从围棋到蛋白质结构、核融合，DeepMind 又跑去研究古希腊语了
▼
哪里找得到 DeepMind 人工智慧公司？围棋棋盘或《Nature》。
2010年创立开始，DeepMind就给外界“不修边幅”感。经典故事是三位创始人戴密斯哈萨比斯（Demis Hassabis）、穆斯塔法苏莱曼（Mustafa Suleyman）和肖恩莱格（Shane Legg）创立公司时，甚至只建了有公司logo的网页，没有连络电话、不留公司地址，甚至没有“关于我们”。
“为了聘员工，创始人必须靠个人联络，让人才相信他们是正经人和认真的科学家，有认真的计划。”哈萨比斯受访时表示。
对大部分人来说，DeepMind一鸣惊人并不是2014年被Google收购，而是两年后AlphaGo。2016年3月，AlphaGo挑战围棋世界冠军李世乭九段，4:1胜。2017年5月进化的AlphaGo对战排名世界第一的柯洁九段，3:0轻取。赛后柯洁落泪，直言看不到任何获胜希望。
两次人类顶尖棋士与AlphaGo对阵直接将围棋推进AI时代，人工智慧成为棋士陪练师与假想敌。今年2月，南韩棋士申真谞接连击败杨鼎新与柯洁，柯洁抱怨申真谞全盘棋路“71%与AI吻合”。后者直言不讳，透露自己每天花5小时与AI对练以提升棋力。
以AlphaGo的多面目，大众第一次感受到人工智慧具体化后的压迫感。落入水中的一滴墨，染色了整个围棋界。围棋界苦大仇深，始作俑者DeepMind却“赢了就跑”。
与柯洁对阵后，Alpha围棋团队宣布AlphaGo不再参加围棋比赛，看看DeepMind最近几年进展，找不到AlphaGo身影，反而发了好多论文，研究方向从生命科学到核融合，甚至古代文明都涉猎。
从DeepMind近几年在《Nature》发表的论文，到目前两年内，DeepMind至《Nature》共发表60篇论文，比前三年论文总数还多近10篇。60篇论文仅2022年前三个月就占10篇。
论文发表越来越勤，跨学科联动上天入地，DeepMind俨然不爱赚钱却勃勃生机的理想主义学术机构形象，怪不得有人开玩笑，现在DeepMind是住在《Nature》里的人工智慧公司。
2020年底《Nature》封面，罕见用“它将改变一切”标语描述蛋白质研究难题终于攻克，英雄正是DeepMind。蛋白质3D解构预测困扰生物学家多年，一方面很大程度决定蛋白质特性和功能，有非常高研究价值；但蛋白质3D结构有数以亿计的折叠法，但假想提出后50年内从未达成。
这横在生物学研究路上超过半世纪的难题，被DeepMind的人工智慧系统AlphaFold 2化解。后者利用氨基酸序列精确预测蛋白质折叠结构，权威蛋白质结构预测评估机构（Critical Assessment of protein Structure Prediction，CASP）的测评体系得分超过92分，意味据计算生物学（Computational Biology）的预测结果，几乎与实验室方法精准度相当。
CASP主席John Moult直言，“电脑科学领域50年来巨大挑战得到解决”，学界不吝称赞为“人类21世纪最重要科学突破之一”。 Google CEO桑德尔皮查伊（Sundar Pichai）、特斯拉CEO马斯克（Elon Musk）等也都对研究成果兴奋不已。
但DeepMind又消失了。直到今年初，众人发现它出现在研究核融合的托克马克装置。这次登上《Nature》，是因DeepMind的AI达成精准控制托克马克含等离子体的磁场。
▲ 托克马克装置。（Source：Unknown authorUnknown author, CC BY-SA 2.5, via Wikimedia Commons）
核融合核心条件是超过摄氏1亿度的环境下，让氢过热成为等离子体状态。要约束这么高温的等离子体，熟知的方式有两种──有巨大质量的太阳可靠重力约束，或像氢弹以惯性约束。
但前者的客观条件在地球上无法复现，后者的反应过程不可控，所以当下世界各地区采取的可控核融合实验主要采用磁约束的方式，而托克马克则是磁约束核融合的发生装置。
由于极高温度，等离子体需要藉磁场悬浮，磁场来自19个磁线圈，磁线圈控制度要求极高，几乎完全随机的环境，线圈1秒内可能需调整上千次。一旦校准过程接触到装置，就可能导致核融合反应减弱。研究人员不敢冒太大险探索托克马克装置核反应上限。
简单来说，DeepMind的深度学习AI所做的就是帮助研究人员进一步精准控制托克马克──如准确捕获真实托克马克装置的所有变量，以及5千万分之一秒内调整磁线圈。
“我们正在尝试一些等离子体形状迫使整个装置运转系统接近极限，这种情况下等离子体可能会崩溃并损坏装置。如果没有对人工智慧的信心，我们不会冒这个风险。”参与计划的瑞士等离子体中心科学家之一安布罗乔法索利谈到DeepMind时表示。
然后DeepMind又丢下核融合，转战古代文明。这次没有消失太久，不到一个月，DeepMind研究成果再次登陆《Nature》封面，背景是一块古希腊石碑。
DeepMind团队与威尼斯大学、哈佛大学等研究团队释出全新复原、辨识古代石碑年代及碑文内容的办法。古希腊时期雅典颁布一系列法典，认为是公元前446~445年前写的，研究将这时间点精确到公元前424~423年，这对历史学家研究古希腊文化和政Z制度演进意义重大。
（Source：Yannis Assael）
科技公司周期性发表论文展示研究成果并不罕见。康乃尔大学人工智慧教授巴特塞尔曼曾表示，全球居前线的科技巨头每年在这些大会起码要发表数十篇论文，“人工智慧领域，你必须在有同行评议的主流人工智慧、机器学习、电脑视觉和自然语言大会发表论文。”
无论为了展现研发能力还是为了人才招募，Google、微软等科技巨头论文成果都经常现身AAAI、NeurIPS等人工智慧顶级大会或《Nature》等权威学术期刊。
马斯克曾质疑论文实际用处。对他来说，学术层面成功相对容易，因只要发表一些无用的论文，“且其实大多数论文毫无用处。”
对DeepMind来说，发论文不仅是日常，还总是天马行空出现各种看起来毫不相关的领域。且这两者并非毫无关系，马斯克是DeepMind早期投资者之一，时间线甚至在Google之前。
为什么这家人工智慧公司越来越热中“跨界”，2019年是个节点。DeepMind正准备从Google伦敦英国总部国王十字大楼搬出，转入下阶段生长周期。一起变化的也包括公司未来发展方向。
“强化（reinforcement）学习的问题在于，总是在纸上谈兵，或仅聚焦很狭隘的网格世界，但遇到现实世界更复杂的问题时这些理论能不能发挥作用，一直被怀疑。”
哈萨比斯表示，公司将把强化学习扩展到解决现实问题。新总部也代表DeepMind将带着近十年积累的研发实力和技术累积，转向研究有机生命的基本问题。最初鼓励他这么做的，正是几年前AlphaGo的围棋AI大成功。
哈萨比斯看来，跨学科碰撞对科学发展无比重要，这点从DeepMind创立之初就贯彻人才招募准则。
胶水人（glue people）──哈萨比斯如此形容他渴望的人才。“我希望他们同时是多领域的顶级人才，这样的人拥有不同学科间发现关联的创造力，当这种东西找到时，魔法就会发生（when that happens, the magic happens）。”
▲DeepMind 创始人戴密斯哈萨比斯。（Source：DeepMind）
DeepMind AI研究中心除了数学、物理和神经科学人才，生物学、心理学甚至哲学背景人才也越来越多，近年DeepMind在不同领域的有现实意义科研进展，某种程度也是团队纳入学科更丰富的反射。
回到古希腊石碑研究，人类与人工智慧合作值得重新审视。人工智慧跨界会演变成越俎代庖，甚至让人类研究者失去意义吗？
DeepMind深度神经网络Ithaca放在帕卡德人文学院提供的希腊碑文数据库。结果表明，当Ithaca单独用于复原受损铭文时，辨识准确率可达62%，参照组历史学家同样情况下，准确率只有25%。
很明显，引入深度学习工具后，研究古代文明的效率提升肉眼可见。但这不意味人工智慧会取代人类。谈到Ithaca古希腊石碑修复研究时，伦敦国王学院希腊数位研究荣誉教授Charlotte Rouech表示，“这进步不该理解为对这学科研究者的威胁，相反地Ithaca就像猎犬，为学者找寻线索。”
Ithaca与历史学家合作时的协同性，是此次研究另一个极有价值的发现，两者结合准确率高达72%。DeepMind的跨界活跃是积极讯号，说明人工智慧正在更多领域找到实际切入角度，该领域研究者将是最大受益者，得到崭新“蒸汽机”后，生产力就会大跃进。
我们更可期待，DeepMind或别家人工智慧公司下次登上《Nature》，将带来怎样的新颖故事。
- Inside DeepMind’s epic mission to solve science’s trickiest problem
- Nature 最新封面：DeepMind AI “再下一城”，追寻人类古老文字踪迹
- 有 AI 学会控制核融合反应堆了，来自 DeepMind，登上今日 Nature
- 震惊科学界！DeepMind AI 破解“蛋白质折叠”难题，攻克生物学 50 年巨大挑战
（本文由 品玩 授权转载；首图来源：DeepMind）
延伸阅读：
- 三番战未能取下一胜，柯洁：与 AlphaGo 间有着巨大的差距
- DeepMind 深度学习助力核融合竞赛，加速电浆控制研究
- DeepMind 发表人类蛋白质组预测图，重要性堪比人类基因组
▼
特别声明 本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。
