DeepMind開發(fā)的AlphaGo戰(zhàn)勝了人類圍棋世界冠軍，是人工智能發(fā)展史上的里程碑事件。DeepMind聯(lián)合創(chuàng)始人哈薩比斯在《經(jīng)濟學人》創(chuàng)新峰會上，談了他對人工智能未來的看法。

　　哈薩比斯說：“如果未來的世界沒有AI，我會對這個世界非常悲觀。”他認為如今社會面臨的種種挑戰(zhàn)，包括氣候變化、可持續(xù)性、大規(guī)模不平等、疾病和醫(yī)療問題，人類在這些方面的進展不是很快。因此，哈薩比斯認為，要么我們需要人類行為的指數(shù)級改進，比如，更少的自私，更少的短期主義，更多的合作與慷慨；要么需要技術的指數(shù)級改進。而從目前的跡象來看，他認為人類行為的指數(shù)級改進很難，“這就是我們需要AI這樣的技術實現(xiàn)巨大飛躍的原因”。他相信，AI可以抵消人類貪婪和自私的最壞影響，原因在于人工智能技術可以很容易地用來解決棘手的問題，比如防止災難性的氣候變化。

　　此外，哈薩比斯還談到了深度學習這項技術。在他看來，深度學習很有用，但不足以解決通用人工智能問題。深度學習是解決通用人工智能的一個組成部分，但還需要更多類似的突破和創(chuàng)新。他用大腦來進行類比，“大腦是一個綜合系統(tǒng)，但大腦的不同部分負責不同的任務。海馬體負責情景記憶，前額葉皮質(zhì)負責控制等。你可以把目前的深度學習看作是相當于大腦中的感覺皮層的一樣東西：視覺皮質(zhì)或者聽覺皮質(zhì)。但是，真正的智能遠不止于此。你必須把它重新組合成更高層次的思維和符號推理，這是80年代經(jīng)典AI試圖解決的問題。”

　　哈薩比斯說，DeepMind正在研究怎樣在一些領域改進人工智能，將允許系統(tǒng)超越當今的技術水平進行推理，并且在不同領域之間遷移知識，就像一個會開車的人可以用他開車的知識來開貨車。此外，DeepMind還在研究怎樣提高學習效率，用來減少目前訓練深度學習系統(tǒng)需要的龐大數(shù)據(jù)量。

　　大數(shù)據(jù)處理信息服務商金盛網(wǎng)聚WJFabric認為，深度學習是精于單一領域的研究方式，但時下人工智能的發(fā)展到了一個新的當口，即通用人工智能成為業(yè)界新的共識方向。需求的改變決定了技術發(fā)展的方向，因此之前深度學習的模式需要進行改變，跨領域的知識遷移以及自主推理能力成為新階段人工智能行業(yè)發(fā)展的目標。

　　金盛網(wǎng)聚（北京）科技有限公司成立于2012年，是一家數(shù)據(jù)處理與信息咨詢服務商，公司擁有自主核心技術與服務咨詢的團隊， 公司“WJFbaric-互聯(lián)網(wǎng)大數(shù)據(jù)信息監(jiān)測SaaS平臺”目前注冊使用客戶將近上萬個，為企業(yè)、政府、學術機構、成功人士等提供在線信息收集、展示、閱讀、存儲的免費平臺，公司遠景致力于通過數(shù)據(jù)+計算形成可視化的人工智能決策平臺。