长期豪赌人工智能,Alphabet是怎样一步一步偷偷改变世界的?

2020 年 8 月 8 日 THU数据派


来源:大数据DT

本文 3344 ,建议阅读 7分钟
本文介绍搜索引擎、Android、DeepMind……Alphabet希望通过理解数据与现实世界事件之间的关系来改变整个世界。他们正通过自动驾驶汽车、生物技术、家庭自动化和互联互通技术,挑战人工智能的极限。


01 Alphabet长期押注人工智能


早在更名为Alphabet之前20年,谷歌公司就是一家典型的人工智能公司。


早在1994年1月,它就通过机器学习彻底改变了互联网搜索。它雇用了该领域最聪明的人才。早在2009年,该公司就开始写下自动驾驶汽车的源代码。


除了成为地球上最大的互联网企业之一,Alphabet在人工智能领域的实力并没有真正得到大众的关注。2014年1月,该公司收购了一家名为DeepMind Technologies的英国人工智能公司。


杰米斯·哈萨比斯(Demis Hassabis)一直在教电脑如何像人类一样玩视频游戏。通过使用一套自定义算法和一台神经图灵机(一种模仿人类短期记忆的外部计算设备),他取得了巨大的技术成就。


这引起了谷歌创始人的注意。


现在DeepMind Technologies表示,其最新的神经网络不再需要人类输入。


一段时间以来,这个秘密的谷歌子公司一直处于人工智能研究的前沿。但这一最新进展是开创性的。


从药物发现到材料设计,这一切都蕴含着巨大的意义。


乍一看,DeepMind Technologies正在做的事情似乎微不足道。它在人工智能的努力很大程度上只是应用于看起来有点高雅的客厅游戏上而已。


2017年5月,阿尔法围棋(AlphaGo)的策略游戏神经网络,成为第一个击败人类围棋选手的人工智能程序。阿尔法围棋的人类对手李世石曾荣获18次世界围棋冠军。


围棋是一款两个人玩的中国棋类游戏,已有2500年的历史。它包括将黑白两色棋子放置在19×19的网格上,目标是比你的对手包围更多的领土。


阿尔法围棋的胜利成为头条新闻。围棋比国际象棋复杂得多。它还扩展了人类一般智力的极限。以前,研究人员发现很难用机器对其进行模拟。


阿尔法围棋是经过历时数月人类训练和无数小时计算机自我训练的产物。当李世石以1比4被击败时,它验证了未经证实的人工智能理论。这意味着目前的常规人工智能结构足以复制高级人类智能。


而现在,DeepMind Technologies的阿尔法围棋零世代(AlphaGo Zero)把这个问题推升到了另一个层次。研究人员向阿尔法围棋零世代展示了游戏规则、棋盘和棋子的标记,但不提供人力培训师,也没有策略方面的课程。


人工智能通过在490万次模拟中与自己对弈,在72小时内学会了围棋。了改进,它必须不断地重新思考它所生成的算法。


然后研究人员将阿尔法围棋零世代与老一代阿尔法围棋配对。结果是丑陋无趣的。阿尔法围棋零世代屠杀了阿尔法围棋,100比0。


它只用了一个神经网络、四个处理器,没有人工助手就做到了这一点。它发明了人类从未考虑过的超级成功的策略。相比之下,阿尔法围棋需要两个网络、48个处理器和历时数月的人工训练。


一些聪明人对控制人工智能发展速度的必要性提出了较为尖锐的看法。比尔·盖茨、埃隆·马斯克、斯蒂芬·霍金等人害怕和反对人工智能应用于军事目的。你可以想象,如果一台武器化的人工智能机器的唯一目的是杀人,它可能会造成多大的伤害。现在,想象一下同样的机器以指数级的速度不断地改进它的技能是多么可怕。


独裁者明白这方面的军事机会。曾有人提出,掌握人工智能的国家将成为新的世界领袖。


这一切足以让科幻电影中的“终结者”起鸡皮疙瘩。


另外,不受人类限制的人工智能机器应该能够做出惊人的壮举。运行无穷无尽的模拟的能力只受计算机能力的限制而且会呈现指数级增长。全新、超高效的人工智能芯片组正在投入使用,下一代硬件正在开发中。


这是一个美丽的新世界。几乎任何事情都是可能的。


Nvidia有一个专门为制药行业设计人工智能架构的部门。研究人员正在利用深度学习来理解大量的生物科学数据。他们正在开发个性化的药物,治疗帕金森症、阿尔茨海默症和癌症。


DeepMind Technologies正在利用其网络更好地理解量子化学。虽然现在下结论还为时过早,但杰米斯·哈萨比斯梦想着找到一种室温超导体,彻底改变电池技术的发展。


投资者需要认识到形势已经发生了变化。他们需要意识到,一些行业将受到巨大冲击,而另一些行业将蓬勃发展。



02 新的谷歌DeepMind Technologies有自己的世界观


Alphabet处于独特的地位。毫无疑问,它是世界上首屈一指的人工智能公司。该公司所做的一切都围绕着人工智能,以及满足其算法对数据的饥渴。


Alphabet联合创始人拉里·佩奇(Larry Page)讲述了一个有趣的故事,讲述了羽翼未丰的谷歌公司是如何进入互联网广告领域的。


他和才华横溢的计算机科学家谢尔盖·布林(Sergey Brin)在斯坦福大学同一间办公室工作。佩奇有了一个主意。1996年春天,互联网正在蓬勃发展,他认为绘制互联网页面之间的链接结构及其关系可能是一项有趣的工作。


1996年3月,拉里·佩奇推出了BackRub,这是一支由搜索引擎机器人组成的军队,其任务是确定网页的双向链接。这些蜘蛛无休止地在网上爬行,根据引文对链接进行编目。随着项目变得越来越复杂,谢尔盖·布林被吸引进来。他和拉里·佩奇同龄,但在学业上领先了两年,因为他19岁就完成了本科学位。


这个项目逐渐成长壮大,它演化成了PageRank。拉里·佩奇和谢尔盖·布林不知疲倦地工作,开发新的数学模型来解决新出现的问题。


谢尔盖·布林解释说,PageRank基本上把整个互联网变成了一个有数亿个变量的数学方程。拉里·佩奇和谢尔盖·布林无意间开发出了最好的搜索引擎。使它如此出色的是其相关性和它的递归基础。随着数据的增加,它变得越来越好—一个人工智能的良性循环。


20世纪90年代末,互联网的繁荣正处于全盛时期。雅虎和当时另一个流行的搜索引擎Excite都诞生于斯坦福大学。拉里·佩奇和谢尔盖·布林试图以160万美元和Excite转股权的低总价,出售PageRank技术。


这个提议被拒绝了。Excite把自己看作一个门户,一个目的地,对他们提出的搜索引擎可能成为其未来业务重要组成部分的想法嗤之以鼻。


所以拉里·佩奇和谢尔盖·布林决定单干。这家公司从斯坦福大学校友、太阳微系统公司(Sun Microsystems)创始人那里获得了10万美元的种子资本,成立了谷歌(Google)。谷歌源自故意拼错的单词googol,意指数字1后面跟着1000个零。


到1999年,谷歌每天执行700万次搜索。没有广告促销,没有广告预算。谷歌最初计划将搜索技术授权给互联网门户网站和企业网站,但收效有限。为了资助业务的增长,以及进一步的机器学习,拉里·佩奇和谢尔盖·布林不情愿地开发了一种广告商业模式。


当时,广告是开展机器学习的唯一途径。


最终,与雅虎网达成的授权协议为谷歌提供了完善算法所需的数据。搜索量增加到每天1亿次。


到2002年,谷歌上的广告业务得到了升级。除了按点击次数和位置付费外,广告商还要与竞争对手开展付费广告竞争业务。这就引入了相关性。这也意味着,只要广告与搜索者的关系更密切,随着点击量增加,广告商最终可能会为每条广告支付更少的费用。


商业模式的重新设计立即引起了轰动。第1年,该公司实现了4.4亿美元的销售额和1亿美元的利润,而且它也成为重要数据的新来源。


从那以后,这就成了公司的商业计划。Alphabet让企业适应其人工智能的发展。它始于搜索引擎业务,然后是旗下的YouTube和Gmail业务。


当iPhone手机问世时,高管们立刻意识到智能手机将成为一个数据金矿。2005年春季,谷歌收购了安迪·鲁宾(Andy Rubin)正在开发的作为iPhone竞争对手的安卓智能手机平台。


安迪·鲁宾承诺安卓系统将具有Linux的灵活性和Windows的全球覆盖范围。


截至2018年上半年,安卓系统占据了全球82%的市场份额,成了Alphabet工程师的数据源泉。当然,他们还有更多的事情要干。


该公司正通过自动驾驶汽车、生物技术、家庭自动化和互联互通技术,挑战人工智能的极限。对Alphabet来说,吸引人之处在于数据为其算法提供支持,商业模式也就随之而来。2017年,Alphabet的销售额增长超过23.7%,对于这样一家超大规模的公司来说,增长速度非常快。


随着该公司借助人工智能将其占主导地位的数字平台引入经济的其他领域,销售额和利润正在加速增长。对很多人来说,Alphabet是一家广告公司。如果从销售额和获得成功的领域来看,情况确实如此。它是世界上占主导地位的数字广告平台,但这没有抓住该公司的本质。广告只是一种工具,它是机器学习驱动的商业模式。


Alphabet希望通过理解数据与现实世界事件之间的关系来改变整个世界。事实上,这家公司拥有比其他任何公司都多的海量数据和软件工程师。


关于作者:乔恩·D·马克曼(Jon D. Markman),一位资深投研分析师、投资组合经理和获奖通讯作者,他是广受欢迎的投研类时事通讯《技术趋势交易者》、《战略优势》和《权力精英》的编辑和创始人。他不仅经常在全国性的会议上、也在电视和广播上谈论这些话题,他还是《福布斯》的长期股权科技投资专栏作家。


本文摘编自投资未来:重构世界与财富的12大科技投资领域》,经出版方授权发布。


——END——


登录查看更多
0

相关内容

Alphabet is mostly a collection of companies. This newer Google is a bit slimmed down, with the companies that are pretty far afield of our main internet products contained in Alphabet instead.
abc.xyz/
【经典书】人工智能在21世纪,1020pdf
专知会员服务
41+阅读 · 2020年8月2日
【哈佛《CS50 Python人工智能入门》课程 (2020)】
专知会员服务
111+阅读 · 2020年4月12日
专知会员服务
124+阅读 · 2020年3月26日
【强化学习】深度强化学习初学者指南
专知会员服务
179+阅读 · 2019年12月14日
王维嘉:暗知识——机器认知的颠覆
亚布力中国企业家论坛
5+阅读 · 2019年3月12日
Gartner:2018人工智能技术成熟度曲线
物联网智库
4+阅读 · 2018年8月17日
2018 怎样让自己更值钱?
Python开发者
3+阅读 · 2018年3月20日
最可怕的不是被机器淘汰,而是……
全球创新论坛
18+阅读 · 2017年10月28日
李开复:人工智能将加大贫富不均 最大受益者是BAT
人工智能机器人联盟
4+阅读 · 2017年10月28日
美国硅谷预测10年后的世界,再不懂你就落伍了
凤凰财经
4+阅读 · 2017年9月14日
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Deep Graph Infomax
Arxiv
17+阅读 · 2018年12月21日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Arxiv
3+阅读 · 2017年12月18日
Arxiv
4+阅读 · 2017年7月25日
VIP会员
相关资讯
王维嘉:暗知识——机器认知的颠覆
亚布力中国企业家论坛
5+阅读 · 2019年3月12日
Gartner:2018人工智能技术成熟度曲线
物联网智库
4+阅读 · 2018年8月17日
2018 怎样让自己更值钱?
Python开发者
3+阅读 · 2018年3月20日
最可怕的不是被机器淘汰,而是……
全球创新论坛
18+阅读 · 2017年10月28日
李开复:人工智能将加大贫富不均 最大受益者是BAT
人工智能机器人联盟
4+阅读 · 2017年10月28日
美国硅谷预测10年后的世界,再不懂你就落伍了
凤凰财经
4+阅读 · 2017年9月14日
相关论文
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Deep Graph Infomax
Arxiv
17+阅读 · 2018年12月21日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Arxiv
3+阅读 · 2017年12月18日
Arxiv
4+阅读 · 2017年7月25日
Top
微信扫码咨询专知VIP会员