2014年，Demis Hassabis（左）与Blaise Agüera y Arcas（右）在伦敦的Wired会议上。（图片来源：公有领域）
【看中国2021年10月8日讯】（看中国记者李师笑综合报导）最新数据显示，2020年，世界上最重要的人工智能实验室之一，DeepMind，史上首次实现盈利，实现利润5960万美元。2019年还巨亏6.49亿美元，目前似乎迎来了转机。
根据本周二（10月5日）公布的英国公司注册处文件，DeepMind有史以来第一次实现了盈利。这家总部位于伦敦的研究公司在过去几年亏损数亿美元后，在2020年实现了4380万英镑（5960万美元）的利润。根据在公司大厦提交的年度业绩文件，DeepMind公司的2020年度营业额相较2019年度，增加了两倍多，从2019年的仅2.655亿英镑增加到2020年的8.262亿英镑。
对于这家高科技公司来说，人工成本是其主要支出。Deepmind雇佣了一大批来自牛津、剑桥等顶尖院校的博士，他们的薪资是其学术薪资的十倍。这些技术专家同时也是微软、亚马逊等巨头公司争相抢夺的人才。
2014年，谷歌以4亿英镑的价格收购了DeepMind，“如果不是谷歌的收购，DeepMind人工智能实验室可能已经破产。”DeepMind联合创始人胡马延。谢赫（Humayun Sheikh）表示。自收购以来，Deepmind累计亏损近20亿美元。DeepMind的巨额研发资金与亏损，则全部由Google买单。
公开资料显示，DeepMind公司的人工智能技术已经在多个领域得到了成功的应用。DeepMind的AI技术已经应用到了谷歌母公司Alphabet的多个产品领域中,包括广告，销售，购物，YouTube，文字转语音，云，基础设施和自动驾驶汽车公司Waymo等。
DeepMind最近的商业项目包括与谷歌地图的合作和改进谷歌虚拟助手的语音服务。与谷歌地图合作使谷歌地图服务上的“预计到达时间”准确性提高了50%。在谷歌智能助手中采用DeepMind AI模型WaveNet，使机器的发音更接近真人。同时，谷歌借助DeepMind的算法大大降低了数据中心的能耗；DeepMind的“You might also like”建议还将安卓设备上Google Play商店中的应用安装率提高了20%。
上周Deepmind公布了最近与英国气象局合作的研究结果，利用机器学习准确地确定了降水的时间、地点和强度。
在医疗领域内，DeepMind也取得了令人瞩目的成绩，2018年12月，DeepMind的工具AlphaFold通过成功预测43种蛋白质中的25种最准确的结构，赢得了第13届蛋白质结构预测技术关键评估（CASP）。哈萨比斯对《卫报》说：“这是一个灯塔项目，是我们在人力和资源方面对一个基本的、非常重要的、现实世界的科学问题的第一次重大投资。”
2016至2017年，DeepMind公司研发的AI软件AlphaGo（阿尔法围棋），震惊了世界。AlphaGo是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人。
公开资料显示，2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手韩国李世石进行围棋人机比赛，以4比1的总比分获胜；2016年末至2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号，与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。
围棋界公认AlphaGo的棋力，已经超过人类职业围棋顶尖水平。比较一致的观点是，它象征着计算机技术已进入人工智能的新信息技术时代（新IT时代），其特征就是大数据、大计算、大决策，三位一体。它的智慧正在接近人类。
DeepMind首席执行官（CEO）Demis Hassabis宣布“要将阿尔法围棋（AlphaGo）和医疗、机器人等进行结合”。因为它是人工智能，会自己学习，只要给它资料就可以移植。
DeepMind所采用技术的局限性
据网络科技媒体报导，DeepMind明显是把鸡蛋都放进了同一个篮子——也就是深度强化学习。这项技术主要用于通过模型识别将深度学习与强化学习加以结合，基于奖励信号实现学习能力，从而使系统学会如何在游戏中获得更高分数、或者在围棋等游戏中对抗求胜。
但问题在于，这项技术对初始条件或者说边界条件，有着可以说是苛刻的要求。也就是说，深度强化学习是一种经过增强的记忆系统；它在某些场景中确实拥有良好表现，但对工作内容的理解程度却非常有限,因此其灵活性也非常有限。由于无法即时根据周围环境变化做出调整，最终导致周围环境的极微小的变化都会显著影响实际性能。DeepMind之前公布的肾病检查方案，也因为类似的问题而遭到质疑。
由于目前大多数实际问题都不像游戏那样拥有严格的场景与条件，DeepMind目前仍拿不出比较像样的深度强化学习商业方案。与此同时，Alphabet已经在DeepMind身上烧掉了约20亿美元（包括2014年收购DeepMind的6.5亿美元）。
基于同样的原因，在围棋领域大显身手的技能，也很难解决其它的具有挑战性的问题，例如癌症与清洁能源。类似的例子是，IBM公司的Watson曾在问答节目当中一鸣惊人，但却一直无法成功进军医学诊断领域。虽能够在某些病例中提供良好表现，但Watson在另一些病例中却惨遭失败。
当然，DeepMind以及其它研究机构，最终也许能够找到使其深度强化学习技术实现商业产品的转化方案，或者与其它技术结合产生新的商业机会，但是目前看来，产生真正有影响力的商业产品，还遥遥无期。
人工智能与人类的关系
人工智能（Artificial Intelligence，AI）起源于1956年的达特茅斯会议。AI一词一经提出，就引起了众多学者的关注与研究，人们致力于让机器像人一样具有智能，能够与人进行自然的人机交互。
近些年来，奇点理论的提出与宣传，更加使人们担忧机器是否将会全面替代人类，奇点理论的核心思想即认为机器的智能很快就将超过人类。
根据《科学与社会》杂志刊文，人们对人工智能带来的机器伦理、机器道德的研究越发重视。人工智能的迅速发展也给人类生活带来了一些困扰与不安，尤其是奇点理论提出之后，许多人质疑机器的迅速发展会给人类带来极大的危险，随之而来的很多机器事故与机器武器的产生更加印证了人们的这种印象。于是，关于机器伦理、机器道德的研究层出不穷。
