研发出AlphaGo的DeepMind给谷歌带来的最大价值，是提供一家智能的算法工厂。它将远不止是这家科技巨头的人工智能技术的长远研究机构及人才储备库，打造算法从各种大数据集中获取知识对谷歌而言意义更大。《经济学人·商论》2017一月刊，带你探究谷歌收购的这家人工智能科技公司的秘密。
人工智能
谷歌的海马体
Alphabet已拥有大量人工智能专门技术，为何还需要DeepMind？
人工智能（以下简称AI）科技公司DeepMind的办公室藏身于伦敦国王十字火车站旁边一座不起眼的建筑物内，从外看去，完全不像是Facebook和谷歌这两大科技巨头争相收购的对象。最终，谷歌胜出，在2014年1月以4亿英镑（6.6亿美元）成功收购了DeepMind。但谷歌当初为何要收购这样一家英国AI公司呢？在机器学习及与之相近的AI技术方面，谷歌早已走在前列。DeepMind能给谷歌带来什么价值？
这个问题现在变得更迫切了些。2015年10月之前，谷歌的巨额广告收入为DeepMind这类雄心勃勃的零收入项目提供了充足的庇荫。而后谷歌构建了名为Alphabet的母公司架构，并成为公司旗下唯一盈利的公司。其他业务的综合营收首次从谷歌的资产负债表中拆分出来，因而会受到更多审视。但要了解DeepMind的价值所在并非一个简单的财务问题。其意义更为深远。
DeepMind对谷歌和Alphabet最直接的好处是使其在科技公司围绕AI展开的战略竞争中处于有利位置（见图表）。它吸纳了众多人才，令Facebook、微软、亚马逊等竞争对手对其研究人员求之而不得。公司在国王十字火车站旁的办公楼内现有约400名计算机科学家及神经科学家，据说规模将扩至1000人。
DeepMind为母公司带来的另外一个好处是声望的提升。被收购后，DeepMind已两次登上权威学术期刊《自然》的封面，相关封面的巨幅复制品就张贴在公司大堂的墙上。首次登上封面是因为一款能玩电子游戏的AI程序，第二次则是由于一款学会了下古老的亚洲棋盘游戏围棋的程序。这一以母公司名字命名的软件AlphaGo在2016年3月击败了韩国围棋冠军李世石（如图），一举登上世界各地的新闻头条。
然而，DeepMind的眼光远不止于吸引人才和公众关注。其CEO及联合创始人德米斯·哈萨比斯（Demis Hassabis）将公司描述为一种新型的研究机构：既拥有学术领域的长远眼界，也具备“科技创业公司的活力和专注”，而Alphabet的资金就更不用说了。哈萨比斯在2010年与穆斯塔法·苏莱曼（Mustafa Suleyman）和谢恩·列格（Shane Legg）一起创立了DeepMind。列格与哈萨比斯在伦敦大学学院（University College, London）从事神经科学研究时相识，苏莱曼则是哈萨比斯儿时的玩伴。
正如哈萨比斯所说，公司的整体使命是“解密智能”。这将使公司创造能像人类那样广泛高效思考的多功能“通用型”人工智能。公司接受谷歌收购有几个诱因。一是可藉此获得谷歌的计算能力。另一个则是谷歌的盈利能力：如果是由财力较弱的买家来收购，则更可能对DeepMind设下盈利要求。而谷歌没有这样的要求，哈萨比斯便可专注于研究，而非公司的运营细节。通过把DeepMind留在伦敦，与谷歌位于山景城的硅谷总部保持一段安全距离，他还可以对运营保留更大的控制权。
假如他成功实现了通用AI技术，显然将会为Alphabet带来巨大的价值，等于为之提供了一名可以被无穷复制的数字化员工，用于解决各种问题。但DeepMind的研究计划并不是——或者说尚未成为——一种商业模式，而且其未来规划极为长远。哈萨比斯表示公司正在执行一个20年期的规划。他补充道，DeepMind的目标是发明类似人脑运作方式的AI新算法。正因如此，公司聘用了大批神经科学家。哈萨比斯声称，从人脑寻求灵感使DeepMind大大有别于其他机器学习研究团队，尤其是“深度学习”这一正为“谷歌大脑”团队使用的机器学习的强大分支。
即便DeepMind从来都没研发出达到人类水平（或甚至超人类）的人工智能，但在研究过程中创建的学习软件仍可为Alphabet的其他业务带来好处，而且效果已经显现。今年七月，公司宣布其学习软件已找到方法将谷歌数据中心的制冷用电量减少五分之二。该软件先是分析数据中心的操作日志来理解任务，然后通过反复模拟运行来优化过程。
DeepMind也在应用AI研究来自主解决问题。主管这些工作的苏莱曼曾表达过此种抱负：希望DeepMind能帮助管理能源基础设施，完善医疗保健系统，改善洁净水的供给，以此开拓公司的收入来源。DeepMind已经启动了医疗保健方面的工作。今年11月，公司获得了首个付费工作，与NHS公立医院皇家自由伦敦医院（Royal Free London）签下五年的合同，为其处理170万份病历。今年早前，DeepMind从伦敦其他医院获得了两组数据集：100万份视网膜扫描图，可从中挖掘并辨别出退行性眼病的早期征兆；头颈部癌症病例的医学影像，可输入到DeepMind的模型中，让其AI系统学习区分健康和癌变组织。
神经网络在延展
熟练的程序员及强大的计算机是这类应用型AI业务的关键，不过获取现实世界的数据也至关重要。运用AI及机器学习技术改进医院、电网及工厂等系统时，获取其具体操作数据是必需的。
当然，在这些方面，Alphabet公司拥有大量数据可供挖掘，但DeepMind必须还要从其有意探究的各个领域获取更多数据。例如，最近它参与一个关于唇读的项目之所以取得成功，就是因为获得了前所未有的大数据集。由计算机视觉专家安德鲁·基泽曼（Andrew Zisserman）带领的一组牛津大学的科研人员负责了该项目。BBC向这些研究者提供了数十万小时的新闻播音员录像。没有这些数据，他们就无法训练其AI系统。
关于数据采集之于DeepMind未来的重要性，哈萨比斯轻描淡写地表示，人类工程师只要能就有待解决的问题构建模拟情境就足够了，然后DeepMind便可将学习主体置于这些模拟情境中。但目前运行的大多数机器学习系统并非如此操作。AlphaGo本身就是先在收录了16万盘人类棋局、包含数百万着棋的数据库中学习之后，才反复自我对弈训练，加以改进。不过，DeepMind如果真的需要掌握大量个人信息，就必须解决消费者对于企业获取数据的顾虑。
但如果这些问题得到解决，DeepMind将为Alphabet带来巨大的价值，成为其一个全新的部分：一家算法工厂。这样一来，DeepMind将远不止是该科技巨头的AI技术长远研究机构及人才储备库。DeepMind处理的数据的所有权可归其来源机构（这应有助于减轻人们对隐私外泄的担忧），但通过学习这些数据而打造出的软件将属于Alphabet。
DeepMind自己运用AI程序解决复杂问题也许永远赚不了大钱，但学习软件从那些数据集中获取的知识却意义重大。科技巨头们掀起收购战，Alphabet把DeepMind纳入麾下，原因或许就在于此。
点击“阅读原文”或登录商论APP浏览2017年一月刊原文文章《谷歌的海马体》。（中英双语，一键切换）
互动有礼
即日起，经济学人集团将为每周留言收到点赞最多的
三位读者送出商论订制笔记本
欢迎在下方“写留言”参与评论
本期获奖的是：Amelia, 悠, 奔跑的太阳
请私信告知您的联系方式和邮寄地址
订商论，得年度刊物
The World in 2017《全球展望2017》！
免费下载《经济学人·商论》，新年期间订阅全年即可获赠The World in 2017《全球展望2017》
