图：DeepMind创始人Demis Hassabis

最近，DeepMind创始人Demis Hassabis接受了The Verge 的专访，他讲述了自己对于AI的看法，认为让AI更聪明的办法其实就在人类自己身上，认为人工智能和神经科学是相辅相成的，可以相互促进。

如今，AI回到了人们的视野中。与目前的计算机设备和大量的数据集比较，AI的研究人员将算法进行优化，而硅谷科技巨头的雄厚财力也没有受到影响。

尽管有人说超级人工智能就在眼前，但从事AI的研究人员才显得更加现实些。他们指出，目前的AI程序的能力有限，并且很容易受到欺骗，不能掌握人生活的基本常识，可见，AI也并不是那么聪明的。那么问题来了，如何让AI变得更加的智能呢？Demis Hassabis则表示：其实答案就在我们自己的身上。Demis Hassabis曾与其他志同道合的朋友发表了一篇评论，他们认为，需要重新把AI与神经科学联系起来，只有获得更多的信息才可以使AI变得更智能。在评论中他们有写到，若将两个学科联系起来那么就会形成良性循环。

为了了解到更多关于AI与神经科学互相联系的知识，The Verge 对Hassabis进行了一次专访（为了使大家了解的更清楚，内容稍微整理了一下）：

（1）请问，你在过去提到DeepMind的最大目标之一是创造AI系统，以帮助进一步的科学发现并作为提高人类独创力的工具，那么，神经科学将如何促进实现这一点呢?

Demis Hassabis：实际上可以有两种方法：一种是将神经科学作为算法和架构的灵感来源，人类的大脑是证明我们试图建造的智能是存在的。但需要我们证明，是否可以有一些想法可以应用到机器学习和AI上。另一种方法是需要我们了解智能究竟是什么，我们应该可以从AI算法中得到一些启发。我们可以把AI系统想成大脑中正在发生的事情的模型。

（2）你在文章中还谈到，AI需要像人类一样，能理解现实世界，比如当待在一间房间里时，能像人类一样对房间里的场景进行说明和推理。研究人员经常谈到这种具体化的认知，并说没有这种具体化的认知就不可能创造出通用AI，你同意吗？

Demis Hassabis：我完全同意，具体化认知是我们的基本原则之一，系统如果可以从感觉和运动神经中建立自己的知识体系，然后可以创造抽象的知识。这同时也是传统人工智能很难解决的一大问题。当逻辑系统与现实世界中交叉时，并不知道那么符号究竟所指什么，这也是传统人工智能的一大绊脚石。

我们一直所关注的就是实用的人工智能，例如我们将AI系统用在电子游戏当中，在游戏当中不会隐藏任何的数据。



（3）论文中一个反复出现的主题是，神经科学如何帮助我们打破目前AI的局限，像谷歌等一些组织正在研究如何将不同的系统组合起来，创造更加灵活的AI系统，你认为将来我们是会继续使用功能有限的AI系统，还是会用更通用的AI系统呢?

Demis Hassabis：追溯AI的历史，专用AI系统更易于编写和创建。要想让通用系统比专用系统的性能还高，这无疑是一个非常困难的问题。如果我们了解一个领域，那么很可能就会创建专用的AI系统，所以通用的AI系统真的很难取代专用AI系统。

但如果想在不同的领域之间建立联系，那么专用的AI系统是做不到的。因为它们有着局限性，所以如果需要进行创新，那么通用的AI系统是唯一的选择。

（4）如果神经科学和AI有如此多能相互学习的地方，为什么它们在一开始就成为两个分支呢?

Demis Hassabis：虽然被分成两个分支，但实际上它们是紧密连接在一起的，不管是神经科学家还是AI科学家，他们的背景是相似的，而且经常在一些会议上讨论，并且有合作。神经科学与AI偏离的较远是在80年代左右的时候。

例如人工智能先驱Marvin Minsky等人证明了原始的神经网络系统无法完成某些任务，但事实证明他们是错误的，就因为它们的研究太过单一。而现在我们在研究的是深度学习系统，这是很庞大的一个网络系统。所以当时他们才会把对神经系统的研究转移了方向，转向对逻辑系统的研究，实际上逻辑系统与神经系统是相差很大的。

AI 沿着专家的路线走，并获得了很多的启发。同时，神经科学也是沿着自己的路线走，形成了目前庞大的领域范围。所以目前这两大领域都沉浸在自己的传统中。很难成为其中一个领域的专家。所以说它们是紧密相连的。

如果你是一个完全没有神经网络方面知识的AI专家，那么你会遇到巨大的困难，每年大约有5万左右关于神经科学方面的论文发表，你就需要做大量的工作，想要在其中找到有用的信息将如大海捞针般的困难。由于这个原因，领域之间的合作越来越少了，反之亦然。AI领域也有很多技术性的知识，对于神经科学方面的专家理解起来也是非常困难的。

这两个学科其实也是不同的，我们DeepMind目前正在做的事，就是找到愿意把精力放在建立这两个学科联系上的人，找到领域之间的联系，并用一些简单的方式对这两个领域进行解释说明。

来源：The Verge