛津、劍橋等頂尖院校的博士，他們的薪資是其學術薪資的十倍。這些技術專家同時也是微軟、亞馬遜等巨頭公司爭相搶奪的人才。

2014年，谷歌以4億英鎊的價格收購了DeepMind，「如果不是谷歌的收購，DeepMind人工智慧實驗室可能已經破產。」DeepMind聯合創始人胡馬延。謝赫（Humayun Sheikh）表示。自收購以來，Deepmind累計虧損近20億美元。DeepMind的巨額研發資金與虧損，則全部由Google買單。

公開資料顯示，DeepMind公司的人工智慧技術已經在多個領域得到了成功的應用。DeepMind的AI技術已經應用到了谷歌母公司Alphabet的多個產品領域中,包括廣告，銷售，購物，YouTube，文字轉語音，雲，基礎設施和自動駕駛汽車公司Waymo等。

DeepMind最近的商業項目包括與谷歌地圖的合作和改進谷歌虛擬助手的語音服務。與谷歌地圖合作使谷歌地圖服務上的「預計到達時間」準確性提高了50%。在谷歌智能助手中採用DeepMind AI模型WaveNet，使機器的發音更接近真人。同時，谷歌藉助DeepMind的演算法大大降低了數據中心的能耗；DeepMind的「You might also like」建議還將安卓設備上Google Play商店中的應用安裝率提高了20%。

上週Deepmind公布了最近與英國氣象局合作的研究結果，利用機器學習準確地確定了降水的時間、地點和強度。

在醫療領域內，DeepMind也取得了令人矚目的成績，2018年12月，DeepMind的工具AlphaFold通過成功預測43種蛋白質中的25種最準確的結構，贏得了第13屆蛋白質結構預測技術關鍵評估（CASP）。哈薩比斯對《衛報》說：「這是一個燈塔項目，是我們在人力和資源方面對一個基本的、非常重要的、現實世界的科學問題的第一次重大投資。」

2016至2017年，DeepMind公司研發的AI軟體AlphaGo（阿爾法圍棋），震驚了世界。AlphaGo是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智慧機器人。

公開資料顯示，2016年3月，阿爾法圍棋與圍棋世界冠軍、職業九段棋手韓國李世石進行圍棋人機比賽，以4比1的總比分獲勝；2016年末至2017年初，該程序在中國棋類網站上以「大師」（Master）為註冊賬號，與中日韓數十位圍棋高手進行快棋對決，連續60局無一敗績；2017年5月，在中國烏鎮圍棋峰會上，它與排名世界第一的世界圍棋冠軍柯潔對戰，以3比0的總比分獲勝。在GoRatings網站公布的世界職業圍棋排名中，其等級分曾超過排名人類第一的棋手柯潔。

圍棋界公認AlphaGo的棋力，已經超過人類職業圍棋頂尖水平。比較一致的觀點是，它像徵著計算機技術已進入人工智慧的新信息技術時代（新IT時代），其特徵就是大數據、大計算、大決策，三位一體。它的智慧正在接近人類。

DeepMind首席執行官（CEO）Demis Hassabis宣布「要將阿爾法圍棋（AlphaGo）和醫療、機器人等進行結合」。因為它是人工智慧，會自己學習，只要給它資料就可以移植。

DeepMind所採用技術的侷限性

據網路科技媒體報導，DeepMind明顯是把雞蛋都放進了同一個籃子——也就是深度強化學習。這項技術主要用於通過模型識別將深度學習與強化學習加以結合，基於獎勵信號實現學習能力，從而使系統學會如何在遊戲中獲得更高分數、或者在圍棋等遊戲中對抗求勝。

但問題在於，這項技術對初始條件或者說邊界條件，有著可以說是苛刻的要求。也就是說，深度強化學習是一種經過增強的記憶系統；它在某些場景中確實擁有良好表現，但對工作內容的理解程度卻非常有限,因此其靈活性也非常有限。由於無法即時根據周圍環境變化做出調整，最終導致周圍環境的極微小的變化都會顯著影響實際性能。DeepMind之前公布的腎病檢查方案，也因為類似的問題而遭到質疑。

由於目前大多數實際問題都不像遊戲那樣擁有嚴格的場景與條件，DeepMind目前仍拿不出比較像樣的深度強化學習商業方案。與此同時，Alphabet已經在DeepMind身上燒掉了約20億美元（包括2014年收購DeepMind的6.5億美元）。

基於同樣的原因，在圍棋領域大顯身手的技能，也很難解決其它的具有挑戰性的問題，例如癌症與清潔能源。類似的例子是，IBM公司的Watson曾在問答節目當中一鳴驚人，但卻一直無法成功進軍醫學診斷領域。雖能夠在某些病例中提供良好表現，但Watson在另一些病例中卻慘遭失敗。

當然，DeepMind以及其它研究機構，最終也許能夠找到使其深度強化學習技術實現商業產品的轉化方案，或者與其它技術結合產生新的商業機會，但是目前看來，產生真正有影響力的商業產品，還遙遙無期。

人工智慧與人類的關係

人工智慧（Artificial Intelligence，AI）起源於1956年的達特茅斯會議。AI一詞一經提出，就引起了眾多學者的關注與研究，人們致力於讓機器像人一樣具有智能，能夠與人進行自然的人機交互。

近些年來，奇點理論的提出與宣傳，更加使人們擔憂機器是否將會全面替代人類，奇點理論的核心思想即認為機器的智能很快就將超過人類。

根據《科學與社會》雜誌刊文，人們對人工智慧帶來的機器倫理、機器道德的研究越發重視。人工智慧的迅速發展也給人類生活帶來了一些困擾與不安，尤其是奇點理論提出之後，許多人質疑機器的迅速發展會給人類帶來極大的危險，隨之而來的很多機器事故與機器武器的產生更加印證了人們的這種印象。於是，關於機器倫理、機器道德的研究層出不窮。