DeepMind創辦人:突破人工智慧研究的天花板,關鍵在人類的「大腦」中
DeepMind創辦人:突破人工智慧研究的天花板,關鍵在人類的「大腦」中
2017.07.24 | Google

Demis Hassabis這個名字在人工智慧界絕對稱得上是如雷貫耳。

身為希臘裔賽普勒斯人和新加坡華裔混血的他,在年少時就展現出了極高的過人天賦,年僅十三歲便成為了世界國際象棋大師。不過他的職業生涯並非以人工智慧為起點展開的,畢業於劍橋大學的他最早憑著自己做出的兩部電子遊戲而為人熟知。

ehugvi2echawr5ho.jpg
Demis Hassabis。
圖/ 36 氪

他在AI界傳奇之路的開始還要回溯到2010年的9月,那時他在倫敦和另外兩位同事創立了一家人工智慧新創公司。 Demis把自己對於遊戲的熱愛也傾注到了這家剛剛誕生的公司裡,其從創立之初到現在的宗旨始終如一——透過人工神經網路讓電腦以人類的方式學習如何玩電子遊戲。

在拿到Elon Musk等人的投資後,Google一眼發現了這家目標看似莫名其妙的公司的巨大價值,豪擲4億英鎊(當時約合6.5億美元)將他們編入旗下。

這家新創公司,叫做DeepMind。

2f5jzrihhjjmi3az.jpg
圖/ 36 氪

在AlphaGo橫掃李世石和柯潔之後,其在圍棋界已經達到了獨孤求敗的境界。 DeepMind正在逐步將目光轉移到打造應用場景更為廣泛的人工智慧產品上,比如說讓電腦學會關係推理。

近來,Demis Hassabis出山發表了自己對於人工智慧未來看法的見解。

他堅信,若想讓人工智慧完全發揮自己最大的潛力,唯一的途徑是回到神經科學領域,重新深入鑽研人類大腦和智慧的奧妙,從中汲取靈感。

當下,絕大部分的AI系統的核心都只是一層層搭建起的數學模型,其從人類大腦工作模式中得到的啟發相當有限。

我們要明白的是,機器學習並非一把通往所有人工智慧奧秘的萬能鑰匙,其中的細分領域千差萬別。就拿我們最熟悉的語音識別和圖像識別舉例,雖然主觀感覺上它們的工作原理應該十分相似,但其實它們需要不同的數學結構模型;而且最後的成果算法只能用來解決極其具體的個例,應用範圍相當有限。

打造出能打包處理生活中各種大事小事的人工智慧,一直都是機器學習屆長久以來的夙願。但殘酷的真相是,將目前各種偏科生算法(比如有的只擅長語音識別,有的只應付得來圖像識別)拓展成多才多藝的「好學生」的難度,遠遠超乎我們的想像。這很大程度上是因為,人類思想中最為精髓的知覺、想像力和記憶等特質在人工智慧的世界還屬於襁褓期,甚至壓根不存在。

在一篇於本週四在神經科學界最為權威的期刊《神經》(Neuron)上發表的論文中,Hassabis和另外三位共同作者指出,若想突破人工智慧應用的天花板,我們必須要對人類自己的智慧有著更為深入的了解。

他們詳細地闡述了為何要提倡採取這種方法。

首先,他們認為,如果我們能對自身大腦的工作機理有著更好的理解,這無疑能極大地拓展我們為人工智慧開發出的數學模型和算法的種類和深度。其次,在構建最先進的AI系統並對其進行海量測試時,我們自身也會反思什麼才是真正的「智慧」,有機會對這個玄奧的問題產生新的理解。

論文花了大量篇幅來回顧神經科學和人工智慧漫長的發展歷程,力圖對這兩者間的關係產生新的認知。他們指出,利用多層人工神經元來理解輸入數據的深度學習和在大量嘗試與失敗的積累中成長起來的強化學習,都與神經科學有著千絲萬縷的聯繫。

這篇論文也犀利地指出,人工智慧領域近期取得的成果依然沒有有效發揮神經科學本身的優勢,更加智慧的AI離不開進一步的人格特徵——比如說對現實世界的直覺認知以及更加有效的學習方式。

Hassabis和他的同事認為,若想解決此問題,還應加強人工智慧和神經科學二者間的聯繫,使它們齊頭並進。 「我想我們一定程度上,在密切關注日新月異的演算法同時,也應回頭看一看神經科學和大腦本身。我們甚至可以利用現有的人工智慧系統來研究大腦的工作機理。」

持有相似觀點的可不只有Demi Hassabis這位AI界真正的大佬一人。紐約大學(New York University)心理學教授及前Uber AI實驗室主任Gary Marcus提出我們可以將在研究孩童認知發展時探索到的知識,應用到機器學習系統的提升之中。

大道理都講完了,但若是想把這些先進的理念轉化到實際的人工智慧應用中去可絕非一件輕鬆的差事。在國外科技媒體《The Verge》對Demis Hassabis的專訪中,他說道:

「人工智慧和神經科學儘管同源,曾有著緊密的聯繫,但現在它們都已經成為了體量極其龐大的專業學術領域。舉例來說,神經科學方面的專業論文正在以每年5萬篇的速度高速成長。」

不要說在兩個領域均成為泰斗級人物,若是能在其中一個領域成為專家都已經是相當了不起的成就了。

Demis Hassabis和DeepMind希望能尋找在兩方面都有著深厚功力的人才,構建起人工智慧和神經科學間的橋樑,以簡潔的方式向世人揭示它們之間的緊密關係。

本文授權轉載自:36 氪

關鍵字: #DeepMind
往下滑看下一篇文章
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證

碳纖維因重量輕、強度高,廣泛應用於自行車、汽車、航太及無人機等產業,每公斤原生碳纖維價格可達數百元,部分高階材料甚至高達數千元。然而,這些高價材料製成複合材料後,生產過程產生的邊角料與廢棄物,卻因熱固性樹脂難以分離,往往只能焚化、掩埋或降級使用,讓耗費大量能源製造的碳纖維失去再利用價值。

「產業真正需要的不是把廢棄物處理掉,而是如何把裡面的碳纖維、玻璃纖維重新變成有市場價值的材料。」天翊綠能科技執行長莊文彥指出。深耕複合材料產業約20年的他,於2023年成立天翊,希望透過自主開發的低溫常壓解聚技術,讓廢棄複材重新回到製造業供應鏈。

低溫解聚保留纖維性能,從廢料處理走向材料再生

熱固性複合材料難以回收,關鍵在於樹脂固化後無法像一般塑膠重新加熱熔融。傳統高溫熱裂解雖能去除樹脂,卻可能損傷碳纖維性能;若回收碳纖維強度下降,製造商可能需要增加材料用量以滿足產品的強度要求,反而削弱碳纖維原有的輕量化優勢。

為突破限制,天翊開發低溫常壓化學解聚技術,在約90°C、常壓環境下分離樹脂與纖維,降低高溫處理對纖維性能的影響。不同於將樹脂直接燒除,天翊也推進樹脂回收再利用及化學溶劑循環,提高材料利用效率。根據天翊提供的第三方檢測結果,回收碳纖維在受測性能項目上的表現達原生材料的98%以上。團隊也將回收纖維製成再生碳纖維不織布、板材、塊材及工程材料。

莊文彥表示,再生碳纖維每公斤價格約150至300元,具備成本競爭潛力。天翊也規劃三層商業模式:取得合法處理資格後,協助製造商處理複材廢料並收取處理費;將回收纖維製成再生材料銷售;再與客戶共同開發終端零組件。「我們不希望公司的主要價值停留在『每公斤收多少處理費』,而是希望營收逐步往再生材料與高值應用移動。」莊文彥強調,讓回收材料具備市場需求,才是循環經濟能否持續運作的關鍵。

桃園 SBIR 助攻百公斤級驗證,跨越技術走向產品的關鍵門檻

對技術型新創而言,證明技術可行只是第一步。要讓再生材料進入製造業供應鏈,還必須建立可重複的處理流程、穩定的材料品質及產品驗證機制。這些工作需要投入設備、人力與檢測費用,對商業化初期的天翊而言,是不小的負擔。

在桃園市政府地方型SBIR計畫的研發經費支持下,天翊得以加速推進製程測試、材料檢測與產品驗證。莊文彥指出,過去團隊主要仰賴實務經驗調整回收製程,但要讓技術進入產業應用,還必須建立標準作業流程、進出料紀錄及材料品質數據。透過計畫,天翊逐步完善這些機制,並針對碳纖維自行車、碳纖維預浸布邊料、高壓氣瓶與車用零件等廢料進行測試,完成超過100公斤複材廢料的處理驗證,建立相應的操作條件。

除了製程驗證,補助也支持團隊將回收纖維製成不織布、模具及相關產品,確認再生材料能否符合實際需求。其中,以再生碳纖維氈製作的模具,相較原本的玻璃纖維模具,減重約56.96%;以再生碳纖維氈製作的產品,相較原本玻纖產品,減重約27.77%。這些成果讓天翊不再只能向客戶說明技術可行性,而能透過具體的材料與產品數據,爭取後續合作機會。

天翊也與既有下游夥伴推進汽車零組件應用,累積再生材料進入供應鏈所需的驗證經驗。「SBIR對我們而言,不只是補助研發,而是幫助公司跨過了『實驗室技術走向實際產品』非常重要的一段。」莊文彥表示,政府資源不僅分攤研發成本,更協助團隊補足商業化所需的品質管理與產品驗證基礎。

以桃園為循環基地,從碳纖維走向風機葉片回收

除了研發補助,桃園聚集電子、汽車、航空與複合材料產業,也讓天翊有機會就近尋找廢料來源、加工夥伴及應用客戶。此外,天翊與桃園市政府消防局就高壓氣瓶展開合作,嘗試將回收技術應用於地方政府實際產生的循環需求。團隊目前持續推進桃園廠區設置與再利用相關申請,希望建立「在地廢料、在地回收、在地再製」的產業模式。

不過,即使技術與產品驗證已取得初步成果,天翊仍須完成事業廢棄物再利用相關許可程序,才能依核准條件擴大收料與處理規模。漫長的審查過程雖然增加營運成本,但莊文彥認為,除了回收技術,合法處理資格、穩定料源與產品市場,同樣是建立長期競爭優勢的關鍵。天翊的長期目標則不止於碳纖維。莊文彥補充,當初投入低溫常壓解聚技術,也考量到未來大型風力發電機退役葉片的回收需求。風機葉片主要由玻璃纖維、樹脂及部分碳纖維構成,體積龐大且難以回收,隨著全球風電產業發展,退役葉片處理將成為重要課題。天翊也已取得風機葉片回收處理方法的臺灣發明專利與美國發明專利。

因此,團隊選擇先從材料價值較高的碳纖維切入,累積技術驗證、設備放大與商業化經驗,再逐步拓展至大型風機葉片。「我們希望證明,複合材料不是只能從製造走向廢棄,而是可以從廢棄再回到材料、再回到產業。天翊要做的,就是把這條循環真正建立起來。」莊文彥說。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓