牛津大學(xué)計(jì)算機(jī)科學(xué)系主任、DeepMind-OxfordPartnership監(jiān)事，著名智能體理論研究學(xué)者M(jìn)ichaelWooldridge博士等在討論智能體時(shí)，則提出“弱定義”和“強(qiáng)定義”二種定義方法：弱定義智能體是指具有自主性、社會(huì)性、反應(yīng)性和能動(dòng)性等基本特性的智能體；強(qiáng)定義智能體是指不僅具有弱定義中的基本特性，而且具有移動(dòng)性、通信能力、理性或其它特性的智能體；作為現(xiàn)今著名的智能體理論研究學(xué)者，其著作有《多Agent系統(tǒng)引論》，被稱為當(dāng)今關(guān)于多Agent系統(tǒng)這個(gè)重要論題的第一本教材。

在其二十年的Agent研究生涯里，他幾乎獲得了人工智能領(lǐng)域的所有榮譽(yù)：ACM（國(guó)際計(jì)算機(jī)學(xué)會(huì)）、AAAI（美國(guó)人工智能學(xué)會(huì)）、EURAI（歐洲人工智能學(xué)會(huì)）成員，AcademiaEuropaea（歐洲科學(xué)院）成員、ERC（歐洲研究學(xué)會(huì)）委員，堪稱人工智能領(lǐng)域的達(dá)人。

作為雷鋒網(wǎng)8月份的CCF—GAIR大會(huì)的學(xué)術(shù)大牛嘉賓之一，近日我們對(duì)其進(jìn)行了專門采訪。

Michael  Wooldridge

問：首先為我們闡述下當(dāng)下多智能體系統(tǒng)的重要性？

MichaelWooldridge：對(duì)我來說，智能體最重要的一點(diǎn)是其“社會(huì)性”。我們知道人和動(dòng)物區(qū)別開來的一個(gè)重要特征就是我們作為智能的，社會(huì)性的動(dòng)物，我們有語(yǔ)言，可以相互合作，協(xié)調(diào)，談判來實(shí)現(xiàn)一些遠(yuǎn)超月個(gè)人能力范圍內(nèi)可以實(shí)現(xiàn)的事情。

所以AI如果忽視了“社會(huì)性”這個(gè)屬性，它在接近或者超越我們的路上將會(huì)缺失許多東西。

問：AlphaGo屬于單智能體還是多智能體？

MichaelWooldridge：當(dāng)然是個(gè)單智能體。雖然我不知道其它智能體研究者是否會(huì)稱它為“智能體”，但我很樂意把它定義為單智能體，因?yàn)橹八鼪]有駐留在其它環(huán)境中（事實(shí)上也不曾以任何方式駐留在這個(gè)世界中）。

而通常我們都認(rèn)為智能體是存在于某種環(huán)境中的（注：智能體是指駐留在某一環(huán)境下，能持續(xù)自主地發(fā)揮作用，具備駐留性、反應(yīng)性、社會(huì)性、主動(dòng)性等特征的計(jì)算實(shí)體。）

另外，關(guān)于這個(gè)智能體，現(xiàn)在深度學(xué)習(xí)研究者們遇到了一個(gè)有意思的挑戰(zhàn)——如何讓學(xué)習(xí)系統(tǒng)可以分享他們的經(jīng)驗(yàn)——分享他們學(xué)習(xí)到的經(jīng)驗(yàn)，就像人類在學(xué)習(xí)完英語(yǔ)后，又把他們的經(jīng)驗(yàn)用去學(xué)韓語(yǔ)，西班牙語(yǔ)等其它語(yǔ)言。

問：除了AlphaGo,還有其它的虛擬智能體代表嗎？

MichaelWooldridge：貿(mào)易機(jī)器人就是個(gè)很典型的例子，這個(gè)程序可以買東西和賣東西，現(xiàn)在國(guó)際貿(mào)易中正大量用到這個(gè)程序，以后AI的應(yīng)用會(huì)更廣，我希望來年這個(gè)數(shù)據(jù)有更大的增長(zhǎng)。

問：智能體系統(tǒng)在接下來的2-3年，如果要列個(gè)Top5領(lǐng)域的話，會(huì)在哪幾個(gè)領(lǐng)域爆發(fā)？

MichaelWooldridge：我覺得是這個(gè)幾個(gè)領(lǐng)域

健康—智能手機(jī)和其它的設(shè)備里的各種傳感器，都在監(jiān)視我們的健康狀態(tài)。

娛樂—看看口袋妖怪里的AI技術(shù)就知道了。

醫(yī)療—人工智能正在為我們尋找新的藥物（和藥物形式）。

自動(dòng)駕駛—美國(guó)有359萬(wàn)卡車司機(jī)，我相信20年后，這些都會(huì)被自動(dòng)駕駛代替，這對(duì)社會(huì)是個(gè)巨大的改變。

物流/規(guī)劃—AI在這塊領(lǐng)域會(huì)找到更有效的處理方式。

問：智能體和人工智能的區(qū)別是什么？

MichaelWooldridge：本質(zhì)上區(qū)別還是我上面提的“社會(huì)屬性”，雖然之前的（人工智能）AI一開始沒有對(duì)這點(diǎn)花太多注意力，但智能體（系統(tǒng)）一直在聚焦這件事。

問：Mobileye的CTOAmnonShashua在演講中說道：他認(rèn)為深度學(xué)習(xí)的研究繞了遠(yuǎn)路。因?yàn)檎嬲腁I應(yīng)該能幫人類解決人類解決不了的問題，而目前的AI的表現(xiàn)卻僅限于人類已經(jīng)能非常明確的理解和解釋的領(lǐng)域。你如何看這個(gè)說法？

MichaelWooldridge：確實(shí)，在一些我們有特定任務(wù)要完成的領(lǐng)域AI非常成功，有時(shí)我們甚至能評(píng)估這項(xiàng)任務(wù)的完成情況；但遷移到有些我們都不太好定義的地方應(yīng)用，目前沒有太多成功的例子可以拿來佐證。

問：怎么看待AlphaGo在網(wǎng)站上排名超過柯潔的事情？

MichaelWooldridge：關(guān)于這點(diǎn)，我敢說，誰(shuí)要是覺得除了AlphaGo會(huì)贏后還會(huì)有其它的結(jié)果，那是很荒謬的事情。剩下的，是參賽者在實(shí)際對(duì)決的時(shí)候會(huì)發(fā)現(xiàn)比他想象地驚喜多了，我相信柯潔也會(huì)經(jīng)歷這個(gè)過程的。當(dāng)然，我更感興趣的是AlphaGo能不能教人類下得更好，但現(xiàn)在我們不知道它是如何做到的，這是個(gè)問題。

問：說一下加強(qiáng)學(xué)習(xí)和深度學(xué)習(xí)的關(guān)系？

MichaelWooldridge：它們不是完全不同的兩種東西，因?yàn)閺?qiáng)化學(xué)習(xí)的基本思想是，傾向于加強(qiáng)過去已經(jīng)成功的執(zhí)行操作的概率。

而深度學(xué)習(xí)是在神經(jīng)網(wǎng)絡(luò)的背景下，關(guān)心一個(gè)類似的想法。它們都有著類似的想法，以及需要重復(fù)訓(xùn)練這個(gè)過程。另外在我眼里，這兩個(gè)技術(shù)是互補(bǔ)關(guān)系，而不是競(jìng)爭(zhēng)關(guān)系。

問：實(shí)現(xiàn)AGI的最有效方式是？

MichaelWooldridge：至少目前，我們不知道如何通往AGI，也沒人敢說他知道這個(gè)，機(jī)器學(xué)習(xí)近幾年雖然有重大進(jìn)展，但是我們不知道意識(shí)或者自我意識(shí)是如何組織的，如何進(jìn)步的，以及它和大腦的微觀結(jié)構(gòu)有什么關(guān)系，所以AGI還有很長(zhǎng)一段時(shí)間要走。

問：在多智能體系統(tǒng)做決定的時(shí)候，通常子系統(tǒng)要把處理過的數(shù)據(jù)傳輸給母系統(tǒng)再讓其做決定，這中間按理是有個(gè)延遲過程的，怎么處理這個(gè)延遲問題？

MichaelWooldridge：在我的經(jīng)驗(yàn)中，多智能體系統(tǒng)里，有不同的方式組織活動(dòng)，避免系統(tǒng)延遲一直是個(gè)問題。一種解決方法是任務(wù)共享——這時(shí)任務(wù)被分解成更小的任務(wù)，分享給更小的代理。甚至有時(shí)需要重新組裝這些任務(wù)。

另一種方法就是“結(jié)果分享”——代理所做的就是分享信息，如果我認(rèn)為這個(gè)信息對(duì)你有用的，我跟你一起分享。

最后，這些方法都有優(yōu)點(diǎn)和缺點(diǎn)，在多智能體系統(tǒng)研究的關(guān)鍵中，懂得在一個(gè)特定問題中哪個(gè)才是最適合的解決方法很關(guān)鍵。

小結(jié)：

智能體是人工智能領(lǐng)域中一個(gè)很重要的概念。通常我們認(rèn)為任何獨(dú)立的能夠思想并可以同環(huán)境交互的實(shí)體都可以抽象為智能體。邁克爾·伍爾德里奇過去花了20多年時(shí)間專注人工智能的這個(gè)前沿領(lǐng)域———智能體(Agent)的研究。

正好這個(gè)Agent（S）系統(tǒng)在博弈，調(diào)度優(yōu)化，金融，游戲，多機(jī)器人控制方面都非常適合，所以AlphaGo這種博弈類高手機(jī)器系統(tǒng)誕生在牛津大學(xué)也說的上“順利成章“，而未來，在人工智能這個(gè)“超級(jí)網(wǎng)絡(luò)”中，我們有理由在各個(gè)場(chǎng)景中都會(huì)充斥著multi-agent的概念。

更多資訊請(qǐng)關(guān)注工業(yè)機(jī)器人頻道