Google DeepMind创始人斯坦福最新对话: 在AGI奇点的山脚下 | Demis Hassabis专访

Google DeepMind创始人斯坦福最新对话: 在AGI奇点的山脚下 | Demis Hassabis专访 Google DeepMind创始人斯坦福最新对话: 在AGI奇点的山脚下 | Demis Hassabis专访 Modified June 5 Audio or video is not supported Please download the file and open it with the appropriate software. 13425066185270074.mp4 · 208.40MB 13425066185270074 00:00 所以我们选择了蛋白质折叠问题。我从在 Cambridge 读本科时就一直关注这个问题。那时我第一次接触到它，我有几位生物学家朋友对蛋白质折叠问题非常着迷。实际上，他们后来在职业生涯中也都成为了结构生物学家。我特别记得其中一位，每次我们在酒吧玩桌上足球或其他什么东西时，他总会喋喋不休地谈论这是生物学中最重要的问题。更重要的是，我认为这是一个根本性的问题。 如果你能攻克它并找到蛋白质的结构，那将开启全新的研究途径 。比如药物研发，显然我们正在努力推进这一点，还有基础生物学和对疾病的理解。因此，由于它会产生深远的后续影响，这是一个非常值得投入大量精力和时间去研究的问题。 在我看来，这是一个引人入胜的问题，就像终极谜题，这是一个三维谜题，关于这种氨基酸序列是如何折叠的？你可以把它看作是基因序列折叠成了这种三维结构。这真是一件极其有趣且复杂的事物。我对蛋白质研究得越深入，就越对生物学感到敬畏和惊叹。就像这些令人难以置信的小型生物纳米机器一样， 显而易见，一切生命活动都依赖于蛋白质 。当你开始研究它们的结构时，你便开始理解它们的功能。因此，作为一个科学课题，这对我而言非常迷人。 随后，这里有一个明确的目标。这在某种程度上就像是最小化系统中的自由能。推测起来，物理学正是这样运作的。这就是为什么人体内这些蛋白质能在毫秒内完成折叠，每秒钟发生数十亿次。所以，物理学以某种方式解决了这个问题。所以不可能是无迹可寻的，一定存在某种拓扑结构，比方说，你可以通过深度学习系统来学习这种结构，进而引导搜索过程。就像我们利用 AlphaGo 在围棋中寻找绝妙着法一样，在围棋中，可能的棋步数量超过了宇宙中原子的总数，而蛋白质折叠的搜索空间比这还要大。 但总有一些方法能够以合理的方式缩小搜索范围。你利用深度学习模型学习一种启发式策略，然后引导搜索，使问题变得可计算 。这在科学上感觉确实与我们在围棋中解决的问题非常相似，可以说是将其中一些相同的方法和理论应用到了这个领域。 另一方面，显而易见，过去50年来许多优秀的实验室和科研人员在晶体学和结构生物学领域付出了极其艰苦的努力，即便如此，PDB 这个主要数据库中也仅收录了约 150,000 个结构，实际上这并不多。显然，为了获取这些数据已经投入了巨大的人力物力，但目前已知有 2 亿种蛋白质，而对于机器学习系统来说，150,000 的数据量是非常小的。因此， 大多数人都认为至少还需要 10 到 20 年，我们才拥有足够的数据 and 合适的算法来解决这个问题 。但我们认为，只要运用我们所掌握的所有技术，最终是可以取得进展的。事实证明确实如此。 随后，当我们决定如何利用这一点产生最大影响力时，对我而言显而易见的是， 我们应该折叠所有的蛋白质 。之所以这样做，是因为它不仅达到了 AlphaFold 的准确度，而且速度极快。它可以在几秒钟内完成蛋白质折叠。最终，我们与位于剑桥的 European Bioinformatics Institute 展开合作，该机构托管了许多科学家使用的顶级生物学数据库，并将全部 2 亿个蛋白质结构托管在他们的数据库中，使其能够像 Google 搜索一样简单地找到蛋白质结构，同时提供机器学习系统给出的置信区间，标注出其对蛋白质结构中哪些部分具有把握，这对我们的生物学家来说至关重要。 我们将这些整合在一起，这当然是非常有价值的。我不知道具体价值是多少十亿美元，或者其他什么数字。这取决于你如何计算。如果通过实验手段来完成，其成本将是不可估量的。但如果将其作为专利技术保留，其价值将非常巨大。然而对我们来说， 我们感到如果仅凭一己之力，将这些结构公之于世所能带来的深远影响，我们只能触及冰山一角 。因为全世界有三百万名研究人员几乎每天都在使用 AlphaFold，这涵盖了全球几乎所有的生物学家和医学研究人员。单靠一家机构是不可能做到这一点的。 所以这显然是正确的做法。 我们也依赖公共数据来训练 AlphaFold 的第一个版本，因此回馈这个群体——即结构生物学界——是理所应当的 ，我们将这一令人惊叹的资源提供给他们，这放大了他们此前辛勤积累的成果。对我来说这甚至不成问题，而且很高兴 Google 的高管们也热爱科学，完全理解这一点。我不认为所有的公司都会做出那样的决定。所以我也要为他们在这方面的表现点赞。那是一场轻松的讨论。 此后，我们尝试通过 Alphabet 旗下的分拆公司 Isomorphic Labs 将这一成果推向应用下游，该公司正在构建多种类似于 AlphaFold 级别的突破性技术，并以某种方式将它们整合在一起。 这有望加速药物研发进程，将其从数年缩短至数月，甚至未来可能缩短至数周 ，就像我们处理蛋白质结构那样——过去测定一个结构需要数年时间，而现在我们可以在几秒钟内完成。 预见 2030：站在奇点的山脚下 乔纳森·莱文 这是AI未来真正令人兴奋的领域之一。我想花点时间谈谈你本周早些时候说过的话。你本周上了新闻，因为在一次大型Google活动上， 你说我们正处于奇点（singularity）的山脚下 。 德米斯·哈萨比斯 那句话引起了相当多的关注。 乔纳森·莱文 确实引起了广泛关注。我理解Google新闻团队可能对此并不太高兴。但既然你公开这么说了， 你指的是什么 ？ 德米斯·哈萨比斯 我在会议结尾所表达的完整意思是，当我们回首这段时期时，我认为，也许是考虑从现在起10年后，我们会意识到我们现在正站在奇点的山脚下。之所以选择这个词，是因为技术层面存在AGI。我们一直将下一代真正通用的人工智能称为AGI。 我相信我们距离那一刻只有几年时间了，可能大约是2030年左右，这确实令人震惊 。我认为那将是一个巨大的变革性技术时代，它实际上将开启一个新的人类纪元。这就是我所指的奇点，也是许多科幻小说作家所描述的概念，它描述的是我们在 AGI 到来之时及其前后所处的时代。 因此，我认为今年我们能感受到这一点。尽管我已为此努力了 30 年，但我认为今年随着 Agent 的运作方式和工具使用的进步，它开始变得真正实用，虽然仍处于早期阶段，但已切实融入了人们的工作流程中，我们能够看清还需要完成哪些额外工作，而我们所有的领先实验室也都在致力于此。我认为这只是一个开端，目前还处于起步阶段。 我认为仍有大量工作要做，这不仅仅是单一事物，而是多种不同技术和应用场景的结合。我曾以为某些技术还需要更久才能实现，但现在它们正汇聚在一起，让我感到整体趋势确实如此。我想强调这一点，因为我认为社会需要听到这些， 我们没有太多时间来为即将发生的影响做准备，我认为这将产生极其深远的影响 。在我看来，未来尚未定型，但接下来的几年对于局势的走向，以及我们共同希望未来呈现何种样貌，将起到至关重要的作用。 挑战与民主化：100 倍速的工业革命 乔纳森·莱文 如果你观察关于人们如何看待 AI 的调查，尤其是在这个国家，目前的舆论非常负面。或许这里比其他国家的负面情绪还要更严重。这背后可能有很多驱动因素，比如对隐私、国家控制、科技公司规模或就业问题的担忧。 作为一家领先实验室的负责人，你如何看待公众对这项技术的担忧 ？ 德米斯·哈萨比斯 我认为公众有理由感到担忧。我认为有些事情确实值得忧虑，我也对这项技术作为一种双用途技术所涉及的多个方面感到担忧。这是一种如此深远的技术。我有时会这样描述和量化它： 其影响将是工业革命的 10 倍，且速度快 10 倍 。所以，这发生在十年内，而不是一个世纪。所以这大约是工业革命速度的100倍。 老实说，这可能还是个保守估计，但这对我们来说可能已经足够去尝试理解和应对了。当然，我认为会有令人超级兴奋的事情发生，会有奇妙的事情出现，比如我们正试图通过AI解决所有疾病，我相信当今社会面临的其他许多挑战，从气候到能源再到疾病，都将得到AI的帮助，我对此深信不疑。事实上， 如果我不认为未来会有AI这样的技术出现，我会对这些挑战感到更加担忧 。 但这将导致巨大的变革和颠覆，实际上涵盖技术、经济和哲学层面。我认为我们必须经过深思熟虑，并召集社会各界共同讨论这个问题，而不仅仅是技术专家。技术本身以及技术的安全性只是其中的一环。 我们需要经济学家、社会科学家、人文和人类学专家来共同规划未来将会发生什么 。 我认为这里出现负面情绪的原因之一，是因为它在其他国家的情况有所不同。例如，当我们从印度的峰会回来时，我发现它在印度年轻人中非常受欢迎，因为他们看到了它将为他们带来的民主化机遇。他们能够获得与去 Silicon Valley 所需的一样基础的工具。对于世界而言，这是一个了不起的时刻， 每个人几乎都可以接触到前沿实验室正在发生的事情，而且只有几个月的延迟 。如果你仔细想想，这确实是前所未有的。 因此，这其中蕴含着不可思议的事情。但我认为，部分原因在于我的一些同行表达观点的方式，我认为他们在沟通时非常谨慎，并且意识到自己表现得过于笃定。我想说，在某些声明上，他们显得太过确信，而实际上我认为其中存在巨大的不确定性，这本身就令人担忧，但也意味着一切尚未成定局，这是我的观点。我认为这在某种程度上是未知的，任何声称了解一切的人都可能言过其实。我认为在方向上我可以告诉你一些事情，但很大程度上确实取决于未来几年所采取的行动。 此外，今天的年轻人，也就是今天在座的许多学生，你们将塑造未来。 你们是第一代在 AI native 环境中成长起来的人 ，就像我当年成长在 computer native 环境中一样。正如每一代人一样，你们将掌握这些技术，并利用它们变得超级高效。实际上我认为，至少在接下来的 10 年里会是这样，在此之后就很难预测了。如果你能以正确的方式使用它们，你几乎会拥有超能力。个人能够完成的创意和项目数量将会大大增加。 但这也许会改变工作的本质。未来将会有更多小型的创业项目，而非大型公司。我也不确定。这将会带来巨大的改变。我认为，社会各界——而不仅仅是技术专家、经济学家及其他相关人士——需要团结起来，真正重视这种指数级的增长。我们昨晚也在讨论这个问题，现在就需要认真对待，并开始规划未来的蓝图。例如， 如果我们处于一个后稀缺时代，每个人该如何从中获益 ？ 要知道，很大程度上这关乎于，显然，只让少数人、少数几家公司甚至少数几个国家从这项技术中获益是不正确的。这需要具有广泛性，因为 它将影响全人类，必须让所有人都能广泛地享受到其中的红利 。但该如何实现这一点呢？我们确实需要，我们很多人讨论这个问题已经有一段时间了，但我们现在真正需要的是答案，以及需要采取的具体措施和行动。我计划为此贡献自己的一份力量。这些年来我一直在深入思考这个问题，并进行规划 and 积累影响力，我会尽我所能。 显然，我们是一个重要的参与者，但我们只是这个领域中的参与者之一。但我希望，我知道好消息是，所有的领先实验室及其负责人，尽管他们在许多事情上存在分歧，但他们确实在担忧未来可能出现的此类问题。但 我们需要更多的论坛，让我们能够聚集在一起，更坦诚地讨论这些事情 。我认为公众所察觉到的，可能恰恰是关于未来走向的讨论存在些许偏差，或许在某些信息传递背后还隐藏着不可告人的动机，比如融资或其他目的。 但我认为我们需要达成共识，要运用科学方法，在这个历史的关键时刻保持真正的严谨和深思熟虑。最后我想说的是，我非常希望能看到。我认为业界和该领域有责任更明确地展示其益处，不仅是谈论它们，而是要实实在在地证明它们。因此在健康、医学和科学领域，在我看来，这些事物都是毋庸置疑的福祉，比如 AlphaFold。但这样的例子还不够多。应该有 20 个 AlphaFold 才对，不是吗？ 我们必须停止在假设层面上谈论治愈癌症，而要真正去治愈癌症 。 因此我认为，我们需要向公众证明，为什么我们这些对人工智能感到兴奋的人——在座的许多人也是如此——会对此感到兴奋？为什么我们毕生致力于此？同时， 我们要如何在实现所有我们期待的美好愿景的同时，具体地降低相关风险 ？我认为社会需要这些。 呼唤现代凯恩斯：后稀缺时代的经济学 乔纳森·莱文 我认为这里提到了许多很好的观点：如果 AI 的突破能带来一些切实的好处，比如在人类健康或药物研发方面，那可能会在某种程度上改变人们的看法。而且我很赞同那个建议，即尝试从更长远的角度去思考一个在生产力等方面可能截然不同的世界。事实上，这很难做到。在社会科学领域，人们很少能跳出当前的框架去进行真正的远景展望。我想到 Keynes 在大萧条时期那篇伟大的文章，他展望了我们子孙后代的经济生活。 正如你昨晚所说，现在我们需要一位类似 Keynes 的人物，这实属罕见 。或许，我们观众席中就有人能做到这一点。也许观众席中就有人会去实现它。 请允许我提问，多年来你一直谈论的一件事是，前沿实验室在某种意义上需要自我监管。那就是有时选择不发布某些类型的技术。那些可能构成安全威胁的技术等等。目前很清楚，各大实验室正处于激烈的竞争之中。他们投入了一切。他们正在全力以赴。 你是否仍然认为实验室应该进行自我监管？你认为政府是否应该介入并以某种方式监管 AI ？相对于你过去所谈论的内容，你如何看待当前的态势？ 德米斯·哈萨比斯 首先，为了提供一些历史背景。关于我们之前谈到的技术发展情况，我认为技术的发展令人惊叹，甚至可能比我20年前想象的还要好。但这种环境，它所孕育的条件，绝非理想，甚至相去甚远，我曾在15年前、10年前感到非常担忧，担心随着越来越多的人、越来越多的公司、越来越多的雄心勃勃的科技领袖意识到我20多年来一直深知的事实——即这项技术将会有多么重要——从而引发这种竞争态势。 我们也在现场讨论过这种竞争态势所带来的危险。遗憾的是，由于技术发展的路径所致， 如果我们能挥动魔法棒，我本会选择在一个研究机构中构建 AGI，即通用技术，类似于 CERN 那样 ，汇集最顶尖的大脑，相互审视彼此的构思，确保我们严谨地遵循科学方法进行测试，并理解我们所迈出的每一步。但那样我们就无需等待了。当然，这意味着 AGI 会晚一些到来，也许会晚10年，但我们不必等到那时才能获得它的社会效益，因为与此同时，我们可以从中拆分出部分功能，将其应用于专业化系统，例如更多的 AlphaFold，用于攻克疾病。这是可以做到的，因为那些属于 AlphaFold 类系统，是一种专业化的混合系统。它运用了许多通用系统所采用的理念，并专门针对蛋白质折叠进行了优化。 所以，这实际上是我的愿景，你们也可以看到这就是我的初衷，因为这正是我们当时正在做的事情。但随后聊天机器人改变了这一点，因为实际上，这可能是我在过去15年左右的科学领域中唯一感到惊讶的事情，那就是 Transformers 在语言处理方面最终变得如此高效 。而且，仅仅通过互联网就能将语言剥离出来并进行学习，而无需在现实世界（无论是机器人技术还是模拟环境）中进行交互，这一事实确实令人瞩目。这非常有趣，至于其中的原因，那将会是另一个完全不同的话题。我对此有一些理论。 语言的根基比语言学家们所认为的要深厚得多。通过人类测试者所进行的强化学习反馈，确实存在某种根基，因为很显然，我们是植根于现实世界的。因此，当我们对某些事物说“是”或“否”时，我们的这种根基便以一种非常低带宽的方式，最终影响并改变了 foundation model 的理解。所以我认为，确实发生了一些意想不到的事情。随后，这使它成为了一项具有极高商业价值的技术，可以通过工程投入 and 资金支持等方式进行扩展，这正是当今我们所看到的景象。 而这改变了整个动态格局。随后便造就了我们今天所见的局面，这可能是迄今为止最激烈、最具竞争性的环境。 我敢说这是前所未有的，至少在科技行业和科技时代是如此，甚至可能是历史上最激烈的 。或许商学院的史学家们会告诉我事实并非如此。但身处其中，这种感觉极其强烈，对所有参与者来说皆是如此。在此之上，还要叠加地缘政治的复杂性。所以，这其实是一场双重竞赛。一方面是公司之间的竞争，对它们而言这事关生死；另一方面是美中关系及其他地缘政治层面的博弈，那也是一场竞赛。所以这是双重层面的竞争，非常棘手。 目前，我仍然希望各方之间能达成某种合作与协调——我们作为实验室领导者当然也会探讨这一点——尤其是在安全性和防御性要素方面。这是所有人的共识。没有人希望发生灾难性的失控。问题在于我们陷入了一种类似于囚徒困境的局面：根据定义， 如果你花费更多时间去发布产品或提高产品的安全性，这显然比直接发布产品并观察其表现要困难得多 。结果就是背叛者会获得某种优势，这就是竞相逐底机制中的经典问题。 我们必须设法改变这种状况，我认为这非常迫切。 我认为解决办法的一部分是某种形式的政府介入 。当然，困难在于任何与监管相关的事物都过于迟缓；现在每周都会有新进展，如果我们两年前制定了监管规定，那现在看来就如同陈年旧事一样，几乎可以肯定那是完全错误的举措。因此，无论采取何种设计，它都需要具备动态性。但这通常与监管这个词格格不入，所以它必须像反应敏捷一样，能够根据最新进展获取信息，从而适应真正的风险所在，而不是去关注那些很多年前预设、最终被证明并非如此或并非关键所在的那类所谓风险。 这对AI来说根本行不通，即使在今天，我们也知道领先的科学家们未必能就一份简短的风险清单达成一致。我知道他们肯定无法就所需的制衡机制达成简短的共识，这是因为相关科学尚未定论，且进展速度确实超前于我们的理解，这正是当前的现实，也是竞赛动态的一部分，但我们需要设法重新平衡这一点。 我们需要某种形式的、真正意义上的智能监管，它必须是动态的，能够随时代迅速调整，并可能由领先的实验室提供参考 。 动态监管与科学前沿 乔纳森·莱文 好的，这个话题就此打住， 我认为在如何建立监管体系的前景方面，还有很多值得探讨的地方 。针对 AI 采取监管措施，同时又要确保不阻碍你所提到的那些对地缘政治有益的突破。] 乔纳森·莱文 我们想要所有的创新，我们想要攻克疾病。所以准确地说， 你该如何促进良好的用例，同时缓解负面影响呢 ？ 我非常期待你今年能拿出相关计划。 我想留点时间给学生提问 。 观众提问 你好，Demis。我是商学院二年级的学生 Arind。我的问题是， 您如何平衡推动 AI 前沿发展与确保健康及科学红利在非洲和全球南方等需求最迫切、但部署与研究基础设施最薄弱的地区实现均衡分配 ？ 德米斯·哈萨比斯 我们实际上经常思考这个问题。 我可以举的一个例子是关于 AlphaFold 的，当时我们将所有蛋白质结构折叠并放入数据库中，让世界各地的人都能访问 。所以，这 300 万研究人员来自 190 个国家，说清楚一点，这几乎涵盖了每个国家、每位研究人员。 这意味着他们能够利用 AlphaFold 做些什么，而我们早期在培育合作方面所做的工作非常棒。我们与 DNDDI（被忽视疾病药物研发联盟）进行了合作，它是瑞士 WHO 的一部分， 专门研究世界上那些医疗体系不完善的贫困地区所面临的疾病 。如您所知，其中一些疾病被忽视了，因为大型制药公司在这些市场上无法盈利。因此，那些主要影响世界这些地区或区域的疾病，就无法获得足够的研发资源支持。 因此，我们能够与该研究所及当地许多实际的大学开展合作， 直接帮助他们跨越了自行解析疟疾病毒或Zika病毒等结构的过程 ，而这些工作本需要他们投入大量繁琐的结构生物学研究。他们可以直接将这些结构视为已知前提，立即投入到药物研发工作中。 这极大地加速了整个研发进程 。他们可以利用目标蛋白结构直接推进后续工作。 受气候变化影响的作物抗逆性研究也是如此 。我们在这些领域与Jennifer Doudna的研究所及其他机构合作，因为此前许多植物蛋白的结构尚未被解析。显而易见，绝大多数结构生物学研究都集中在人类蛋白质上。因此，在动物或植物领域，现有的数据要少得多。所以他们能够实现突破，这使得该技术在这些领域具有更为显著的影响力。 最后我想说的是，如果我们能做到——我认为这也是资本引擎发挥正面作用的地方——如果我们能将我们在Isomorphic致力于研发的药物发现平台打造得像我所说的那样高效， 即把研发周期从几年缩短到几个月 。因此，与其耗资数十亿美元，现在的成本仅为数千万美元。甚至可能低至数百万美元。我希望 Isomorphic 能做到的是，我们不仅能治愈那些可能影响全球较富裕地区的棘手疾病。这可以盈利，并以此作为驱动力，但随后我们可以采取某种慈善方式， 由公司去寻找那些不需要追求回报的疾病疗法，因为其研发速度够快、成本够低，可以在短时间内完成 。所以我认为，这就是我对 Isomorphic 如何助力全世界的梦想。 哲学、美德与后稀缺时代 观众提问 你好，Demis。非常感谢你抽出时间与我们交谈。我叫 Miki。我是 Dore School of Sustainability 的大四学生。你已经广泛地描述了 AGI 如何成为人类最具变革性的技术。 我好奇，在 AGI 带来这种智力开拓和生产力提升的同时，你是如何思考其社会责任或社会影响的 ？尤其是考虑到这将会如何重新定义和重塑人们所面临的挑战，以及它可能带来的后续连锁反应。谢谢。 德米斯·哈萨比斯 好的，谢谢你的提问。我一直都在思考这个问题，从一开始就是如此，因为我们当时就在为成功做规划，所以即便在15、20年前，这看起来非常不可能。我认为这就是我喜欢做这类演讲并与身处这类领域的人士会面的原因，这在某种程度上是一种号召，因为 我们确实迫切需要思考二阶后果 。 在我看来，在座的许多人，以及许多从事人文学科研究的人，现在是属于你们的时代了。因为，我们必须确保技术开发正确。但如果我们做到了这一点，接下来就是经济学问题。如果我们能解决这些问题，那么 接下来就是关于人类生存状态的哲学问题 。我对此感到非常兴奋，我是一个坚定的信徒，我非常乐观。显然，我应该说，我是一个谨慎的乐观主义者。 我非常乐观地认为，我们一定能把这件事做好 。我非常相信人类的独创性，尤其是在压力之下。我认为当处于危急关头时，人类总是能找到解决办法，现在也不例外。 我们确实需要开始重视这一点。我认为技术领域已经在认真对待了，但社会的其他部分也需要跟上。经济学家方面，每当我与他们讨论当前发生的事情时，总会感到有些惊讶，他们对此相当怀疑，纠结于这些增长体现在GDP的哪个部分。 这就好比，看吧，这可是工业革命威力的10倍，我们难道不能现在就开始为此做规划吗 ？ Audio or video is not supported Please download the file and open it with the appropriate software. 13425066185270074.mp4 · 208.40MB 13425066185270074 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 13425066185270074.mp4 · 208.40MB 13425066185270074 00:00 所以我们选择了蛋白质折叠问题。我从在 Cambridge 读本科时就一直关注这个问题。那时我第一次接触到它，我有几位生物学家朋友对蛋白质折叠问题非常着迷。实际上，他们后来在职业生涯中也都成为了结构生物学家。我特别记得其中一位，每次我们在酒吧玩桌上足球或其他什么东西时，他总会喋喋不休地谈论这是生物学中最重要的问题。更重要的是，我认为这是一个根本性的问题。 如果你能攻克它并找到蛋白质的结构，那将开启全新的研究途径 。比如药物研发，显然我们正在努力推进这一点，还有基础生物学和对疾病的理解。因此，由于它会产生深远的后续影响，这是一个非常值得投入大量精力和时间去研究的问题。 在我看来，这是一个引人入胜的问题，就像终极谜题，这是一个三维谜题，关于这种氨基酸序列是如何折叠的？你可以把它看作是基因序列折叠成了这种三维结构。这真是一件极其有趣且复杂的事物。我对蛋白质研究得越深入，就越对生物学感到敬畏和惊叹。就像这些令人难以置信的小型生物纳米机器一样， 显而易见，一切生命活动都依赖于蛋白质 。当你开始研究它们的结构时，你便开始理解它们的功能。因此，作为一个科学课题，这对我而言非常迷人。 随后，这里有一个明确的目标。这在某种程度上就像是最小化系统中的自由能。推测起来，物理学正是这样运作的。这就是为什么人体内这些蛋白质能在毫秒内完成折叠，每秒钟发生数十亿次。所以，物理学以某种方式解决了这个问题。所以不可能是无迹可寻的，一定存在某种拓扑结构，比方说，你可以通过深度学习系统来学习这种结构，进而引导搜索过程。就像我们利用 AlphaGo 在围棋中寻找绝妙着法一样，在围棋中，可能的棋步数量超过了宇宙中原子的总数，而蛋白质折叠的搜索空间比这还要大。 但总有一些方法能够以合理的方式缩小搜索范围。你利用深度学习模型学习一种启发式策略，然后引导搜索，使问题变得可计算 。这在科学上感觉确实与我们在围棋中解决的问题非常相似，可以说是将其中一些相同的方法和理论应用到了这个领域。 另一方面，显而易见，过去50年来许多优秀的实验室和科研人员在晶体学和结构生物学领域付出了极其艰苦的努力，即便如此，PDB 这个主要数据库中也仅收录了约 150,000 个结构，实际上这并不多。显然，为了获取这些数据已经投入了巨大的人力物力，但目前已知有 2 亿种蛋白质，而对于机器学习系统来说，150,000 的数据量是非常小的。因此， 大多数人都认为至少还需要 10 到 20 年，我们才拥有足够的数据 and 合适的算法来解决这个问题 。但我们认为，只要运用我们所掌握的所有技术，最终是可以取得进展的。事实证明确实如此。 随后，当我们决定如何利用这一点产生最大影响力时，对我而言显而易见的是， 我们应该折叠所有的蛋白质 。之所以这样做，是因为它不仅达到了 AlphaFold 的准确度，而且速度极快。它可以在几秒钟内完成蛋白质折叠。最终，我们与位于剑桥的 European Bioinformatics Institute 展开合作，该机构托管了许多科学家使用的顶级生物学数据库，并将全部 2 亿个蛋白质结构托管在他们的数据库中，使其能够像 Google 搜索一样简单地找到蛋白质结构，同时提供机器学习系统给出的置信区间，标注出其对蛋白质结构中哪些部分具有把握，这对我们的生物学家来说至关重要。 我们将这些整合在一起，这当然是非常有价值的。我不知道具体价值是多少十亿美元，或者其他什么数字。这取决于你如何计算。如果通过实验手段来完成，其成本将是不可估量的。但如果将其作为专利技术保留，其价值将非常巨大。然而对我们来说， 我们感到如果仅凭一己之力，将这些结构公之于世所能带来的深远影响，我们只能触及冰山一角 。因为全世界有三百万名研究人员几乎每天都在使用 AlphaFold，这涵盖了全球几乎所有的生物学家和医学研究人员。单靠一家机构是不可能做到这一点的。 所以这显然是正确的做法。 我们也依赖公共数据来训练 AlphaFold 的第一个版本，因此回馈这个群体——即结构生物学界——是理所应当的 ，我们将这一令人惊叹的资源提供给他们，这放大了他们此前辛勤积累的成果。对我来说这甚至不成问题，而且很高兴 Google 的高管们也热爱科学，完全理解这一点。我不认为所有的公司都会做出那样的决定。所以我也要为他们在这方面的表现点赞。那是一场轻松的讨论。 此后，我们尝试通过 Alphabet 旗下的分拆公司 Isomorphic Labs 将这一成果推向应用下游，该公司正在构建多种类似于 AlphaFold 级别的突破性技术，并以某种方式将它们整合在一起。 这有望加速药物研发进程，将其从数年缩短至数月，甚至未来可能缩短至数周 ，就像我们处理蛋白质结构那样——过去测定一个结构需要数年时间，而现在我们可以在几秒钟内完成。 预见 2030：站在奇点的山脚下 乔纳森·莱文 这是AI未来真正令人兴奋的领域之一。我想花点时间谈谈你本周早些时候说过的话。你本周上了新闻，因为在一次大型Google活动上， 你说我们正处于奇点（singularity）的山脚下 。 德米斯·哈萨比斯 那句话引起了相当多的关注。 乔纳森·莱文 确实引起了广泛关注。我理解Google新闻团队可能对此并不