零基础AI埃隆·马斯克：SpaceX之外的另一个梦想

前几天，SpaceX的猎鹰火箭刷屏了，所谓“十年寒窗无人问，一举成名天下知”。

在人工智能这样的领域，当然少不了“钢铁侠”马斯克的身影，我们来关注他的另一个投资：OpenAI

OpenAI的官网(openai.com)介绍中，定位为一家非盈利的研究公司，致力于通往安全通用人工智能(Safe AGI)路径的探索与实践。

这里有两个关键词：安全、通用

关于安全，马斯克是一个人工智能威胁论者，曾警示公众“我们需要万分警惕人工智能，它们比核武器更加危险！”

人工智能的研究目的是创造智能体，帮助人类更有效地解决问题。然而在《西部世界》、《银翼杀手》等科幻片中，人工智能也经常让人类陷入噩梦。

马斯克认为，对付这项威胁的方法，是对它的发明、创造和使用进行有效的监管。

关于通用(General)，则是所谓“弱”人工智能与“强”人工智能的分水岭。

从本专栏的前文介绍中，大家可以知道，人工智能的基本方法是通过标签化数据对模型进行训练，图像识别要用海量图片作为数据输入，而语音识别要用海量语音作为数据输入。因此，训练出来的人工智能，都是某一领域的专家，但不能跨领域，是所谓的“弱”人工智能。

如何训练出既能读书写字又会唱歌跳舞，琴棋书画样样皆通的“强”人工智能，是一项很大的挑战。

DeepMind在这一领域作了一些尝试：

AlphaGo学习了人类棋手的经验数据，以4:1战胜人类超一流棋手李世石

AlphaGo Zero是零经验，利用自己与自己下棋产生的数据进行学习（本专栏后文将介绍此处用到的强化学习），以100:0战胜AlphaGo

AlphaZero横跨围棋、国际象棋、将棋，8小时训练战胜AlphaGo，4小时训练战胜可碾压当年“深蓝”的顶级国际象棋程序Stockfish，2小时训练战胜顶级将棋程序Elmo

然而，棋类领域的通用AI，还只算得上是通用人工智能走出的一小步......

回到OpenAI，这家公司提供了人工智能研究领域的成果、平台与工具。

Gym：提供了强化学习算法的训练环境。你可以创建自己的人工智能，零经验学习如何玩电子竞技游戏。（后文将作介绍这一非常有趣的领域）

Universe：提供了一套通用性问题的训练环境。它将人类世界的一类问题，抽象为观察（屏幕像素等）、操作（键盘、鼠标等）、激励（游戏得分、任务成功等信息）的通用界面，智能代理可以像人类使用电脑一样，经由通用界面，与待解决问题进行交互。