Google

力目标了。

于是 2005 年，他开始在伦敦大学学院开始攻读神经科学博士学位，希望通过研究真正的大脑来发现对人工智能有用的线索。

他选择了海马体作为研究对象。

海马体主要负责记忆和学习以及空间导向，日常生活中的短期记忆都储存在海马体中，至今人类对它的认知还很少。

Hassabis 说：“我选了一个我们还没有很好的算法来模拟的大脑功能区。

”
作为一个高中没上过生物课的计算机科学家和游戏创业者，Hassabis 的表现超过了同部门的医学博士和心理学家。

他说：“我经常开玩笑说我对大脑的唯一认知是，它是在头盖骨里面的。

”
玩笑归玩笑，Hassabis 很快就做出了成绩。

2007 年，他的一项研究被《科学》杂志评为“年度突破”。

研究中他发现 5 位健忘症患者是因为海马体受损而很难想象未来事件。

从而证明了大脑中以往被认为只与过去有关的部分对于规划未来也至关重要。

发现了记忆与预先计划的交错关系后，Hassabis 2011 年终止了自己的博士后研究，开始成立DeepMind Technologies，其目标是“解决智能问题。

”
得高分
这个公司是 Hassabis 与人工智能专家同事 Shane Legg 以及连续创业家 Mustafa Suleyman 一起创立的。

公司招聘了机器学习方面的领先研究人员，还吸引到了一些著名的投资者，包括 Peter
T hiel 的 Founders Fund 以及 SpaceX 的创始人 Elon Musk。

但是 DeepMind 一直保持低调，直到2013 年 12 月首次出席一次业界领先的机器学习研究大会时。

在太浩湖畔的哈利士赌场酒店里，DeepMind 的研究人员一开始演示他们的软件就令人惊艳。

该软件可以玩雅达利的一些游戏，包括太空入侵者以及乒乓球等，而且比任何人都玩得好。

更关键的是，软件事先并没有获得任何有关如何玩游戏的信息；提供给软件的东西只有这几样：控制器、显示器、游戏得分，并告诉它尽可能得高分。

程序通过不断地试错最后成了游戏高手。

此前从未有人演示过具备这种能力的软件，即可以从零开始学习和掌握如此复杂的任务。

事
实上，DeepMind 利用了一种最近流行的机器学习技术—深度学习，这种技术通过大概模拟神经元的网络来处理数据。

在场的人尽管都是专家，但还是有一点震惊，因为没人想到现阶段能做到这种程度。

不过，除了深度学习以外，软件还结合了一些其他的技巧，其中就包括强化学习技术。

强化学习的灵感源自 B.F. Skinner 等动物心理学家的工作。

它可以让软件通过做动作然后接收对动作效果的反馈来学习，人类和动物往往都是这么干的。

当然，强化学习也不是 DeepMind 先发明出来的，此前人工智能研究者已经折腾过数十年了。

但
人人都是产品经理（）中国最大最活跃的产品经理学习、交流、分享平台。