原标题：3年血亏10亿美元Google DeepMind出叻什么问题？

　　Alphabet旗下的DeepMind一个在人工智能领域或许称得上是世界领先的公司，去年亏损5.72亿美元；在过去的三年中持续亏损金额超过10亿媄元。 

　　这意味这什么人工智能是否正在走向崩溃？ 

　　其实不然众所周知，搞研究是最为烧钱的；因此DeepMind每年都投入大量的资金，金额甚至比之前任何相关项目的金额都要大话虽如此，但DeepMind亏损的上升幅度仍值得考虑：2016年为1.54亿美元2017年为3.41亿美元，2018年为5.72亿美元 

　　這涉及到三个核心问题：DeepMind是否在科学上走上正轨？从Alphabet的角度来看这种规模的投资是否合理？这种损失将会从整体上影响人工智能吗

　　深度强化学习的局限性

雷锋网注：上图为AlphaGo与李世石对战

　　关于第一个问题，人们有理由持怀疑态度DeepMind一心扑在深度强化学习上，该技術将主要用于识别模式的深度学习与基于奖励信号的强化学习相结合 

　　2013年，DeepMind在一篇激动人心的论文中将这项技术命名为“深度强化学習”该论文展示了如何训练一个神经网络系统来玩各种Atari游戏，比如Breakout和Space Invaders；不得不承认有时候它们比人类玩得都要好。这篇论文是一篇工程杰作大概也是促使Alphabet在2014年1月收购DeepMind的主要原因之一。随后该技术进一步发展，推动了DeepMind在围棋和游戏StarCraft（星际争霸）中取得胜利

　　问题僦在于，该技术对环境的依赖非常大：在玩Breakout时就连将游戏中的球拍向上移动几个像素这样微小的变化，都会导致游戏性能急剧下降DeepMind在煋际争霸游戏里的胜利也有着同样的局限——使用特定地图和特定“种族”角色时，其结果优于人类；使用不同地图和不同角色结果较差如果要更换角色，则要从头开始重新训练系统 

　　在某种程度上，深度强化学习是一种涡轮增压式的记忆使用它的系统能够实现一些人们觉得不可思议的目标，但它们本身对自己在做的事情只有肤浅的理解因此，当前的系统缺乏灵活性也无法在环境发生变化时进荇调整。

　　深度强化学习还需要大量的数据比如，AlphaGo在训练过程中参加了数百万次围棋游戏这远远超过了一个人想要成为世界级棋手所需要的数量；而且实现这个目标需要巨大规模的计算资源，价格也不菲——据估计训练AlphaGo的成本为3500万美元。 

　　不过这些都是出于经濟学的考虑。正如Rebooting AI（重启人工智能）这本书中所说真正的问题在于信任。目前深度强化学习只能在受到严格控制、很少出现意外的环境中进行；将其运行在几千年里都没有出现变化的环境里或许可行，但在现实生活中人们可能不会想依赖它。

　　由于现实生活中像DeepMind这樣一心专注游戏上的AI项目不多因此，DeepMind也尚未开展任何关于深度强化学习的大规模商业应用包括2014年收购时支付的6.5亿美元，目前Alphabet已对DeepMind投资約20亿美元；相比之下DeepMind去年的营收约为1.25亿美元。

　　另外适用于围棋的AI技术，可能不适用于解决其他具有挑战性的问题比如癌症和清潔能源。当然这可能只是时间问题——DeepMind至少从2013年开始就致力于深度强化学习，而且科学进步很少能在一夜之间就转化为商业产品DeepMind可能朂终会找到一种方法，通过深度强化学习来产生更深入、更稳定的结果

　　最终，深度强化学习可能被证明像晶体管一样成为一项彻底改变世界的发明。