11月26日消息，據《財富》網站報道，Google Brain團隊的聯合創始人杰夫?迪恩在接受《財富》雜志的采訪時談到，研究者在推動人工智能時面臨著的挑戰是如何把監督學習和非監督學習結合起來，他還解釋了強化學習這一AI技術的概念、應用范疇以及一些有趣的具體研究實例，例如，強化學習在棋盤游戲、設置空調旋鈕、讀取街景圖中的所有商業名稱和標志、分析衛星圖像和醫療成像中的應用。

當我們使用谷歌搜索引擎或用谷歌地圖查詢路線時，幕后實際上有個“大腦”正在運行，它負責提供相關的搜索結果，或確保谷歌地圖的用戶在駕駛時不會迷路。

不過，它不是人腦，而是Google Brain（谷歌大腦）研究團隊。該團隊已創立了1000多個深度學習項目，在過去數年中，這些項目讓YouTube、翻譯和Photos等許多谷歌產品的性能得到了大幅提升。利用深度學習技術，研究者可將大量數據輸入到名為神經網絡的軟件系統中，這些神經網絡能夠比人類更快地識別出海量信息中的模式。

在接受《財富》雜志采訪時，Google Brain的聯合創始人兼領導人之一杰夫?迪恩（Jeff Dean）談到了最前沿的AI研究、其中涉及的挑戰以及AI在產品中的應用。

以下為訪談主要內容：

研究者在推動人工智能時面臨著什么挑戰？

人類學習大多源自無監督學習，人們只是觀察著周圍的世界，并理解著周邊事物的表現。而機器學習十分活躍主動，但一些相關的問題還未徹底解決，因此還不屬于監督學習的范疇。

無監督學習是指通過觀察和感知學習，如果計算機可以自己觀察和感知，那么能否有助于解決更復雜的問題？

人類視覺主要以無監督學習的方式得到訓練。一個小孩在觀察世界時偶爾會得到一個監督式信號，別人會說，“這是一只長頸鹿”或“這是一輛車”。而孩子的內心世界自然會對他獲得的少量監督式數據做出響應。

我們需要對監督學習和非監督學習展開更多組合操作。但就目前大多數機器學習系統的工作狀況來看，我們還未真正實現那個階段。

能否解釋一下強化學習（reinforcement learning）這種AI技術？

強化學習背后的理論是，在不知道下一步采取什么行動時，可先采取一種你認為可行的行動，再觀察結果如何，進而摸索一系列行動可能產生的結果。例如，在棋盤游戲中，對對方的棋法做出回應后，最終經過一系列訓練，你就可以獲得某種獎勵信號。

加強學習是，把獎勵或責備與你所采取的所有行動相關聯，并逐步獲得獎勵信號。目前在某些領域這一技術確實很有效。

強化學習面臨的挑戰是，可能采取的行為范疇相當寬泛。在現實生活中，人類會采取各種各樣的行動。而在棋盤游戲中，可下的棋步是有限的，游戲規則會起到一定的約束作用，獎勵信號也十分明朗——贏或輸。

如果目標是研磨一杯咖啡，那么可采取的行動有很多可能性，獎勵信號就沒有那么明確了。

但我們仍可以把步驟分解清楚。例如，在研磨咖啡時，我們可能學到，在沖泡之前，咖啡豆若沒有完全磨碎，泡出的咖啡味道就會很糟糕。

增強學習往往需要探索。因此在物理環境中應用這一技術有點困難。我們開始嘗試在機器人中應用這一技術。當機器人必須采取某種行動時，它會受到行為種類的限制。在計算機模擬中，我們可利用大量計算機、獲得數百萬個范例，應用起來就變得容易多了。

谷歌是否會在核心搜索產品中融入強化學習技術？

谷歌在核心產品中應用強化學習主要是通過DeepMind（谷歌在2014年收購的AI初創公司）與數據中心操作人員之間的協作來實現的。他們利用強化學習來設置數據中心的空調旋鈕，同時極大地節約了消耗的功率。強化學習技術能夠探索怎么有效地設置旋鈕，以及以不同方式旋轉旋鈕時需如何響應。

通過強化學習，工作人員發現原來這18個旋鈕可以這樣設置，此前他們根本不會這么考慮。而且，事實證明，雖然這種設置看起來很奇怪，但運行得相當不錯。

強化學習應用于哪類任務更為適合？

上述例子中，強化學習技術的旋鈕設置方案運行得不錯，因為每次可執行的操作并不多。只有18個旋鈕，我們把旋鈕調高調低就行了。結果很容易觀察到。在適當的溫度范圍內，如果功率使用率得到改善，就可獲得獎勵信號。從這個角度來看，這幾乎可稱得上是一個理想的強化學習案例。

更為棘手的例子或許是它在搜索結果中的應用。對于不同的查詢請求，可呈現的搜索結果比旋鈕設置要寬泛得多，而且獎勵信號有點難辦——用戶對搜索結果是否滿意，這不好判斷。

如果用戶對搜索結果不滿意，你要怎么提供獎勵信號？

這有點棘手。這說明了，強化學習還不夠成熟，還不足以在無約束的、獎勵信號不那么明顯的環境中實現真正的運作。

把研究成果應用于人們每天使用的實際產品時，你們面臨哪些最嚴峻的挑戰？

很多機器學習解決方案以及對這些解決方案的研究可在不同的領域中重復使用。例如，我們與地圖團隊合作展開了一些研究。他們想要讀取出現在街景中的所有商業名稱和標志，以便更好地了解街道的具體環境，例如，這條街上開了比薩店還是其他什么店。

事實證明，為了在街景圖中識別文本，我們可以提供一些已經圈出文本的示例數據，訓練機器學習系統形成一種檢測出圖像文本像素的行為模式。

這是一個通用的功能，地圖團隊可使用這個功能來分析衛星圖像，例如，用來識別美國或世界各地的屋頂來估計太陽能電池板的安裝位置。

同樣的模型也可用于醫學成像分析上。例如，分析醫療圖像，找到圖像中與臨床相關的信息。（靈越）