诺贝尔奖得主震惊宣言：AI每年完成10亿年的博士研究时间

获得诺贝尔奖的Demis Hassabis表示，通过AI，DeepMind团队在一年内完成了10亿年的博士研究！十亿年的科学研究被压缩到一年之内，或许这就代表了AI技术的最高使命。

最近，诺贝尔奖获得者，谷歌DeepMind CEO Demis Hassabis再次曝光了一个惊人的言论。

「通过AI，我们在一年内完成了10亿年的博士研究。」

在DeepMind的AlphaFold-2中完成这一令人难以置信的压缩壮举。

根据以往的方法，它预测了地球上已知的2亿次蛋白质结构，这本书需要十亿年的博士时间。

ReidHoffman转发了Hassabis演讲的视频，LinkedIn联创，致力于用AI治疗肿瘤，引起了网友的热烈反响。

PhD Time(医生时间)这个概念，可谓非常新颖。

显然，DeepMind团队对蛋白质的研究给人留下了深刻的印象，但真正有价值的不仅仅是纯粹的计算自己，而是如何将这些结果和它们所体现的价值大规模结合起来。

与此同时，AI对信息和知识的民主化程度，也是前所未有的。

而且最令人震惊的是，目前我们甚至还没有到达AGI。

在更高尚的地区使用AI时，

对于这个「10亿年」许多网友对这个概念感到震惊。

一位金融科技从业人员评论说，Demis Hassabis和他的AlphaFold团队取得的这一成就，被称为革命性的。

十亿年的科学探究被压缩到一年之内，代表着技术的最高使命。

当其他人仍然使用AI来获得关注和利润时，Hassabis已经走上了一条更高尚的道路:使用AI来解锁生物学最深刻的奥秘，应对人类面临的最大挑战。

在AlphaFold中，我们可以看到，当一个优秀的头脑追求为全人类服务的知识，而不是为少数人的财富服务时，它可能会取得什么样的成就。

这一深刻提醒告诉我们：最大的创新应该用来扩大人类的潜能，而不是利用人类的弱点。

诺贝尔奖获得者，荣归剑桥

三月二十四日，在母校剑桥大学，Demis Hassabis发表了近一个多小时的演讲，分享了AI是如何驱动科学发现的。

在他看来，人类正在进入。「数字生物学」在时代，人类可以利用人工智能。「数字速率」，再一次想象药物发现的原理。

同时，尽管量子计算不断兴起，但是经典的计算机软件仍然有潜力通过AI来提升知识，并且可以帮助我们揭示现实的本质。

在剑桥大学巴贝奇讲堂的演讲中，他告诉观众，大约30年前，作为一名学生，他在这里听了第一次讲座。

Hassabis回顾了他迄今为止的AI职业生涯和研究，并提供了包括AGI在内的关于AI未来发展的迷人观点。

Demis Hassabis，2024年诺贝尔化学奖获得了蛋白质结构预测奖

2010年剑桥大学毕业后，他与人共同创办了DeepMind。

上世纪90年代，他在剑桥皇后学院读本科时，主修计算机科学。

DeepMind开发了AI模型，精通流行游戏。

2014年，DeepMind公司被谷歌收购，2年后，当DeepMind获胜时，「AI圣杯」，引起了全世界的关注：击败了围棋世界冠军。

以后，Demis Hassabis将注意力转向科学。

「我想我们已经准备好了，我们已经掌握了足够成熟的技术，可以把它应用到游戏之外，试着解决真正有意义的问题。」

蛋白质折叠-即从氨基酸序列中预测蛋白质的三维结构-这是一个典型的例子。

蛋白质是生命的构建块，蛋白质的作用被认为与其结构有关。

所以，了解蛋白质的结构有助于药物发现和疾病理解。

因此，科学家们已经工作了至少50年，直到2020年11月，DeepMindAlphaFold-2解决了这个问题。

随后，DeepMind使用AlphaFold-2预测了2亿个已知的蛋白质结构，并免费提供系统和这些结构供任何人使用。

Demis说：「就像把十亿年的博士时间缩短到一年。想想科学进步能有多快。这项技术现已被来自世界各地的200万研究人员使用，被引用超过3万次，成为生物学研究中的标准工具。」

论文链接：https://www.nature.com/articles/s41586-021-03819-2蛋白结构数据库：https://alphafold.ebi.ac.uk/

DeepMind的目的是利用AI造福人类，并将目标分为两个步骤：第一步是处理人工智能，第二步是利用它来处理所有其它问题。

他认为AI几乎可以应用于所有领域，并在未来带来相当大的突破。

谈到通用人工智能（AGI）Demis表示，在了解现实世界物理规律的各个方面，谷歌DeepMind正在推动AI的发展。

10亿年PHD时间

LinkedIn、Manas AI和Inflection ReidHoffman，AI创始人，与Hassabis一起讨论AI。

在交流中， Hassabis解释了为什么他认为DeepMind将10亿年的博士研究时间缩短到一年：

科学界已知有2亿蛋白质，而我们在一年内完成了所有的折叠。

所以我们在一年内完成了10亿年的博士研究。

这个要从Hassabis对AI，以及他的个人使命说起。

Demis AI应用程序Hassabis认为最重要。有两种：

首先是人体健康——这是最重要的——努力解决和治愈可怕的疾病。

二是有助于实现能源可持续性和气候——地球健康，

对于Hassabis来说，蛋白质折叠是一个典型的例子。

三十年前，他在剑桥大学读本科的时候就接触到了它。

从那以后，它就一直在他心中，这是一个可以解锁无数可能性的难题。

生活中的一切都取决于蛋白质，人类需要了解蛋白质的结构，以了解它们的功能。

假如知道它的作用，那么就可以理解疾病出了什么问题。

如了解蛋白质的3D结构，可设计药物和分子，并结合蛋白质表面的正确部分。

它涉及到复杂的计算问题。

普通蛋白质可以有10到300种可能的折叠方法。

而且已知的蛋白质种类有2亿，所有蛋白质都可以折叠20亿到600亿！

这个数字是天文数字，所以用蛮力枚举所有蛋白质的折叠方法几乎是不可能的。

但是，有了AI，这是可能的。

DeepMind通过AlphaFold所做的就是这样。

经验表明，过去发现蛋白质结构，需要四到五年的时间，几乎需要博士生的整个学习生涯。

科学界已知有2亿种蛋白质，DeepMind在一年内完成了它们的折叠。

可以这样理解：DeepMind在一年内完成了10亿年的博士研究。

更为重要的是，现在全世界都可以免费使用这些结果。

Hassabis等也成立了Isomorphic新公司，现在试图继续深入下游，开发所需药物。

为什么要强调深度学习

Hassabis在谈话中强调，那时，「深蓝」在AI专家系统中，缺少一些很基本的东西。

虽然「深蓝」那时候是人工智能的巅峰，但是它看上去并不聪明。因为，它缺乏学习新事物的能力。

虽然可以在下棋上达到世界冠军水平，但是不能玩井字棋，需要重新编程。而且，它不像人们的思维那样普遍。

而且这些，都是智能的标志，如果想要破解人工智能，它们是必须的。

2010年，Hassabis等人成立了DeepMind，之所以这样命名，部分原因是下注深度学习和神经网络等新发明的技术。

他们融合了「深度学习」和「强化学习」2件事。

其中，深度学习是用来构建环境或模型的，当时是游戏；强化学习是用来规划、行动、实现目标的，这样才能在游戏中取得最大的成绩，最终取得胜利。

许多人认为电脑不能下围棋。但是它不但可以下围棋，而且还是经典的「第37步」其中，展现了原创性和创造性。

而且围棋比国际象棋要难得多，所以AlphaGo需要20年的时间。

围棋队有10次170次方种情况，比宇宙中的原子还多，根本无法用穷举法找到围棋的解决办法。

而且，也很难将人类天才棋手的路线，包装成一套启发式的方法和规则，以引导机器下围棋。

而且DeepMind团队，让系统自己去学习：什么是好的方法，多条路线，以及高概率获胜的有价值的地方。

通过这种方式，2016年，AlphaGo走出了与李世石的经典对决。「第37步」。

人类玩了几千年的围棋，经过所有接触过的人类棋手的探索，这37步依然是一条从未见过的新路线。

那时，所有的专业讲师都惊呆了，差一点从椅子上掉下来，他们以为是电脑操作员误触了电脑。

但是，在100步之后，第37步的作用开始显现出来——它正好处于决定整个游戏的关键位置。

从那以后，这就成了围棋史上的经典场景。

但是在Hassabis看来，人类所致力于的每个领域，都会有很多「第37步」而且他希望将这些AI技术应用到科学领域。「根节点问题」上。

正如宇宙中所有知识的树木，如果可以解锁一些根节点，就可以打开整个支系。

而且蛋白折叠和AlphaFold，就是其中之一。

最后，Hassabis说，如果你正在执行一项20年的任务，并且一直按计划执行，那将是不可思议的。(现在，他们已经执行了15年)

对他来说，硅谷有一个问题：这里有惊人的资金，支持系统和人才数量，但是却非常分散自己的注意力。

假如一个人想要长期致力于自己认为重要的事情，这会带来许多噪音。

例如，「假如我跳出来，迅速开发一个游戏应用程序，也许能赚上亿美元」。

然而，AI已经成为迄今为止最具变化性的技术，它将像电力和火一样。那么，它绝不应该局限于加州100平方英里的一个区域。

参考资料：

https://www.possible.fm/podcasts/demis/

https://www.cst.cam.ac.uk/nobel-laureate-and-cambridge-university-alumnus-sir-demis-hassabis-heralds-new-era-ai-drug-discovery

本文来自微信微信官方账号“新智元”，作者：新智元，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com