出处：太平洋电脑网 作者：佚名
如果突然让你说出一个专注于AI领域的知名公司，你第一个反应会是谁？显然，研发人工智能围棋选手阿尔法Go的Deepmind（谷歌旗下）显然是个响当当的名字。
Deepmind近日披露其去年亏损 5.72 亿美元。而在过去的三年中其持续亏损金额已超过 10 亿美元。这难道意味着人工智能根本不赚钱吗？
搞研究实则是很烧钱的;因此，Deepmind 每年都投入大量的资金，金额甚至比之前任何相关项目的金额都要大。 话虽如此，但 DeepMind 亏损的上升幅度仍值得考虑：2016 年为 1.54 亿美元，2017 年为 3.41 亿美元，2018 年为 5.72 亿美元。
这涉及到三个核心问题：DeepMind 是否在科学上走上正轨?从谷歌的角度来看，这种规模的投资是否合理?这种损失将会从整体上影响人工智能吗?
强化学习的局限性
关于第一个问题，人们有理由持怀疑态度。DeepMind 一心扑在 强化学习上，该技术将主要用于识别模式的 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这项技术命名为“ 强化学习”，该论文展示了如何训练一个神经网络系统来玩各种 Atari 游戏，比如 Breakout 和 Space Invaders;不得不承认，有时候它们比人类玩得都要好。 这篇论文是一篇工程杰作，大概也是促使 Alphabet 在 2014 年 1 月收购 DeepMind 的主要原因之一。随后，该技术进一步发展，推动了 DeepMind 在围棋和星际争霸中取得胜利。
问题就在于，该技术对环境的依赖非常大：在玩 Breakout 时，就连将游戏中的球拍向上移动几个像素这样微小的变化，都会导致游戏性能急剧下降。DeepMind 在星际争霸游戏里的胜利也有着同样的局限——使用特定地图和特定“种族”角色时，其结果优于人类;使用不同地图和不同角色结果较差。如果要更换角色，则要从头开始重新训练系统。
在某种程度上， 强化学习是一种涡轮增压式的记忆，使用它的系统能够实现一些人们觉得不可思议的目标，但它们本身对自己在做的事情只有肤浅的理解。因此，当前的系统缺乏灵活性，也无法在环境发生变化时进行调整。
强化学习还需要大量的数据。比如，AlphaGo 在训练过程中参加了数百万次围棋游戏，这远远超过了一个人想要成为世界级棋手所需要的数量;而且实现这个目标需要巨大规模的计算资源，价格也不菲——据估计，训练 AlphaGo 的成本为 3500 万美元。
不过，这些都是出于经济学的考虑。正如 Rebooting AI (重启人工智能)这本书中所说，真正的问题在于信任。目前， 强化学习只能在受到严格控制、很少出现意外的环境中进行;将其运行在几千年里都没有出现变化的环境里或许可行，但在现实生活中，人们可能不会想依赖它。
商业方面收效甚微
由于现实生活中像 Deepmind 这样一心专注游戏上的 AI 项目不多，因此，Deepmind 也尚未开展任何关于 强化学习的大规模商业应用。包括 2014 年收购时支付的 6.5 亿美元，目前 Alphabet 已对 Deepmind 投资约 20 亿美元;相比之下，Deepmind 去年的营收约为 1.25 亿美元。
另外，适用于围棋的 AI 技术，可能不适用于解决其他具有挑战性的问题，比如癌症和清洁能源。当然，这可能只是时间问题——DeepMind 至少从 2013 年开始就致力于 强化学习，而且科学进步很少能在一夜之间就转化为商业产品。DeepMind 可能最终会找到一种方法，通过 强化学习来产生更深入、更稳定的结果。
最终， 强化学习可能被证明像晶体管一样，成为一项彻底改变世界的发明。
虽然 DeepMind 目前的战略不如人们所希望的那么丰富，但它仍是 强化学习领域的佼佼者;而且，DeepMind 管理严密，资金充足，拥有数百名博士，在游戏和围棋方面又大获成功，正在吸引越来越多的人才。如果人工智能领域的风向发生了变化，DeepMind 转向另一个方向，它仍然能走在前列。
与此同时，从 Alphabet 方面来说，对 Deepmind 的投资并不是一个大赌注;它还在人工智能领域押下了目前正在快速增长的 Google Brain。对于年收入 1000 亿美元、从搜索到广告推荐等核心业务都依赖人工智能的 Alphabet 来说，进行几笔重大投资并不疯狂。
对过度承诺的担忧
最后，DeepMind 在经济方面的表现将如何从总体上影响人工智能，这个问题很难回答。如果炒作超过了实际效果，它可能导致“AI 寒冬”的到来，甚至连支持者都不愿意投资。如果亏损继续以每年约两倍的速度增长，连 Alphabet 也可能被迫放弃 Deepmind，投资者也会重新调整对人工智能的热情。
不仅仅是 DeepMind，许多有望实现的进步还没有真正实现。虽然 Mark Zuckerberg 在 2018 年 4 月向国会做出的承诺，即人工智能将很快解决假新闻问题已经得到了缓和;但承诺的成本从来都不高，对人工智能的热情程度是由最终效果决定的，而不是承诺。
就目前的形式而言，对人工智能进行炒作远比构建人工智能要容易。虽然在广告和语音识别等有限领域已经取得了巨大的进步，但它无疑还有很长的路要走。
