來源：IT之家
Google 母公司 Alphabet 旗下的 DeepMind，在這一個月里大動作頻出。
先是在月初推出了蛋白質(zhì)結(jié)構(gòu)預(yù)測 AI —— AlphaFold 2，這個 AI 在 CASP 競賽中拔得頭籌，解決了困擾了學(xué)界 50 年的難題：生物學(xué)家 Andrei Lupas 本人花了十年時間，用盡各種實驗方法也沒能弄清楚一種蛋白質(zhì)折疊后的形狀，但借助 AlphaFold 2 后，他在半個小時內(nèi)就得到了答案。
接著，在月底，DeepMind 在《自然》雜志上發(fā)布論文介紹「進階版 AlphaGo」—— MuZero。簡單來說，MuZero 更「通用」了，它精通國際象棋、圍棋、將棋，還能在數(shù)十款 Atari 游戲上全面超越過去的 AI 算法和人類。但更具革命意義的是，MuZero 不像它的前輩們，它在下棋和游戲前完全不知道游戲規(guī)則，完全是通過自己的試驗和摸索，洞悉棋局和游戲的規(guī)則，形成自己的決策。換句話說，AI 會自己「動腦子」了。
MuZero 就像是 Netflix 熱劇《女王的棋局》里的貝絲 · 哈蒙，在完全不知國際象棋規(guī)則的情況下，憑借幾次觀察就把棋盤「畫」在自己的心里，并通過不斷復(fù)盤棋局強化自己的直覺，最終所向披靡。
不知道規(guī)則，怎么贏棋？
2016 年，AlphaGo 橫空出世，以 4:1 擊敗韓國頂級棋手李世乭，并在 2017 年的烏鎮(zhèn)圍棋峰會上擊敗了世界第一棋手柯潔。中國圍棋協(xié)會甚至當(dāng)即授予 AlphaGo 職業(yè)圍棋九段的稱號。
AlphaGo 依賴的還是 DeepMind 輸入的專家棋法數(shù)據(jù)集，然后它的繼任者 AlphaGo Zero 開始擺脫對「人類數(shù)據(jù)」的依賴，開始通過多次自我對弈積累所需數(shù)據(jù)。2018 年底問世的 AlphaZero 更是在前兩者的基礎(chǔ)上迭代，除了圍棋，它還學(xué)會了將棋和國際象棋。讓人嘆為觀止的是，從第一次見到棋盤，到成為世界級棋類大師，AlphaZero 只用了 24 小時。
「但你不能像下棋一樣，只顧著往前看。你必須學(xué)習(xí)這個世界如何運作。」DeepMind 的首席研究科學(xué)家 David Silver 告訴《連線》，按照這個思路，他們決定不提前告訴 AI 該怎么贏了，「這是我們第一次打造這種系統(tǒng)」。
上面提到的「Alpha」家族，最早需要「人類數(shù)據(jù)」、「領(lǐng)域知識」和「游戲規(guī)則」，至少也還需依賴「游戲規(guī)則」。而剛面世的 MuZero 則沒有這些知識儲備，就像是下棋被蒙著眼，玩游戲背著手。
「Alpha」家族至少也還需依賴「游戲規(guī)則」，而剛面世的 MuZero 則沒有任何知識儲備｜DeepMind
既然 MuZero 連怎么贏棋都不知道，那它又是如何學(xué)習(xí)世界運作原理的呢？先以 AlphaZero 為例，由于它已經(jīng)知曉棋局的規(guī)則，所以它知道一個動作后的下一個棋步是什么樣的，運用深度學(xué)習(xí)中的「蒙特卡洛樹搜索」（MCTS）就能評估不同的下棋可能性，并從中選出最優(yōu)的動作。在這個過程中，AlphaZero 只需要利用「預(yù)測網(wǎng)絡(luò)」這一神經(jīng)網(wǎng)絡(luò)。
而 MuZero 不知道現(xiàn)有的規(guī)則，那么只能從零開始構(gòu)建一個內(nèi)部模型，形成自己對棋局的理解。
首先，MuZero 會利用「表征網(wǎng)絡(luò)」將自己觀察到的棋步收集起來，轉(zhuǎn)化為專屬于自己的知識；
接著，利用「預(yù)測網(wǎng)絡(luò)」形成策略（即最好的「下一步」是什么），判斷價值（即當(dāng)前決策「有多好」）；
最后，借助「動態(tài)網(wǎng)絡(luò)」判斷「上一步有多好」，回收此前做出的最佳棋步，不斷完善自己的內(nèi)部模型。
也就是說，MuZero 并沒有具體的「行事準(zhǔn)則」，它就像是一個小孩，在有了一定思考能力的基礎(chǔ)上，正在不斷完善自己的行事準(zhǔn)則。在此之前，「AlphaGo」雖能輕松擊敗人類，但也只限于圍棋等專精領(lǐng)域，卻無法「觸類旁通」，每遇到新的游戲都需要更改框架，重新學(xué)習(xí)。而掌握了「思考方式」的 MuZero 顯然能做得更多了，也就是，更通用了。
「知道雨傘能讓人不被淋濕，比能對雨滴建模更有用。」DeepMind 用這句話表示，對 AI 來說，它們會的本領(lǐng)看起來越笨，越有實際意義。
在游戲方面，以研究 AI 打撲克出名的 FAIR 研究科學(xué)家 Noam Brown 這樣評價 MuZero：「當(dāng)前人們對游戲 AI 的主要批評是模型不能對現(xiàn)實世界中相互作用進行準(zhǔn)確建模。MuZero 優(yōu)雅而令人信服地克服了這個問題（適用于完美信息游戲）。我認(rèn)為，這是可以與 AlphaGo 和 AlphaZero 相提并論的重大突破！」
這個會思考的 AI，能做什么？
DeepMind 研究表示，MuZero 在不具備任何底層動態(tài)知識的情況下，通過結(jié)合 MCTS 和學(xué)得模型，在各種棋類種的精確規(guī)劃任務(wù)中可以匹敵 AlphaZero，甚至超過了提前得知規(guī)則的圍棋版 AlphaZero。
在實驗中，只要為 MuZero 延長每次行為的時間，它的表現(xiàn)就會變得更好。隨著將每次行動的時間從十分之一秒增加到 50 秒，MuZero 的能力會增加 1000 Elo（衡量玩家的相對技能），這基本相當(dāng)于熟練的業(yè)余玩家和最強的職業(yè)玩家之間的區(qū)別。
開始自我思考的 MuZero 就像人一樣。現(xiàn)實世界混沌、復(fù)雜，人們也沒有具體的行事手冊，只能摸著石頭過河，慢慢形成自己的規(guī)劃能力，進而制定下一步該怎么做的策略。
那么，MuZero 能做什么？
《連線》記者提到了在生化界做了件「大實事」的蛋白質(zhì)結(jié)構(gòu)預(yù)測 AI，接著問起了 MuZero 的實用價值。David Silver 表示，MuZero 已經(jīng)投入實際使用，用于尋找一種新的視頻編碼方式，從而完成視頻壓縮。考慮到大量不同的視頻格式和眾多的壓縮模式，能節(jié)省 5% 的比特已經(jīng)是極具挑戰(zhàn)的任務(wù)。「互聯(lián)網(wǎng)上的數(shù)據(jù)大部分是視頻，那么如果可以更有效地壓縮視頻，則可以節(jié)省大量資金。」由于 Google 擁有世界上最大的視頻共享平臺 YouTube，因此他們很可能將 MuZero 其應(yīng)用到該平臺上。
David Silver 對它的造物有足夠的自信｜WIRED
David Silver 想得更遠，「一個真正強大的系統(tǒng)，它能看到所有你看到的東西，它有和你一樣的感官，它能夠幫助你實現(xiàn)目標(biāo)。另外一個變革性的，從長遠來看，（MuZero 的『強化學(xué)習(xí)』思路）是可以提供個性化的醫(yī)療解決方案的東西。有一些隱私和倫理問題必須解決，但它會有巨大的價值，它會改變醫(yī)學(xué)的面貌和人們的生活質(zhì)量。」
目前，「Alpha 家族」這種規(guī)劃算法也已經(jīng)在物流、化學(xué)合成等諸多現(xiàn)實世界領(lǐng)域中產(chǎn)生影響。然而，這些規(guī)劃算法都依賴于環(huán)境的動態(tài)變化，如游戲規(guī)則或精確的模擬器，導(dǎo)致它們在機器人學(xué)、工業(yè)控制、智能助理等領(lǐng)域中的應(yīng)用受到限制。
而不再「循規(guī)蹈矩」的 MuZero，先摸索規(guī)則、建立內(nèi)部模型再精通的思路，顯然具有更強的可塑性。會自己思考的 AI，離通用 AI 會更近一些。
「我不想給它設(shè)定一個時間尺度，但我想說，人類能實現(xiàn)的一切，我最終認(rèn)為機器都能實現(xiàn)。大腦完成的只是一個計算過程，我不認(rèn)為那里有什么神奇的東西。」David Silver 對它的造物有足夠的自信。
如果說 AlphaGo 確立了 AI 的「圍棋霸權(quán)」，那懂得自己思考的 MuZero，可能會在更多領(lǐng)域確立「霸權(quán)」。
