We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
陈
陈御天
陈御天：我参与AlphaGo项目始于2015年，当时AlphaGo已能击败职业围棋选手，这让我非常惊讶和兴奋。项目的快速进展也超出了我的预期，短短几个月内就取得了突破性的进展。DeepMind的工作环境融合了高校和企业的优势，在Google的支持下，我们更专注于基础研究，而非产品应用。DeepMind的目标是发展通用人工智能（AGI），并将其应用于解决各种实际问题。我的日常工作主要包括算法设计和模型构建，与研究工程师紧密合作，以项目为导向。AGI的定义因人而异，但理想状态下，同一算法应能解决不同问题，甚至一个模型能处理多种问题并快速适应新任务。
我最近的研究方向是元学习（Meta Learning），旨在学习通用的学习算法，而非手动设计算法。我将元学习应用于小样本学习，例如在语音合成中，仅需少量数据即可快速学习新的声音。在AlphaGo项目中，每次模型有重大改进都让我感到兴奋，尤其是在使用贝叶斯优化方法提升模型性能时。AlphaGo与李世石比赛前，团队进行了大量测试以确保模型稳定性，没有在比赛中进行模型调整。DeepMind选择游戏环境来研究AGI，是因为游戏环境允许快速迭代、数据收集和并行计算，这对于强化学习研究非常有利。
应对研究中的不确定性和失败，我们采用设置短期目标、及时调整方向的方法，并鼓励团队合作。AGI的实现途径可能有很多，大型模型和大量数据是令人兴奋的进展方向，但模型的泛化能力和适应性仍然是巨大挑战。在研究中，需要特别关注AI伦理，例如在语音合成技术应用中，要考虑技术滥用的可能性并采取措施进行规避。
Linda：我们很荣幸邀请到陈御天博士来节目做客，和我们聊聊AlphaGo背后的故事，以及AI未来的发展。
Ken：感谢陈御天博士接受我们的采访，分享了他宝贵的经验和见解。
Deep Dive
Shownotes Transcript