哪裡找得到 DeepMind 人工智慧公司？圍棋棋盤或《Nature》。
2010年創立開始，DeepMind就給外界「不修邊幅」感。經典故事是三位創始人戴密斯·哈薩比斯（Demis Hassabis）、穆斯塔法·蘇萊曼（Mustafa Suleyman）和肖恩·萊格（Shane Legg）創立公司時，甚至只建了有公司logo的網頁，沒有連絡電話、不留公司地址，甚至沒有「關於我們」。
「為了聘員工，創始人必須靠個人聯絡，讓人才相信他們是正經人和認真的科學家，有認真的計畫。」哈薩比斯受訪時表示。
對大部分人來說，DeepMind一鳴驚人並不是2014年被Google收購，而是兩年後AlphaGo。2016年3月，AlphaGo挑戰圍棋世界冠軍李世乭九段，4:1勝。2017年5月進化的AlphaGo對戰排名世界第一的柯潔九段，3:0輕取。賽後柯潔落淚，直言看不到任何獲勝希望。
兩次人類頂尖棋士與AlphaGo對陣直接將圍棋推進AI時代，人工智慧成為棋士陪練師與假想敵。今年2月，南韓棋士申真諝接連擊敗楊鼎新與柯潔，柯潔抱怨申真諝全盤棋路「71%與AI吻合」。後者直言不諱，透露自己每天花5小時與AI對練以提升棋力。
以AlphaGo的多面目，大眾第一次感受到人工智慧具體化後的壓迫感。落入水中的一滴墨，染色了整個圍棋界。圍棋界苦大仇深，始作俑者DeepMind卻「贏了就跑」。
與柯潔對陣後，Alpha圍棋團隊宣布AlphaGo不再參加圍棋比賽，看看DeepMind最近幾年進展，找不到AlphaGo身影，反而發了好多論文，研究方向從生命科學到核融合，甚至古代文明都涉獵。
從DeepMind近幾年在《Nature》發表的論文，到目前兩年內，DeepMind至《Nature》共發表60篇論文，比前三年論文總數還多近10篇。60篇論文僅2022年前三個月就占10篇。
論文發表越來越勤，跨學科聯動上天入地，DeepMind儼然不愛賺錢卻勃勃生機的理想主義學術機構形象，怪不得有人開玩笑，現在DeepMind是住在《Nature》裡的人工智慧公司。
2020年底《Nature》封面，罕見用「它將改變一切」標語描述蛋白質研究難題終於攻克，英雄正是DeepMind。蛋白質3D解構預測困擾生物學家多年，一方面很大程度決定蛋白質特性和功能，有非常高研究價值；但蛋白質3D結構有數以億計的摺疊法，但假想提出後50年內從未達成。
這橫在生物學研究路上超過半世紀的難題，被DeepMind的人工智慧系統AlphaFold 2化解。後者利用氨基酸序列精確預測蛋白質摺疊結構，權威蛋白質結構預測評估機構（Critical Assessment of protein Structure Prediction，CASP）的測評體系得分超過92分，意味據計算生物學（Computational Biology）的預測結果，幾乎與實驗室方法精準度相當。
CASP主席John Moult直言，「電腦科學領域50年來巨大挑戰得到解決」，學界不吝稱讚為「人類21世紀最重要科學突破之一」。 Google CEO桑德爾·皮查伊（Sundar Pichai）、特斯拉CEO馬斯克（Elon Musk）等也都對研究成果興奮不已。
但DeepMind又消失了。直到今年初，眾人發現它出現在研究核融合的托克馬克裝置。這次登上《Nature》，是因DeepMind的AI達成精準控制托克馬克含等離子體的磁場。
▲ 托克馬克裝置。（Source：Unknown authorUnknown author, CC BY-SA 2.5, via Wikimedia Commons）
核融合核心條件是超過攝氏1億度的環境下，讓氫過熱成為等離子體狀態。要約束這麼高溫的等離子體，熟知的方式有兩種──有巨大質量的太陽可靠重力約束，或像氫彈以慣性約束。
但前者的客觀條件在地球上無法復現，後者的反應過程不可控，所以當下世界各國採取的可控核融合實驗主要採用磁約束的方式，而托克馬克則是磁約束核融合的發生裝置。
由於極高溫度，等離子體需要藉磁場懸浮，磁場來自19個磁線圈，磁線圈控制度要求極高，幾乎完全隨機的環境，線圈1秒內可能需調整上千次。一旦校準過程接觸到裝置，就可能導致核融合反應減弱。研究人員不敢冒太大險探索托克馬克裝置核反應上限。
簡單來說，DeepMind的深度學習AI所做的就是幫助研究人員進一步精準控制托克馬克──如準確捕獲真實托克馬克裝置的所有變量，以及5千萬分之一秒內調整磁線圈。
「我們正在嘗試一些等離子體形狀迫使整個裝置運轉系統接近極限，這種情況下等離子體可能會崩潰並損壞裝置。如果沒有對人工智慧的信心，我們不會冒這個風險。」參與計畫的瑞士等離子體中心科學家之一安布羅喬·法索利談到DeepMind時表示。
然後DeepMind又丟下核融合，轉戰古代文明。這次沒有消失太久，不到一個月，DeepMind研究成果再次登陸《Nature》封面，背景是一塊古希臘石碑。
DeepMind團隊與威尼斯大學、哈佛大學等研究團隊釋出全新復原、辨識古代石碑年代及碑文內容的辦法。古希臘時期雅典頒布一系列法典，認為是公元前446~445年前寫的，研究將這時間點精確到公元前424~423年，這對歷史學家研究古希臘文化和政治制度演進意義重大。
（Source：Yannis Assael）
科技公司週期性發表論文展示研究成果並不罕見。康乃爾大學人工智慧教授巴特·塞爾曼曾表示，全球居前線的科技巨頭每年在這些大會起碼要發表數十篇論文，「人工智慧領域，你必須在有同行評議的主流人工智慧、機器學習、電腦視覺和自然語言大會發表論文。」
無論為了展現研發能力還是為了人才招募，Google、微軟等科技巨頭論文成果都經常現身AAAI、NeurIPS等人工智慧頂級大會或《Nature》等權威學術期刊。
馬斯克曾質疑論文實際用處。對他來說，學術層面成功相對容易，因只要發表一些無用的論文，「且其實大多數論文毫無用處。」
對DeepMind來說，發論文不僅是日常，還總是天馬行空出現各種看起來毫不相關的領域。且這兩者並非毫無關係，馬斯克是DeepMind早期投資者之一，時間線甚至在Google之前。
為什麼這家人工智慧公司越來越熱中「跨界」，2019年是個節點。DeepMind正準備從Google倫敦英國總部國王十字大樓搬出，轉入下階段生長週期。一起變化的也包括公司未來發展方向。
「強化（reinforcement）學習的問題在於，總是在紙上談兵，或僅聚焦很狹隘的網格世界，但遇到現實世界更複雜的問題時這些理論能不能發揮作用，一直被懷疑。」
哈薩比斯表示，公司將把強化學習擴展到解決現實問題。新總部也代表DeepMind將帶著近十年積累的研發實力和技術累積，轉向研究有機生命的基本問題。最初鼓勵他這麼做的，正是幾年前AlphaGo的圍棋AI大成功。
哈薩比斯看來，跨學科碰撞對科學發展無比重要，這點從DeepMind創立之初就貫徹人才招募準則。
膠水人（glue people）──哈薩比斯如此形容他渴望的人才。「我希望他們同時是多領域的頂級人才，這樣的人擁有不同學科間發現關聯的創造力，當這種東西找到時，魔法就會發生（when that happens, the magic happens）。」
▲ DeepMind 創始人戴密斯·哈薩比斯。（Source：DeepMind）
DeepMind AI研究中心除了數學、物理和神經科學人才，生物學、心理學甚至哲學背景人才也越來越多，近年DeepMind在不同領域的有現實意義科研進展，某種程度也是團隊納入學科更豐富的反射。
回到古希臘石碑研究，人類與人工智慧合作值得重新審視。人工智慧跨界會演變成越俎代庖，甚至讓人類研究者失去意義嗎？
DeepMind深度神經網路Ithaca放在帕卡德人文學院提供的希臘碑文數據庫。結果表明，當Ithaca單獨用於復原受損銘文時，辨識準確率可達62%，參照組歷史學家同樣情況下，準確率只有25%。
很明顯，引入深度學習工具後，研究古代文明的效率提升肉眼可見。但這不意味人工智慧會取代人類。談到Ithaca古希臘石碑修復研究時，倫敦國王學院希臘數位研究榮譽教授Charlotte Roueché表示，「這進步不該理解為對這學科研究者的威脅，相反地Ithaca就像獵犬，為學者找尋線索。」
Ithaca與歷史學家合作時的協同性，是此次研究另一個極有價值的發現，兩者結合準確率高達72%。DeepMind的跨界活躍是積極訊號，說明人工智慧正在更多領域找到實際切入角度，該領域研究者將是最大受益者，得到嶄新「蒸汽機」後，生產力就會大躍進。
我們更可期待，DeepMind或別家人工智慧公司下次登上《Nature》，將帶來怎樣的新穎故事。
- Inside DeepMind’s epic mission to solve science’s trickiest problem
- Nature 最新封面：DeepMind AI “再下一城”，追尋人類古老文字蹤跡
- 有 AI 學會控制核融合反應堆了，來自 DeepMind，登上今日 Nature
- 震驚科學界！DeepMind AI 破解「蛋白質折疊」難題，攻克生物學 50 年巨大挑戰
科技新報粉絲團
加入好友
訂閱免費電子報
