原标题：3年血亏10亿美元，Google DeepMind出了什么问题？
Alphabet旗下的DeepMind，一个在人工智能范畴或许称得上是国际领先的公司，上一年亏本5.72亿美元；在曩昔的三年中持续亏本，金额超越10亿美元。
这意味这什么？人工智能是否正在走向溃散？
其实不然。众所周知，搞研讨是最为烧钱的；因而，DeepMind每年都投入很多的资金，金额乃至比之前任何相关项目的金额都要大。话虽如此，但DeepMind亏本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。
这涉及到三个中心问题：DeepMind是否在科学上走上正轨？从Alphabet的视点来看，这种规划的出资是否合理？这种丢失将会从全体上影响人工智能吗？
深度强化学习的限制性
雷锋网注：上图为AlphaGo与李世石对战关于第一个问题，人们有理由持怀疑态度。DeepMind专心扑在深度强化学习上，该技能将首要用于辨认模式的深度学习与根据奖赏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能命名为“深度强化学习”，该论文展现了怎么练习一个神经网络体系来玩各种Atari游戏，比方Breakout和Space Invaders；不得不供认，有时候它们比人类玩得都要好。这篇论文是一篇工程创作，大约也是促进Alphabet在2014年1月收买DeepMind的首要原因之一。随后，该技能进一步展开，推动了DeepMind在围棋和游戏StarCraft（星际争霸）中取得成功。
问题就在于，该技能对环境的依靠非常大：在玩Breakout时，就连将游戏中的球拍向上移动几个像素这样细小的改变，都会导致游戏功能急剧下降。DeepMind在星际争霸游戏里的成功也有着相同的限制——运用特定地图和特定“种族”人物时，其成果优于人类；运用不同地图和不同人物成果较差。假如要替换人物，则要从头开端从头练习体系。
在某种程度上，深度强化学习是一种涡轮增压式的回忆，运用它的体系可以完成一些人们觉得难以想象的方针，但它们自身对自己在做的工作只要浅薄的了解。因而，当时的体系缺少灵活性，也无法在环境发生改变时进行调整。
深度强化学习还需求很多的数据。比方，AlphaGo在练习过程中参加了数百万次围棋游戏，这远远超越了一个人想要成为国际级棋手所需求的数量；并且完成这个方针需求巨大规划的核算资源，价格也不菲——据估计，练习AlphaGo的本钱为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，真实的问题在于信赖。现在，深度强化学习只能在遭到严格控制、很少呈现意外的环境中进行；将其运行在几千年里都没有呈现改变的环境里或许可行，但在现实生活中，人们或许不会想依靠它。
商业方面收效甚微
雷锋网注：上图为DeepMind创始人兼CEODemis Hassabis因为现实生活中像DeepMind这样专心专心游戏上的AI项目不多，因而，DeepMind也没有展开任何关于深度强化学习的大规划商业使用。包含2014年收买时付出的6.5亿美元，现在Alphabet已对DeepMind出资约20亿美元；相比之下，DeepMind上一年的营收约为1.25亿美元。
别的，适用于围棋的AI技能，或许不适用于处理其他具有挑战性的问题，比方癌症和清洁动力。当然，这或许仅仅时间问题——DeepMind至少从2013年开端就致力于深度强化学习，并且科学前进很少能在一夜之间就转化为商业产品。DeepMind或许终究会找到一种办法，经过深度强化学习来发生更深化、更安稳的成果。
终究，深度强化学习或许被证明像晶体管相同，成为一项彻底改变国际的创造。
尽管DeepMind现在的战略不如人们所期望的那么丰厚，但它仍是深度强化学习范畴的佼佼者；并且，DeepMind办理紧密，资金足够，具有数百名博士，在游戏和围棋方面又大获成功，正在招引越来越多的人才。假如人工智能范畴的风向发生了改变，DeepMind转向另一个方向，它依然能走在前列。
与此同时，从Alphabet方面来说，对DeepMind的出资并不是一个大赌注；它还在人工智能范畴押下了现在正在快速增加的Google Brain。关于年收入1000亿美元、从查找到广告引荐等中心事务都依靠人工智能的Alphabet来说，进行几笔严重出资并不张狂。
对过度许诺的忧虑
雷锋网注：Facebook经过AI来冲击假新闻终究，DeepMind在经济方面的体现将怎么从总体上影响人工智能，这个问题很难答复。假如炒作超越了实际作用，它或许导致“AI隆冬”的到来，乃至连支持者都不乐意出资。假如亏本持续以每年约两倍的速度增加，连Alphabet也或许被逼抛弃DeepMind，出资者也会从头调整对人工智能的热心。
不仅仅是DeepMind，许多有望完成的前进还没有真实完成。尽管Mark Zuckerberg在2018年4月向国会做出的许诺，即人工智能将很快处理假新闻问题现已得到了平缓；但许诺的本钱历来都不高，对人工智能的热心程度是由终究作用决议的，而不是许诺。
就现在的方式而言，对人工智能进行炒作远比构建人工智能要简单。尽管在广告和语音辨认等有限范畴现已取得了巨大的前进，但它无疑还有很长的路要走。
雷锋网注：本文编译自Wired
