作者| 田煦阳
编辑| 傅博
Demis Hassabis这个名字在人工智能界绝对称得上是如雷贯耳。
身为希腊裔塞浦路斯人和新加坡华裔混血的他，在年少时就展现出了极高的过人天赋，年仅十三岁便成为了世界国际象棋大师。不过他的职业生涯并非以人工智能为起点展开的，毕业于剑桥大学的他最早凭着自己做出的两部电子游戏而为人熟知。
他在AI届传奇之路的开始还要回溯到2010年的9月，那时他在伦敦和另外两位同事创立了一家人工智能初创公司。Demis把自己对于游戏的热爱也倾注到了这家刚刚诞生的公司里，其从创立之初到现在的宗旨始终如一——通过人工神经网络让计算机以人类的方式学习如何玩电子游戏。
在拿到Elon Musk等人的投资后，谷歌一眼发现了这家目标看似莫名其妙的公司的巨大价值，豪掷4亿英镑（当时约合6.5亿美元）将他们编入旗下。
这家初创公司，叫做DeepMind。
在AlphaGo横扫李世石和柯杰之后，其在围棋界已经达到了独孤求败的境界。DeepＭind正在逐步将目光转移到打造应用场景更为广泛的人工智能产品上，比如说让计算机学会关系推理。
近来，Demis Hassabis出山发表了自己对于人工智能未来看法的见解。
他坚信，若想让人工智能完全发挥自己最大的潜力，唯一的途径是回到神经科学领域，重新深入钻研人类大脑和智慧的奥妙，从中汲取灵感。
当下，绝大部分的AI系统的核心都只是一层层搭建起的数学模型，其从人类大脑工作模式中得到的启发相当有限。
我们要明白的是，机器学习并非一把通往所有人工智能奥秘的万能钥匙，其中的细分领域千差万别。就拿我们最熟悉的语音识别和图像识别举例，虽然主观感觉上它们的工作原理应该十分相似，但其实它们需要不同的数学结构模型；而且最后的成果算法只能用来解决极其具体的个例，应用范围相当有限。
打造出能打包处理生活中各种大事小事的人工智能，一直都是机器学习届长久以来的夙愿。但残酷的真相是，将目前各种偏科生算法（比如有的只擅长语音识别，有的只应付得来图像识别）拓展成多才多艺的“好学生”的难度，远远超乎我们的想象。这很大程度上是因为，人类思想中最为精髓的知觉、想象力和记忆等特质在人工智能的世界还属于襁褓期，甚至压根不存在。
在一篇于本周四在神经科学界最为权威的期刊《神经》(Neuron)上发表的论文中，Hassabis和另外三位共同作者指出，若想突破人工智能应用的天花板，我们必须要对人类自己的智能有着更为深入的了解。
他们详细地阐述了为何要提倡采取这种方法。
首先，他们认为，如果我们能对自身大脑的工作机理有着更好的理解，这无疑能极大地拓展我们为人工智能开发出的数学模型和算法的种类和深度。其次，在构建最先进的AI系统并对其进行海量测试时，我们自身也会反思什么才是真正的“智能”，有机会对这个玄奥的问题产生新的理解。
论文花了大量篇幅来回顾神经科学和人工智能漫长的发展历程，力图对这两者间的关系产生新的认知。他们指出，利用多层人工神经元来理解输入数据的深度学习和在大量尝试与失败的积累中成长起来的强化学习，都与神经科学有着千丝万缕的联系。
这篇论文也犀利地指出，人工智能领域近期取得的成果依然没有有效发挥神经科学本身的优势，更加智能的AI离不开进一步的人格特征——比如说对现实世界的直觉认知以及更加有效的学习方式。
Hassabis和他的同事认为，若想解决此问题，还应加强人工智能和神经科学二者间的联系，使它们齐头并进。“我想我们一定程度上，在密切关注日新月异的算法同时，也应回头看一看神经科学和大脑本身。我们甚至可以利用现有的人工智能系统来研究大脑的工作机理。”
持有相似观点的可不只有Demi Hassabis这位AI届真正的大佬一人。纽约大学(New York University)心理学教授及前Uber AI实验室主任Gary Marcus提出我们可以将在研究孩童认知发展时探索到的知识，应用到机器学习系统的提升之中。
大道理都讲完了，但若是想把这些先进的理念转化到实际的人工智能应用中去可绝非一件轻松的差事。在国外科技媒体the Verge对Demis Hassabis的专访中，他说道：
“人工智能和神经科学尽管同源，曾有着紧密的联系，但现在它们都已经成为了体量极其庞大的专业学术领域。举例来说，神经科学方面的专业论文正在以每年5万篇的速度井喷。”
不要说在两个领域均成为泰斗级人物，若是能在其中一个领域成为专家都已经是相当了不起的成就了。
Demis Hassabis和DeepMind希望能寻找在两方面都有着深厚功力的人才，构建起人工智能和神经科学间的桥梁，以简洁的方式向世人揭示它们之间的紧密关系。
（部分信息来源：MIT Technology Review）