编译：刘小芹 胡祥杰

AI复始，万象更新 ！

新智元祝广大订户鸡年大吉！

　　新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】Future of Life 网站采访了 Richard Mallah 和 Ian Goodfellow，讨论 AI 在过去一年取得的进步，以及对2017年的展望。

　　2016年，AI 取得了一些重要的发展。我们采访了 Richard Mallah 和 Ian Goodfellow，和他们一起聊一聊 AI 在过去一年所取得的进步。Richard 是 FLI（Future of Life Institute） AI 项目的主管，他是多家AI 公司的资深顾问，创建了获得最高评价的企业文本分析平台。Ian 是 OpenAI 的研究科学家，Deep Learning 一书的第一作者，同时也是生成对抗网络（GAN）的提出者。

　　Ariel：对我来说，2016年有两件事比较难忘。第一件是 AlphaGo 在3月份击败世界顶级围棋棋手李世石。AlphaGo 是谁？为什么这一成就如此让人难以置信。

　　Ian：AlphaGo 是 DeepMind 的围棋游戏系统。围棋是这样一种游戏：两位玩家轮流在棋盘上放置棋子，玩家需要尽可多地占领领地。但是，每次放置棋子，我们面临的选择都有成百上千次。用计算机来模拟一些不同的围棋游戏，并且弄清楚，这一游戏未来会如何发展，通常被认为是无法实现的。要做到这一点，计算机需要依赖于直觉，正如人类棋手看着棋盘，会得到一种被称为“第六感”东西，告诉他棋局对他是否有利，下一步棋该如何走。要精确地计算出每位玩家下一步棋该怎么走，从计算能力上来说，是不可行的。

　　Richard：DeepMind 团队有一个网络用于所谓的价值学习（value learning），另一个深层网络用于策略学习（policy learning）。从根本上看，所谓的策略指的是，下一步棋该怎么走。价值网络则是关于该状态有多好，也就是智能体（agent）获胜的概率大小。然后它们会执行蒙特卡洛树搜索，这意味着它有一些随机性和许多不同的路径：大约是数千的数量级。所以它更像是一个人在思考一些不同的行动，并试图确定这些动作的效果如何。

　　Ian：从2012年到2015年，我们看到了许多突破，其中最令人兴奋的是AI已经能够复制人的能力。但是到了2016年，我们开始看到的突破是，AI 开始超越人类的表现。AlphaGo 令人兴奋的部分是，AlphaGo 不仅学习如何预测一个人类围棋专家会做什么，它还通过自我对弈，来学习如何比人类最好的棋手做得更好。所以我们开始看到 ，AI 现在能做的事，比人类告诉计算机要去做的事还多。

　　Ariel：那么这将如何应用于我们将日常的交互应用程序中？我们怎样才能开始看到这些技术的影响？

　　Richard：这些技术很多都是研究系统。他们不一定要直接进入产品化的管道，但它们正在帮助在AI系统和机器学习系统中隐含学习的模型，以获得更好的效果。

　　Ian：还有其他的策略，比如，生成和此前的研究类似的新研究，其中一个就是 WaveNet。这是 DeepMind 在2016年推出的语音生成模型。你给系统提供一句话，只需要把这句话写下来，你就能听到计算机把这句话读出来。WaveNet 可以创建一个听起来非常真实的音频波形，如人类发音一般。WaveNet 现在的主要缺点是它相当慢。它必须一次产生一个音频波形。我认为 WaveNet 需要两分钟才能生成一秒钟的音频，所以音频速度还不够快到支持交互对话。

　　Richard：类似的。我们也看到了用来为黑白照片上色、把素描变成逼真图像或者把文本转化成图像的应用。