硅谷封面｜控制AI之战：揭秘谷歌与DeepMind的爱恨情仇(14) 划重点：1.《

当布莱肯问苏莱曼是否会赋予IRP成员非执行董事的问责和治理权力时，苏莱曼对此嗤之以鼻。 IRP主席朱利安·赫珀特(JulianHuppert)辩称，该小组提供了比布莱肯预期的“更激进的治理权限” ，成员能够公开发言，不受保密协议的约束。

这段插曲表明， DeepMind运营的外围部分很容易受到谷歌的影响。 DeepMind在一份声明中说：“我们都同意，在增加资源的情况下，将这些努力集中起来是有意义的。 ”这就引出了一个问题：谷歌是否会将同样的逻辑应用到DeepMind的AGI工作中。

前路漫漫，现实与技术挑战并存

从长远来看， DeepMind看上去已经迈出了很大一步。该公司已经开发出软件，可以学习在超人水平上执行任务。哈萨比斯经常以雅达利游戏机上的电子游戏《Breakout》为例，玩家控制球棒在屏幕底部水平移动，用它将球反弹到悬浮在其上方的方块，并在撞击时将其摧毁。

当所有的方块都被抹去时，玩家就赢了。如果玩家用球棒打偏了球，她就输了。在没有人类的干预下， DeepMind的程序不仅学会了玩游戏，而且还研究出了如何将球轰到方块后面的空间，以及如何利用反弹来突破更多的方。哈萨比斯说，这证明了强化学习的力量和DeepMind计算机程序的超自然能力。

这是个令人印象深刻的演示。但哈萨比斯漏掉了几件事。第一，如果虚拟球棒被移动到更高的位置，程序就会失败。 DeepMind的程序所学到的技能是如此有限，以至于它甚至不能对环境的微小变化做出反应。至少在没有数千轮强化学习的情况下，它无法对此做出应对。

但世界恰好处于这样善变的模式。对于诊断智能来说，没有两个身体器官是完全一样的。对于机械智能来说，没有两个引擎可以同样的方式进行调谐。因此，将在虚拟空间中完善的程序发布道现实世界面临着重重挑战。

硅谷封面｜控制AI之战：揭秘谷歌与DeepMind的爱恨情仇(14)