如果說有一類遊戲貫穿 AI 發展的始終，圍繞其誕生的Thinking Game至今仍影響着最前沿 AI 技術的發展，那麽答案很顯然：
棋類遊戲。
就在新加坡舉辦的國際象棋世界冠軍賽（WCC 2024）上——就是中國國際象棋世界冠軍丁立人，迎戰國際象棋史上最年輕世界冠軍挑戰者、印度棋手古克什的比賽——盡管是人類頂尖頭腦之間的對弈，比賽現場，AI 的氛圍仍然濃烈。
除了 Imagen 3 和 Gemini Flash 加持的創意棋子生成：
△部分 Google 技術僅适用于出海開發者
谷歌大模型還擔綱了比賽 " 解說 " 的角色—— Gemini 支持的 Chatting Chess，可以通過對話深入淺出地講解國際象棋中各種複雜概念，幫助觀衆更好地讀懂棋局。
△視頻來源：FIDE 官方推特
新晉諾貝爾化學獎得主Demis Hassabis（戴密斯 · 哈薩比斯）也在比賽首日出現在現場，爲兩位棋手開棋。
△圖源：FIDE youtube 官方頻道
實際上，從上世紀 50 年代的 AI 跳棋，到擊敗棋王卡斯帕羅夫的深藍，再到掀起人工智能第一波全球熱潮的 AlphaGo ……在載入史冊的曆史事件背後，棋類遊戲對 AI 更重要的影響或許是，啓發了身在時代洪流中的那些人。
哈薩比斯是其中之一。
△圖源：《The Thinking Game》宣傳片
年少時，他曾是同年齡段世界排名第二的棋手。他也在自傳電影《The Thinking Game》中坦言：
我實際上是通過遊戲接觸到人工智能的。
I actually got into AI through games.
而在 Google DeepMind，與棋類遊戲、進而與 AI 深深聯結的人，還不隻是哈薩比斯一人。
就在 WCC 現場，量子位見到了深度參與AlphaZero項目的 Google DeepMind 資深研究科學家Nenad Toma š ev——同時也是一位國際象棋 " 狂熱愛好者 "、FIDE（國際棋聯）注冊棋手。
從 AlphaZero 到 Gemini，從棋盤到影響人們現實生活的更多領域，圍繞 " 通用 AI"，量子位也和 Nenad 更深入地聊了聊其中的 "Thinking Game"。
（以下爲量子位與 Nenad 對話全文，在保留原意基礎上有編輯調整。）
" 強化學習仍然非常重要 "
量子位：大模型之後，像 AlphaZero 這樣的研究項目還在繼續嗎，是否在研究方向上有所改變？這些技術還會對我們的日常生活産生更大的影響嗎？
Nenad：
當任何研究領域出現重大變革時，你都會看到研究方向的改變，一切照舊反而不太正常。但我認爲，強化學習作爲 AlphaZero 體現的原則，在大語言模型領域非常重要。
所以對強化學習的研究仍然非常活躍，是整個 AI 社區關注的重點領域之一。
我們已經看到 AI 在各個方面産生越來越多的影響。其中一些影響對大多數人來說可能還不太明顯，因爲科學領域的重大突破往往需要一段時間才能傳播開來，并最終通過如醫療的改善、更好的産品等形式，影響人們的生活。
你可以把世界想象成一棵知識之樹，有些問題更接近根部，而應用則在樹梢。從商業角度來說，大語言模型如 Gemini，突然間降低了人們使用 AI 的門檻，這是一個非常強大的範式。但技術本身并不是突然發生的，正是因爲我們在國際象棋、AlphaZero 這樣的項目上的積累，啓發我們走到了這裏。
我想說的是，盡管 AI 在過去已經取得了許多重大進步，但如果不是 AI 的密切關注者，或者國際象棋愛好者這類直接感受到影響的人，普通人可能不會注意到這些進步，因爲他們無法真正與這些系統交互，或從中獲得洞見。語言模型的通用性要強得多。
人工智能領域的長期目标是創造真正的通用人工智能系統，并且讓我們能夠加以利用。爲了利用這些系統，我們需要一種與之交互的方式。人類使用語言相互交流，因此我們可以使用語言與基于大語言模型的 AI 交流，這使它們非常易于使用。
如果你有一個非常複雜的用戶界面，必須輸入一些以某種方式編碼的特征，這對人類用戶來說是很難用的。但如果你可以跟模型用自然語言對話，模型能夠給出回應，這就是一種非常強大的範式。
這種技術的應用領域可以是任何事情，當然也可以隻是爲了好玩。你可以讓 AI 給你講故事，創作詩歌，或者生成你喜歡的圖像。但我們也看到其在醫療等領域的進步。我們看到各種工作流程正在被自動化或在一定程度上實現自動化，這是一個令人興奮的時代，讓我們拭目以待未來幾年會發生什麽。
量子位：你認爲當前哪些大模型應用領域最具潛力？
我認爲所有領域都會受益于大模型的潛力，問題隻在于我們如何使用它們，這顯然需要花費一些時間和精力，去謹慎地進行構建和設計。
醫療是我非常熱衷的領域之一。我的家人們都是醫生，隻有我這個 " 害群之馬 " 是計算機科學家（笑），他們對 AI 醫療感到害怕，但同時也充滿熱情。醫療是一個非常敏感、複雜的領域，因爲它關系到人們的生命和健康，你不能在這個領域奉行矽谷 " 快速行動、打破常規 " 的思維模式。
作爲研究人員，我們所做的很多工作是構建看起來可行的概念驗證系統，但要真正落地實踐，還需要做更多的工作，以确保其安全性，比如進行臨床試驗。從一個想法到一個模型，到一個早期産品，再到通過試驗并獲得批準，之後真正投入使用，這需要很多年時間。另外，即使 AI 已經準備就緒，也需要等待整個醫療系統做好使用它的準備。
AGI：炒作和宣傳不足同時存在
量子位：有人認爲大語言模型讓我們更接近 AGI 了，但也有人認爲 AGI 仍然是個被過分炒作的概念，你怎麽看？
我剛加入 Google DeepMind 的時候，我們的規模比現在要小得多，但當時我們就是爲數不多敢于說出 "AGI" 這個詞，并真正暢想它的團隊——我不想說錯話，或許還有其他團隊也是如此。
AGI 顯然一直是 AI 領域的夢想。但之前也曾出現過 AI 寒冬，當時人們認爲 AGI 離我們很近，然後人們失望了，于是投資枯竭。在神經網絡真正登上舞台之前，這個流程被完整地走過了一遍。
即使是在神經網絡來到舞台中央，深度學習成爲一種趨勢之後，仍然有人一再說 AI 撞牆了，悲觀情緒仍然存在。但我認爲，現在有了語言模型，有了它們展現出的通用能力和性能，更多人開始相信 AGI 是可能的，AGI 正在成爲一個被更廣泛讨論的話題。
以前，隻有一些非常樂觀的技術專家會讨論 AGI，大家顯然都知道 AGI 還很遙遠。盡管如此，我們會設想通往這一目标的道路。舉個例子，從 AlphaGo、AlphaZero 開始，到 MuZero，再到更多更通用的強化學習系統……
最終的問題是如何實現 AGI。不同的人對應該把什麽放在首位有不同的看法，比如語言是否是構建 AGI 所必需的——從事機器人研究的人就可能更多地從空間智能的角度來思考 AGI。
我認爲，語言發揮着巨大的作用，這也是語言模型能産生如此巨大影響的原因。人類積累了幾千年的所有知識都以語言的形式表達，用語言的形式寫成，包括我們所知道的關于科學和其他一切的一切。因此，一個能夠很好地理解和使用語言的模型，就可以利用我們已有的所有知識。
想象一下，你創造了一個不會說話、像嬰兒一樣對世界一無所知的 AGI，那麽它需要通過實驗、試錯，重新學習人類在這麽長時間裏學到的一切。這在原則上是可能的，它可能會自己發明一種語言等等，但這并不是最短路徑或者說一個好的主意。
因此，語言模型讓我們如此興奮是有原因的。人們目前正在構建的、基于語言模型的智能體，确實具有許多 AGI 所需的特征。
但它們仍有局限性。所以說到炒作，有人完全否定 AI 正在取得的進展，也有人認爲語言模型就像魔法一樣能解決一切，這兩種看法都不正确。大模型是機器學習模型，在某些方面表現出色，但也有一些其他缺陷。它們有很大的潛力，但仍有我們需要解決的問題。
我是一個樂觀主義者，我認爲在未來幾年裏，我們将能夠解決其中的許多缺陷。
過度炒作和宣傳不足同時存在，這使得有關這項技術的對話很難保持頭腦清醒、腳踏實地，這取決你在和誰交談。我認爲事實總是介于兩者之間。
量子位：所以在你看來，我們離 AGI 還有多遠？
我認爲這是不可能說清楚的。你會看到有人預測是 20 年 -50 年，這聽起來很遙遠；也有人說大概是 2 年，這顯然是一個非常近期的預測。
目前這一切都尚未明朗，因爲全球有越來越多的人在研究這些問題，每天都能看到非常多的新進展。
我個人試圖緊跟所有最新進展，但僅僅是每天發布的研究論文，其數量之多，就幾乎不可能讓一個人完全通讀，更不用說詳細地了解所有内容了。
因此，我們每個人都隻能了解自己所關注領域的一部分情況，并試圖根據這些片段來理解事物的發展方向。
我想說，也許是一個無聊的答案，但事實可能介于兩者之間。準确預測未來是很難的，即使是短期的預測，人們也總是犯錯誤。所以當你試圖做一個長期的預測，比如 AGI 是否會在 5 年、10 年、15 年或 20 年内實現？這是很長的一段時間，任何事情都可能發生。
我想，原則上，這将取決于 AI 社區能夠産生多少創造力和靈感。靈感越多，問題就會更快得到解決；靈感不足，就需要更長時間。在某種程度上，未來掌握在我們自己手中，但我們隻能拭目以待。
One More Thing
當被問到平常都會用大模型做些什麽時，作爲一位科學家 + 工程師，Nenad Toma š ev 的回答是 " 幫忙寫代碼 "，還打了個小小廣告（doge）：
我認爲 Gemini 對于各種事情都非常有用。
無關于代碼，每個人都可以用它處理自己的事情。
比如說，回到開頭所說，咱們吃瓜群衆在等待丁立人與古克什大戰分出勝負的同時，也在新加坡比賽現場，嘗試了生成自己的創意棋子：
還讓 Gemini [ 1 ] 給我們解釋了一下，丁立人的綽号爲什麽叫 " 沉默的風暴 "（Slient Storm）。
" 沉默風暴 " 這個綽号源于丁立人的棋風特點：他具備深度計算變化的能力，棋風穩健，卻又充滿爆發力。
他能夠在長時間的相持中尋找機會，也能在關鍵時刻抓住對手的失誤，一舉獲勝。
[ 1 ] 部分 Google 技術僅适用于出海開發者
