從2016年3月的一個下午開始，當一個名叫AlphaGo（阿爾法狗）的圍棋電腦程序，在兩年裡，陸續戰勝韓國圍棋九段職業選手李世石，和當時世界圍棋排名第一的中國棋霸柯潔後，關於未來5年裡「人工智能技術無所不能」的炒作，便拉開了序幕。
當然，更直接的影響是，全權研發製作了AlphaGo的英國人工智能公司Deepmind，在僅被Google收購2年後，便譽滿天下。但誰也不會想到，Deepmind來勢迅猛的技術聲譽，又在未來極短的時間內，轉化成了外界對其始終不見商業化有效成果的質疑。
與大多數在2019年進入蕭條期和死前掙扎期的國內人工智能公司一樣，在更看中自由市場商業化落地的歐美，Deepmind從2016年~2019年共計虧損13.55億英鎊（這還不算上收購的6億美元，還免除了2019年15億美元債務），約合人民幣118.5億元（18.38億美元）。
很顯然，虧損總額高達40億美元（約台幣1109億元），讓Google受到了華爾街的指責。但是，根據昨天Deepmind在英國政府機構Companies House上的最新賬目顯示，2020年，這家全球人工智能研發能力最強的企業之一，2020年同比增長率超過300%，達到8.26億英鎊的高收入，終於抹掉了7.8億左右的支出，實現5年來的首次盈利。
但這並不能夠證明Deepmind的商業化模式完全步入正軌。
實際上，從2014年被谷歌以6億美元收購以後，Deepmind作為一家私營商業組織（英國法律有規定，任何年收入超過1020萬英鎊，資產超過510萬英鎊，僱員超過50名的私營公司都必須向政府披露財務狀況），其絕大部分收入仍然來自Google母公司Alphabet給予的訂單。
換句話說，它幾乎是靠Alphabet的哺育，而非外界客戶而生存，商業模式被稱為研發服務。而Deepmind此次並沒有解釋2020年收入增幅如此迅速的原因。
我們只是了解到，Deepmind除了依靠一直以來向Google、Youtube出售軟件，為後者的數據中心做節能優化，提高安卓設備的電池壽命外，又增加了Google地圖的合作項目——提高地圖裡「到達預測時間」的精確度，優化Google語音虛擬助手。很明顯，這些項目訂單金額並沒有一個非常明確的公開付費標準。
也有分析師指出，此次的巨額收入可能要歸功於「創造性的會計形式」，但Deepmind並未對此做任何置評。另外我們需要注意的一點是，Deepmind每年高達幾億英鎊的巨額支出，其中包括員工的薪資、旅行、辦公硬件以及軟件。
「Deepmind最值錢的便是一群頂級科學家的大腦」，一位熟悉Deepmind的消息人士告訴虎嗅，在它全球近千名員工裡，很多人的工資可以達到七位數。「對於研究他們絕不會吝嗇，這裡是科學家的天堂。」然而，一家以盈利為目的的商業組織，成於研究，也必將受制於研究。
沒有頭緒的商業發展軌道
Deepmind在人工智能研究領域，特別是針對「深度學習」與「強化學習」這兩個重要技術分支研究方面做出的貢獻，就像今年7月Deepmind利用人工智能技術在生化科學領域取得的巨大突破——為35萬種蛋白質(包括人類製造的每一種蛋白質)提供了3D結構，這對醫學和藥物設計大有裨益。
這個成績涉及到困擾了生物學家半個世紀的「蛋白質折疊問題」——1972年，在接受諾貝爾化學獎的演講中，克里斯蒂安·安芬森做出了一個歷史性預測：然而，雖然如今測定任何特定酶的確切化學成分都不算太難，但要確定它的三維形狀，可能需要數年的生化實驗。而Deepmind的技術，則大大加快了生化學家們破解這一難題的速度。
因此，當他們公佈自己的人工智能模型AlphaFold通過蛋白質數據庫的數據訓練，已經預測出蛋白質3D形狀時，這個系統不僅被紐約時報、福布斯等雜誌稱為一流的科學成就，還被看作是一個歷史性的時刻。
當然，雖然行業人士認為有朝一日Deepmind科學家有可能獲得諾貝爾獎。但就像大部分諾貝爾獎獲得者一樣，這只是一種開創性的基本見解。而將基本見解轉化為現實世界中創造商業與社會價值的產品，還需要幾十年的時間。
因此，短期來看，我們有權利向Deepmind提出質疑：是否思考過3~5年內有效的商業化路徑？Google是如何看待它持續的研究貢獻和與之不匹配的商業貢獻？
實際上，早在2017年，Deepmind執行長哈薩比斯帶領技術團隊來到中國烏鎮對戰中國圍棋國手們時，我們有幸在現場親眼見證了歷史。而Google當時，就曾明確提及了關於強化深度學習的兩個技術應用方向——一個是對戰式的遊戲設計；而另一個，則是醫療領域的特定疾病預測與篩檢。
但由於當時大眾未受到技術啟蒙，人工智能本身還在散發著巨大的輿論威力。Wired曾披露，Deepmind開發的參與《星際爭霸》遊戲的AI選手，能力非常有限。如果說在一張地圖上啟用某單一角色，它的效果可能會比人類好。但在不同地圖上啟用不同角色，效果就會差很多。
如果要切換角色，你需要從頭訓練系統。「在某種程度上，深度強化學習有點像是死記硬背記憶法，使用它的系統能產生很棒的結果，但他們對自己正在做的事情只有一個膚淺理解。因此，體系缺乏靈活性，無法在世界發生變化時進行補償，有時甚至是微小變化都無法應對。」
而這樣的結果，也同樣阻礙了他們的醫療實際應用進程。在2019年8月，Deepmind曾經在《自然》雜誌上發表了一篇論文，聲稱自己在疾病預測方面取得重大突破——人工智能能夠在急性腎損傷(AKI)發生兩天前做出預測。
但實際情況是，它沒有任何實操性預測。公司只是獲得了一個相關的病人數據集，使用神經網絡找出了AKI與病人之間的模式。此外，這種預測模式只在某些時候起作用，總體準確率為55.8% ，預測越早，準確率越低。
更重要的一點是，這項研究幾乎完全針對男性，更確切地說，是一組90%以上為男性的退伍軍人數據。這對於具有數據偏見和歧視性的人工智能來說，很明顯存在極大漏洞。當然，由於醫療數據必然會涉及到病人隱私，2017年，英國的數據監管機構曾裁定，DeepMind 在幾個主要方面侵犯了病人的權利。
以上便是Deepmind在醫療健康領域奮戰至少5年，卻不見成效的緣由。當然，運行極其隱蔽、規整且很有自己一套作風的英國國家醫療體系，也是技術公司難以撼動的客觀因素之一。
總的來說，2016~2017年大部分人工智能公司之所以最喜歡用遊戲來搞噱頭，是因為遊戲是有嚴格邊界設定的；而現實世界中，卻少有存在明確邊界的問題。
Google保持沉默，但行動告訴了我們結果
站在市值破兆，每年收入高達千億美元的Google角度，每年撥出5億美元並不是一個巨大的賭注。譬如，於今年1月正式被Google關停的互聯網氣球項目Google Loon，曾在2011年成立時發出「讓全球最貧窮偏遠的最後10億人用上互聯網」的壯志豪言。然而，他們在2016年時就已被大幅削減開支，最終沒能挺過疫情肆虐，收入來源歸零的2020年。
對了，2017年Loon項目組穿著卡通鯊魚拖鞋的谷歌工程師們，也曾表示機器學習幫了他們一個大忙——系統可以根據風向來操控氣球移動的角度，讓它們能夠在某一地區小範圍盤旋。
Loon並不是特別的，Google每年虧損幾十億美元的登月業務Other bets，每年都會有很多創新項目或無疾而終，或被CFO和投資者殺人般的眼神不斷凌遲。特別是在Google去年開除人工智能倫理研究員後，大眾對Google這家商業組織的質疑和道德批判，達到了歷史的最巔峰狀態。
值得注意的是，華爾街日報曾在今年5月爆料，Deepmind多年來一直在與母公司Alphabet談判，希望獲得更多自主權，特別是重新建立一套非盈利組織使用的法律架構，這一說法並非沒有緣由。
譬如，2020年在美國Darpa（國防高級研究計劃局）的一次演示中，一架AI控制的F16戰鬥機輕鬆擊敗了一名人類飛行員。而這家軍用技術公司採用的強化學習算法靈感，便來自於Deepmind。
而在2020年12月，美國空軍利用人工智能程序控制了一架U-2間諜飛機上的雷達系統，靈感也來自於DeepMind。這一算法通過數千次模擬任務學會瞭如何引導雷達，以便識別地面上的敵方導彈系統，這在實際任務中對防禦至關重要。
因此，我們不難發現，這家早在2015年便發表公開聲明，敦促世界各國政府禁止研發致命性人工智能武器的公司，堅持基礎研究和無歧視、道德感更強的崇高願望，與「不得不尋找商業化路徑，靠Alphabet續命才得以繼續研究工作」之間的矛盾。
但Deepmind最終在「爭取更多獨立權「的談判中失敗了。哈薩比斯親自將這個結果在今年4月告訴了員工們。而外媒對此結果並不驚訝，甚至觀點大體一致：「Alphabet如何會放棄一個輸血超過數十億美元，並且將全球最聰明的人掌握在自己手裡的機會呢？」
我還記得，2017年，在烏鎮AlphaGo的結束致辭上，氣氛其實有點壓抑。哈薩比斯說了很少的話，他一直用一種很慈祥的目光望著流淚的柯潔，並擁抱了他。但對於人工智能的能力邊界，目光卻溫和而堅定：「我也不清楚人工智能會走向何方，但它的強大會超乎想像。人類科學家不可能在所有數據中正確導航並找到洞察力。我們需要機器學習和人工智能幫我們在這些領域找到突破。但所有的技術本質上都是中性的，它們可以用於好的或壞的方面，所以，我們必須確保它被負責任地使用。」
祝福Deepmind。細微且長期的影響終會迎來變革性的一天。
本文經授權轉載自：虎嗅網
【熱門焦點】
1.Windows 11在台灣上市，這些用戶可免費升級！宏碁、華碩都推新品搭換機潮
2.UNIQLO Taipei旗艦店開箱！99元能買花，還有維力、黑松聯名潮T，亮點一次逛
責任編輯：吳佩臻、錢玉紘
