DeepMind创始人：AI 的强大，超乎我们的想象(4)

Lex Fridman：你认为 AI 系统能吸引人类去设计游戏吗?

Demis Hassabis：这是个有趣的问题。如果把创造力定义为想出一些原创的、对某个目的有用的东西，那么最低水平的创造力就像一个插值表达，基础的 AI 系统都具备这样的能力。给它看数百万张猫的照片，然后给我一只普通的猫，这个被称之为插值。

还有像 AlphaGo，它可以推断。AlphaGo 与自己对弈了数百万场后想出了一些非常棒的新点子，比如在对弈中走37步，提供了一个人类从未想到的策略，尽管我们已经玩了上百数千年。

在此之上还有一个层次，就是能否跳出思维定式做真正的创新。你能发明象棋，而不是想出一个棋步么？是否能发明国际象棋、或其他和国际象棋或围棋一样的东西？

我认为有一天 AI 可以做到，而现在的问题是如何给一个程序指定这个任务。我们还不能把高层次抽象概念具体到人工智能系统中，它们在真正理解高层次的概念或抽象概念方面仍然缺少一些东西。就目前而言，它们可以组合和构成，AI 能够做插值和推断，但都不是真正的发明。

Lex Fridman：提出规则集并优化，围绕这些规则集制定复杂的目标，是我们目前无法做到的。但是否可以采用一个特定的规则集并运行，观察 AI 系统从头开始学习的时间有多长？

Demis Hassabis：实际上我考虑过，这对于游戏设计师来说是惊人的。如果有一个系统拿你的游戏玩上千万次，也许一夜之间就能实现自动平衡规则。可以通过方程或参数来调整游戏中的单位或规则，使游戏更平衡。这有点像给出一个基本集，通过蒙特卡罗方法搜索或类似的方法来探索，那将是超级强大的工具。

而为了自动平衡，通常需要从数百场比赛中训练数千小时，平衡像星际争霸、暴雪等这样的游戏是令人震惊的，这需要测试人员年复一年的时间。所以可以想象，当某个时刻这些东西变得足够有效，你可能会想在一夜之间做到。

Lex Fridman：你认为我们是生活在模拟（Simulation）中吗？

Demis Hassabis：是的。Nick Bostrom 首次提出了著名的模拟理论，但我不太相信它。从某种意义上说，我们是在某种电脑游戏中，或者我们的后代以某种方式在 21 世纪重塑地球。

理解物理学和宇宙的最佳方式是从计算的角度将其理解为信息宇宙，实际上，信息是现实的最基本单位。与物质或能量相比，物理学家会说 E=mc²，这是宇宙的基础。但我认为，信息可能是描述宇宙的最基本方式，它本身可以指定能量或物质正确的物质。因此可以说我们处于某种模拟中。但我不同意这些想法丢弃数十亿个模拟。