Google 母公司 Alphabet 旗下的 DeepMind，在这一个月里大动作频出。

        先是在月初推出了蛋白质结构预测 AI——AlphaFold 2，这个 AI 在 CASP 竞赛中拔得头筹，解决了困扰了学界 50 年的难题：生物学家 Andrei Lupas 本人花了十年时间，用尽各种实验方法也没能弄清楚一种蛋白质折叠后的形状，但借助 AlphaFold 2 后，他在半个小时内就得到了答案。

        接着，在月底，DeepMind 在《自然》杂志上发布论文介绍“进阶版 AlphaGo”——MuZero。简单来说，MuZero 更“通用”了，它精通国际象棋、围棋、将棋，还能在数十款 Atari 游戏上全面超越过去的 AI 算法和人类。

        但更具革命意义的是，MuZero 不像它的前辈们，它在下棋和游戏前完全不知道游戏规则，完全是通过自己的试验和摸索，洞悉棋局和游戏的规则，形成自己的决策。换句话说，AI 会自己“动脑子”了。

        MuZero 就像是 Netflix 热剧《女王的棋局》里的贝丝 · 哈蒙，在完全不知国际象棋规则的情况下，凭借几次观察就把棋盘“画”在自己的心里，

        并通过不断复盘棋局强化自己的直觉，最终所向披靡。

        不知道规则，怎么赢棋？

        2016 年，AlphaGo 横空出世，以 4:1 击败韩国顶级棋手李世乭，并在 2017 年的乌镇围棋峰会上击败了世界第一棋手柯洁。中国围棋协会甚至当即授予 AlphaGo 职业围棋九段的称号。

        AlphaGo 依赖的还是 DeepMind 输入的专家棋法数据集，然后它的继任者 AlphaGo Zero 开始摆脱对“人类数据”的依赖，开始通过多次自我对弈积累所需数据。2018 年底问世的 AlphaZero 更是在前两者的基础上迭代，除了围棋，它还学会了将棋和国际象棋。让人叹为观止的是，从第一次见到棋盘，到成为世界级棋类大师，AlphaZero 只用了 24 小时。

        “但你不能像下棋一样，只顾着往前看。你必须学习这个世界如何运作。”DeepMind 的首席研究科学家 David Silver 告诉《连线》，按照这个思路，他们决定不提前告诉 AI 该怎么赢了，“这是我们第一次打造这种系统”。

        上面提到的“Alpha”家族，最早需要“人类数据”、“领域知识”和“游戏规则”，至少也还需依赖“游戏规则”。而刚面世的 MuZero 则没有这些知识储备，就像是下棋被蒙着眼，玩游戏背着手。

        既然 MuZero 连怎么赢棋都不知道，那它又是如何学习世界运作原理的呢？先以 AlphaZero 为例，由于它已经知晓棋局的规则，所以它知道一个动作后的下一个棋步是什么样的，运用深度学习中的“蒙特卡洛树搜索”（MCTS）就能评估不同的下棋可能性，并从中选出最优的动作。在这个过程中，AlphaZero 只需要利用“预测网络”这一神经网络。

        而 MuZero 不知道现有的规则，那么只能从零开始构建一个内部模型，形成自己对棋局的理解。

        首先，MuZero 会利用“表征网络”将自己观察到的棋步收集起来，转化为专属于自己的知识；

        接着，利用“预测网络”形成策略（即最好的“下一步”是什么），判断价值（即当前决策“有多好”）；

        最后，借助“动态网络”判断“上一步有多好”，回收此前做出的最佳棋步，不断完善自己的内部模型。

        也就是说，MuZero 并没有具体的“行事准则”，它就像是一个小孩，在有了一定思考能力的基础上，正在不断完善自己的行事准则。在此之前，“AlphaGo”虽能轻松击败人类，但也只限于围棋等专精领域，却无法“触类旁通”，每遇到新的游戏都需要更改框架，重新学习。而掌握了“思考方式”的 MuZero 显然能做得更多了，也就是，更通用了。

        “知道雨伞能让人不被淋湿，比能对雨滴建模更有用。”DeepMind 用这句话表示，对 AI 来说，它们会的本领看起来越笨，越有实际意义。

        在游戏方面，以研究 AI 打扑克出名的 FAIR 研究科学家 Noam Brown 这样评价 MuZero：“当前人们对游戏 AI 的主要批评是模型不能对现实世界中相互作用进行准确建模。MuZero 优雅而令人信服地克服了这个问题（适用于完美信息游戏）。我认为，这是可以与 AlphaGo 和 AlphaZero 相提并论的重大突破！”

        这个会思考的 AI，能做什么？

        DeepMind 研究表示，MuZero 在不具备任何底层动态知识的情况下，通过结合 MCTS 和学得模型，在各种棋类种的精确规划任务中可以匹敌 AlphaZero，甚至超过了提前得知规则的围棋版 AlphaZero。

        在实验中，只要为 MuZero 延长每次行为的时间，它的表现就会变得更好。随着将每次行动的时间从十分之一秒增加到 50 秒，MuZero 的能力会增加 1000 Elo（衡量玩家的相对技能），这基本相当于熟练的业余玩家和最强的职业玩家之间的区别。

        开始自我思考的 MuZero 就像人一样。现实世界混沌、复杂，人们也没有具体的行事手册，只能摸着石头过河，慢慢形成自己的规划能力，进而制定下一步该怎么做的策略。

        那么，MuZero 能做什么？

        《连线》记者提到了在生化界做了件“大实事”的蛋白质结构预测 AI，接着问起了 MuZero 的实用价值。David Silver 表示，MuZero 已经投入实际使用，用于寻找一种新的视频编码方式，从而完成视频压缩。考虑到大量不同的视频格式和众多的压缩模式，能节省 5% 的比特已经是极具挑战的任务。“互联网上的数据大部分是视频，那么如果可以更有效地压缩视频，则可以节省大量资金。”由于 Google 拥有世界上最大的视频共享平台 YouTube，因此他们很可能将 MuZero 其应用到该平台上。

        David Silver 想得更远，“一个真正强大的系统，它能看到所有你看到的东西，它有和你一样的感官，它能够帮助你实现目标。另外一个变革性的，从长远来看，（MuZero 的『强化学习』思路）是可以提供个性化的医疗解决方案的东西。有一些隐私和伦理问题必须解决，但它会有巨大的价值，它会改变医学的面貌和人们的生活质量。”

        目前，“Alpha 家族”这种规划算法也已经在物流、化学合成等诸多现实世界领域中产生影响。然而，这些规划算法都依赖于环境的动态变化，如游戏规则或精确的模拟器，导致它们在机器人学、工业控制、智能助理等领域中的应用受到限制。

        而不再“循规蹈矩”的 MuZero，先摸索规则、建立内部模型再精通的思路，显然具有更强的可塑性。会自己思考的 AI，离通用 AI 会更近一些。

        “我不想给它设定一个时间尺度，但我想说，人类能实现的一切，我最终认为机器都能实现。大脑完成的只是一个计算过程，我不认为那里有什么神奇的东西。”David Silver 对它的造物有足够的自信。

        如果说 AlphaGo 确立了 AI 的“围棋霸权”，那懂得自己思考的 MuZero，可能会在更多领域确立“霸权”。