本文来自微信公众号：品玩（ID：pinwancool），作者：油醋，头图来自：视觉中国

你可以在哪里找到这家叫做DeepMind的人工智能公司？

——围棋棋盘或者《Nature》。

从2010年创立开始，DeepMind就一直给外界这样一种“不修边幅”的感觉。一个经典的故事是，最初三位创始人戴密斯·哈萨比斯、穆斯塔法·苏莱曼和肖恩·莱格创立公司的时候，他们甚至只建了一个带着公司标志的网页，没有联系电话，不留公司地址，网站上甚至没有客客气气搞一个“关于我们”。

“为了雇佣员工，创始人必须依靠个人联系，让人们相信他们是正经人和认真的科学家，是有真正的计划的”，哈萨比斯在一次采访中表示。

对于大部分人来说，这家人工智能公司一鸣惊人的那一刻并不是2014年被谷歌收购，而是两年后的AlphaGo。

图源：The Verge

2016年3月，AlphaGo挑战彼时的围棋世界冠军李世乭九段， 4:1胜。

2017年5月，进一步进化了的AlphaGo对战排名世界第一的柯洁九段，3比0轻取。赛后柯洁落泪，直言看不到任何取胜希望。

两次人类顶尖棋手与AlphaGo的对阵直接将围棋推进到AI时代，人工智能成为棋手的陪练师与假想敌。今年2月，韩国棋手申真谞接连击败杨鼎新与柯洁，柯洁抱怨申真谞的全盘棋路“有71%的AI吻合率”。后者倒也直言不讳，透露自己每天会花费5个小时与AI对练以提升棋力。

以AlphaGo的面目，大众第一次感受到人工智能具像化后带来的压迫感。这落入水中的一滴墨，蜻蜓点水地给整个围棋世界永久的换了颜色。

围棋界一副苦大仇深的样子，“始作俑者”DeepMind倒是提前翻篇了。

在与柯洁对阵后，Alpha围棋团队宣布AlphaGo将不再参加围棋比赛，看看DeepMind最近几年的进展，找不到AlphaGo的身影，反而发了好多论文，研究方向从生命科学到核聚变，甚至古代文明都涉猎。

品玩统计了DeepMind近几年在《Nature》发表的论文情况。到目前为止的两年时间内，DeepMind在《Nature》上共发表了60篇论文，比之前三年的论文总数还要多接近10篇。而在这60篇论文中，仅2022年的三个月里就占了10篇。

论文发的越来越密，跨学科的联动上天入地，DeepMind俨然一个不爱挣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，现在的DeepMind是一家住在《Nature》上的人工智能公司。

图源：《Nature》

2020年末的一期《Nature》封面，罕见地用上了“它将改变一切”的题语来描述一项关于蛋白质的研究难题终于被攻克，攻克它的正是DeepMind。

蛋白质的3D解构预测困扰生物学家多年，一方面其很大程度上决定了蛋白质的特性和功能，具备非常高的研究价值；但由于蛋白质的3D结构有数以亿计的折叠方式，这种设想在提出后的50年内从未被实现。

这个横在生物学研究历史上超过半个世纪的难题被DeepMind的人工智能系统AlphaFold2化解。后者在通过氨基酸序列精确预测蛋白质折叠结构方面，在权威蛋白质结构预测评估机构（Critical Assessment of protein Structure Prediction，CASP）的测评体系中得分超过92分，这意味着其基于计算生物学的预测结果几乎与实验室方法精确度相当。

图源：推特

CASP主席John Moult直言，“计算机科学领域50年来的巨大挑战已得到很大程度的解决”，学界不吝称之为“人类在21世纪取得的最重要的科学突破之一”。谷歌CEO桑达尔·皮查伊、特斯拉CEO埃隆·马斯克等人也都对研究成果兴奋不已。

而DeepMind呢，又消失在大众视野里了。到今年年初再一次出现，众人发现它出现在研究核聚变的托卡马克装置里。

图源：维基百科

这一次登上《Nature》，是因为DeepMind的AI实现了对托卡马克内包含等离子体磁场的精准控制。

核聚变发生的核心条件是需要在超过1亿℃的环境下，让氢过热成为一种等离子体状态。而要约束这么高温度的等离子体，熟知的方式有两种——拥有巨大质量的太阳可以依靠重力约束，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，所以当下世界各国采取的可控核聚变实验主要采用磁约束的方式，而托卡马克则是磁约束核聚变的发生装置。

由于极高的内部温度，等离子体需要通过磁场被悬浮在装置内，磁场来自19个磁线圈，因此对于磁线圈的控制要求极高，在几乎完全随机的环境里，线圈在一秒时间内可能需要调整上千次。一旦其校准过程中接触到装置，就可能导致核聚变反应减弱。因此此前研究人员并不敢冒太大的险来探索托卡马克装置内核反应的上限。

图源：南方科技大学科学与工程计算中心

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卡马克——比如准确捕获真实托卡马克装置中存在的所有变量，以及在5000万分之一秒的时间内做出调整磁线圈的决定。

“我们正在尝试的一些等离子体形状迫使整个装置运转系统正在接近极限，这种情况下等离子体可能会崩溃并损坏装置。如果没有对人工智能的信心，我们不会冒这个风险”，参与该项目的瑞士等离子体中心科学家之一的安布罗乔·法索利在谈到DeepMind时表示。

然后DeepMind又撂下核聚变，转战古代文明，这一次没有消失太久，不到一个月后，DeepMind的研究成果再次登陆《Nature》封面，背景是一块古希腊石碑。

图源：《Nature》

DeepMind团队与威尼斯大学、哈佛大学等研究团队释出了一种全新的复原、识别古代石碑年代以及碑文内容的办法。具体来说，古希腊时期雅典颁布的一系列法典曾被认为是在公元前446～445年之前书写的，此项研究将这个时间点精确到了公元前424～423年，这对于历史学家研究古希腊的文化和政治制度演进意义重大。

科技公司周期性的发表论文来展示一些研究成果并不罕见。康奈尔大学人工智能教授巴特·塞尔曼曾表示，全球位居前列的科技巨头每年在这些大会上起码要发表数十篇论文，“在人工智能领域，你必须在有同行评议的主流人工智能、机器学习、计算机视觉和自然语言大会上发表论文”。

无论是为了展现自己的研发能力，还是出于人才招募的目的，谷歌、微软等科技巨头的论文成果都经常性的出现在AAAI、NeurIPS等人工智能的顶会或是《Nature》等权威的学术期刊上。

图源：Youtube

马斯克曾对论文的实际用处发起质疑。对于这位特斯拉CEO来说，他认为学术层面的成功相对容易，因为你只需要发表一些无用的论文，“并且事实上，绝大多数论文是毫无用处的”。

对于DeepMind来说，发论文不仅是日常动作，还总是天马行空的出现在各种看起来与自己毫不相关的领域。

值得注意的是，这两者并非毫无关系，马斯克是DeepMind的早期投资人之一，时间线甚至摆在谷歌之前。

关于为什么这家人工智能公司越来越热衷于“跨界”，2019年是一个节点。彼时这家公司正准备从谷歌位于伦敦的英国总部国王十字大楼搬出，转入下一阶段的生长周期。一同发生变化的，也包括公司未来的发展方向。

“强化（reinforcement）学习的问题在于，它总是在纸上谈兵，或者仅仅聚焦一个很狭窄的网格世界，但当遇到现实世界中更复杂的场景时这些理论能不能发挥作用，这一点一直被怀疑。”

哈萨比斯表示，公司未来将把强化学习扩展到解决现实问题上。新总部的落地也标志着DeepMind将带着之前近十年积累的研发实力和所有技术积累，转向研究围绕有机生命的基本问题。而最初鼓励他这么做的，正是几年前AlphaGo在围棋上的成功。

在这位创始人看来，跨学科的碰撞对于科学领域的发展无比重要，这一点从DeepMind创立之初就被贯彻进了人才招募的准则里。

“胶水人（glue people）”，哈萨比斯如此形容他渴望招募到的人才。

“我希望他们同时是多个领域的顶级人才，这样的人拥有在不同学科之间发现关联点的创造力，当这样的东西被找到了，魔法就会发生（when that happens， the magic happens）。”

在DeepMind的AI研究中心，除了数学、物理和神经科学的人才，生物学、心理学甚至哲学背景的人才也越来越多，近年DeepMind在不同领域所取得的具有现实意义的科研进展，某种程度上也是团队中纳入的学科维度进一步丰富的映射。

图源：DeepMind官网

回到那项古希腊石碑的研究，人类与人工智能的协同关系值得被重新审视。人工智能的跨界会演变成越俎代庖，甚至让人类研究者失去意义吗？

在这个研究过程中，DeepMind的深度神经网络Ithaca被放置在帕卡德人文学院所提供的希腊碑文数据库中进行学习。结果表明，当Ithaca单独被用于复原受损铭文时，其识别的准确率可以达到 62%，作为参照组的历史学家在同样的情况下，测试的准确率只有25%。

很明显的，引入深度学习的工具后对于研究古代文明的效率提升肉眼可见。

但这并不意味着人工智能将会取代人类。在谈到Ithaca对于古希腊石碑的修复研究时，伦敦国王学院的希腊数字研究荣誉教授Charlotte Roueché表示“这一进步不该被理解为对这个学科研究者的威胁，相反Ithaca就像一只猎犬，会为学者寻找线索”。

Ithaca在与历史学家合作中所体现出的协同性是此次研究中另一个极有价值的发现，两者结合情况下的准确率高达72%。

DeepMind在跨界上的活跃是一个积极信号，这说明人工智能正在更多领域找到实际的切入角度，而本领域的研究者将会是最大的受益者，在得到一台崭新的“蒸汽机”后，他们的生产力将会进一步得到解放。

于是我们不得不期待，DeepMind——或者别的人工智能公司——下一次登上《Nature》，将会带来一个怎样的全新故事。

参考资料：

《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学会控制核聚变反应堆了，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》

《苹果依然是“掉队巨头”，发表论文也没用》

本文来自微信公众号：品玩（ID：pinwancool），作者：油醋