762      技術社區[雲棲]

專訪阿裏研究員袁全：從 AI 玩《星際爭霸》談認知智能的現狀與趨勢

不同於以提升點擊率和轉化率等優化指標為主的機器學習模型，認知計算以實現算法和智能化為核心，訓練智能體的自主學習能力，以及多個智能體之間的協作和配合能力，和原來優化大數據和算法具有很大的區別。近日，筆者就認知計算、應用場景、算法優化、深度學習以及雲計算&大數據技術的關係等問題與阿裏認知計算實驗室研究員、資深總監袁全進行了深入探討。

深耕細作，瞭望人工智能新征程

“人工智能時代，我們專注認知計算研究，以積累核心算法係統為首要目標”——袁全。

袁全的研究始於06年開始的個性化推薦，彼時他在IBM研究院率先研發這一新技術。在12年加入阿裏後，他主要負責手機淘寶、天貓的個性化推薦技術，包括算法、平台和產品的協同。袁全和他的團隊致力於個性化推薦算法，典型產品有“有好貨”、“猜你喜歡”等。15-16年團隊主要研究淘寶首頁的全麵個性化，在去年年中的時候，以AlphaGo為代表的人工智能、認知決策技術的升級帶來了非常多的新理念和新技術，袁全所帶領的新團隊也轉戰認知計算這一領域，目標是在人工智能時代，積累核心算法係統和能力。

挑戰與機遇並存，認知學習深入解讀

“最大的挑戰在於它是一個非常新的多種類交叉學科，涉及內腦科學、認知心理學、機器學習甚至是博弈論，是一個全新的開始”——袁全。

推薦是經典的機器學習&大數據任務，依賴於每天產生的上億用戶數據，而認知計算最核心的能力是實現算法的智能化，提升智能體的自主學習能力，對大數據依賴性會變弱。從商品推薦到認知計算這一轉變過程中，最重要的是要依靠認知科學來啟發算法的認知設計，袁全表示，因為人腦是我們唯一所知的具有舉一反三學習能力的物體，所以其中最大的挑戰就在於它是一個非常新的多種類的交叉學科，涉及腦科學、認知心理學、機器學習甚至是博弈論，是一個全新的開始。

最近袁全帶領團隊在星際爭霸遊戲中對智能體的研究，則恰好驗證了這一點。他們與倫敦大學學院計算機係汪軍教授緊密配合，發布並開源了Gym StarCraft框架，探索新的訓練智能體的方式，而不再像以前那樣僅以提升學習指標為目標，而是致力於在一個幹淨的的環境中，訓練智能體的自主學習能力，以及多個智能體之間的溝通與協作。事實上，《星際爭霸》有其自身的特點，它的搜索空間比圍棋更大，圍棋是10的100次方數量級，而完整的星際遊戲卻是10的1000次方，整整大了10個數量級。而且不同於圍棋雙方博弈的透明性，《星際爭霸》的決策是不確定性博弈，需要平衡短中長期的收益，與電商中的若幹主要問題聯係也很密切。（** 論文下載：**Multiagent Bidirectionally-Coordinated Nets for Learning to Play StarCraft Combat Games）

深度學習作為認知學習中重要推動力和實驗工具，也已演化成研究智能的一個非常重要的平台，包括越來越多的國內外高校都在用深度學習去模擬人腦結構，尤其是深度神經網絡對人腦的羅列和實現能力。當然後續也會結合其他流派的一些算法，例如結合符號主義、概率推理等，從而實現更好的學習能力。

機遇與挑戰並存，更好的學習能力往往意味著更艱難的當下。袁全表示，在應用過程中，團隊不斷改進算法等技術，以期實現更佳的效果和用戶體驗。細化到算法調優上，不僅從agent通信機製間提高通信效率，還兼顧agent個體和全體收益，智能體的反饋激勵機製優化、全局和動態信息的組合運用等，使得模型的通用性和擴展能力大大增強。

不過隨著智能發展的火爆，各種AI威脅論也隨之發酵。從團隊的整個學習過程，以及AlphaGo等例子來看，智能的學習能力確實很有可能超越人類，機器協同效率遠高於人的協同效率，很可能是一個催化要素，加之硬件和算法不斷進步，智能對人類的威脅的確可能存在。現在看來最好的方式，是開放研究、共享新技術，多方共同逼近和實現目標；同時在AI的機製設定上，多引導其往人類不擅長、解決不了的問題上進行，與人類形成良性協作，相互增強。

另外，袁全還談到了雲計算、大數據與認知學習的微妙關係。誠然，智能體的訓練對海量數據的處理能力提出了更高的要求，三者相輔相成，但是目前從很多的進展來看，小樣本學習的技術也在不斷提升，所以數據量級並非越大越好，學習能力越強的智能體對數據的依賴程度越低，這也是一個新的認知。

立足當下，美好藍圖亟待描繪

“引進智能化，理想情況就是說，每個用戶背後都會有個智能體在專注地為他服務”——袁全。

在研究認知計算的過程中，袁全的團隊由淺入深，不斷補綴；結合AI在推薦等領域的應用，袁全認為利用AI去解決推薦的驚喜性問題，是一個技術和商業的很好結合。基於AI提供用戶需要但自身並未意識到的商品和信息服務，逐步引進智能化，理想情況就是說，每個用戶背後都會有個智能體在專注地為他服務。

給初學者的建議

對於想要從事個性化推薦、認知計算、通用智能的同學，袁全表示，紮實的功底必不可少，包括基礎的編程能力和數學能力。在此之上，再根據個人的特點選擇分支：甚至是一些偏深入研究的方向，例如，受腦神經科學啟發的認知學習機製；或者選擇通用智能領域，很多做通用智能的人都具有紮實的機器學習、強化學習背景；最後是非常重要的工程和係統架構能力，這是實現智能必不可少的一點。

最後更新：2017-05-25 17:31:19

  上一篇：  收錄對網站優化起到什麼作用？

  下一篇：  5月25日雲棲精選夜讀：