數(shù)字虛擬人23年最新變化！
作者：小資來源：米塔之家自2021年元宇宙“爆炸”后，作為現(xiàn)實世界連接元宇宙的媒介之一，大批虛擬人跑步入場。到了2022年底，據(jù)天眼查數(shù)據(jù)顯示，我國目前企業(yè)名稱或經(jīng)營范圍
今年的諾獎將物理和化學兩個領(lǐng)域的獎項都頒給了 AI 成果，這究竟代表著怎樣的含義，又會產(chǎn)生怎樣的影響？Demis Hassabis 在本次專訪中提出了自己的見解。
10 月，DeepMind 聯(lián)合創(chuàng)始人兼 CEO Demis Hassabis 憑借 AlphaFold 成為了諾貝爾化學獎的三位共同獲獎者之一。
作為一種人工智能軟件，AlphaFold 解決了一個生物學界 50 年前提出的問題：預測每種已知蛋白質(zhì)的結(jié)構(gòu)。
事實上，AlphaFold 這個極具開創(chuàng)性的模型，也僅僅是 DeepMind 成果的一部分。成立 15 年來，DeepMind 已經(jīng)躋身為全球最重要的 AI 實驗室之一。
盡管被谷歌收購、與 Google Brain 合并后加入了一些商業(yè)考量，但他們目前仍然專注于科學和工程中最復雜和基本的問題，最終設(shè)計出能夠模仿，甚至取代人類認知能力的強大 AI。
獲得諾獎后不到 24 小時，Demis Hassabis 就接受了《金融時報》記者 Madhumita Murgia 的采訪，討論了 DeepMind 下一步將要解決的重大難題、AI 對科學進步的作用，以及他本人對 AGI 之路的前景預測。
Demis Hassabis 在谷歌 DeepMind 倫敦總部
AI 4 Science 的下一個挑戰(zhàn)AlphaFold 3 的相關(guān)進展，就一定程度上彰顯了 DeepMind 在生物學領(lǐng)域下一步的前進方向 —— 理解生物體內(nèi)的相互作用，最終對整個通路進行建模，甚至可以構(gòu)建出一個虛擬細胞。
此外，通過 DeepMind 子公司 Isomorphic 的努力，他們也在進軍藥物發(fā)現(xiàn)領(lǐng)域 —— 設(shè)計全新的化合物、找到結(jié)合位置，并預測出這些物質(zhì)的特性、吸收性、毒性等等。
目前，Isomorphic 還與禮來、諾華等公司合作開展了 6 個藥物研發(fā)計劃，有望未來幾年內(nèi)在臨床上有所進展，希望能大幅縮減藥物發(fā)現(xiàn)所需時間，從而幫助治愈一些疾病。
除了生物學領(lǐng)域，Hassabis 也表示對材料設(shè)計領(lǐng)域的工作感到十分興奮。
去年，他們在 Nature 上發(fā)表的一篇論文提出了名為 GNoME 的 AI 工具，實現(xiàn)了 AlphaFold 1 級別的材料設(shè)計，共發(fā)現(xiàn)了 220 萬個新晶體；下一步，就需要努力達到 AlphaFold 2 級別。
論文地址：https://www.nature.com/articles/s41586-023-06735-9
數(shù)學方面，AlphaProof 和 AlphaGeometry 已經(jīng)在今年達到了 IMO 銀牌的水準，接下來的幾年，DeepMind 將嘗試借助 AI 的力量真正解決一個重要的數(shù)學猜想。
對于能源和氣候領(lǐng)域，去年在 Science 上發(fā)表的 Graphcast 模型能在 1 分鐘內(nèi)以前所未有的精度預測未來 10 天的天氣。
論文地址：https://www.science.org/stoken/author-tokens/ST-1550/full
這其中的技術(shù)，或許可以幫助進行氣候建模，這對于應對氣候變化、優(yōu)化電網(wǎng)等領(lǐng)域都非常重要。
可以看出，DeepMind 的未來藍圖中，重點更多地放在應用和工程實踐層面，旨在將技術(shù)進一步轉(zhuǎn)化為能夠影響現(xiàn)實世界的工作，而非純粹的基礎(chǔ)研究。
對此，Hassabis 表示，「蛋白質(zhì)折疊」是一個「可遇不可求」的「挑戰(zhàn)」，不能要求每個問題都有如此含金量。
「蛋白質(zhì)折疊」這個問題如此核心且重要，相當于生物學領(lǐng)域的費馬大定理，但可惜的是，沒有多少問題足夠重要、探索時間足夠長，能夠被稱之為「挑戰(zhàn)」。
諾獎將成為 AI 的分水嶺今年的諾貝爾物理和化學獎項接連頒給 AI 學者，這很有趣，但誰也說不清評獎委員會為什么會做出這樣的決定。
對此，Hassabis 如何理解？
他表示，這很像是委員會特意發(fā)表的一種「聲明」，也將成為 AI 的分水嶺時刻，標志著它的技術(shù)成熟度得到了足夠的認可，能夠協(xié)助科學發(fā)現(xiàn)。
AlphaFold 就是最好的例子，而 Hinton 和 Hopfield 的獎項則是針對更基礎(chǔ)、更底層的算法工作。
Hassabis 表示，希望 10 年后回顧當下時，AlphaFold 將預示著所有這些不同領(lǐng)域的科學發(fā)現(xiàn)的新黃金時代。
這也帶來了一個有趣的問題：有了 AlphaFold 這樣的工具，科學家們不再需要花費過多的時間和精力來進行預測，這是否意味著我們應當去開拓新的領(lǐng)域？甚至改變學習科學概念的方式？
需要注意的是，AI 系統(tǒng)是一類獨特的新工具，它們具有一些內(nèi)在的功能，因而不適用于傳統(tǒng)意義上對工具的分類。
雖然 AlphaFold 等工具目前只能做到預測，但從某種意義上說，預測也是「理解」的一部分。如果你能預測，那就可以帶來理解。
甚至，如果預測的輸出足夠重要，比如蛋白質(zhì)的結(jié)構(gòu)，那么它本身就是有價值的。
從更宏大的視角來看，科學中包含了很多層次的「抽象」。
比如，整個化學領(lǐng)域就是建立在物理學的基礎(chǔ)上。你不需要理解量子力學等全部的物理原理，也可以談論原子化合物，在化學自身的抽象層去理解它。
對生物學領(lǐng)域而言，我們可以研究生命，但仍然不知道生命是如何進化或出現(xiàn)的，甚至無法正確定義「生命」這個概念。
類似的，人工智能也像一個抽象層，構(gòu)建程序和網(wǎng)絡(luò)的人們在一定的物理層面上理解這一點，但隨后產(chǎn)生的預測結(jié)果就像一種突然涌現(xiàn)的屬性，我們可以在科學的層面上自行分析這些預測。
AGI 迫近，理解很重要無論是自然科學，還是人工智能系統(tǒng)，「理解」都很重要。
人工智能是一門工程學科，這意味著你必須先建造出一個系統(tǒng)，之后才能研究、理解這個對象；而自然科學中的現(xiàn)象不需要制造，是天然存在的。
雖然 AI 系統(tǒng)是工程化的人造物，但這并不意味著比自然現(xiàn)象更容易研究，甚至可以預期到的是，它會像生物神經(jīng)網(wǎng)絡(luò)一樣難以理解、分拆和解構(gòu)。
現(xiàn)在這種情況正在發(fā)生，但我們已經(jīng)取得了一些進展，比如有一個專門的領(lǐng)域叫作「機械解釋」（mechanistic interpretation），就是使用神經(jīng)科學的觀念和工具來分析 AI 系統(tǒng)這個「虛擬大腦 」。
對于 AI 的可解釋性，Hassabis 非常樂觀，認為未來幾年就會在理解 AI 系統(tǒng)這方面取得很大進展。
當然，AI 也可以學著解釋自己。想象一下將 AlphaFold 與語言能力系統(tǒng)結(jié)合起來，它就可以一邊預測，一邊解釋自己在做什么。
目前，很多領(lǐng)先的實驗室正在縮小他們的探索范圍，專注于對 Transformers 進行擴展。不可否認，這是一個很好的方向，也將成為最終 AGI 系統(tǒng)的關(guān)鍵組成部分，但 DeepMind 會繼續(xù)堅持探索和創(chuàng)新研究。
事實上，對于發(fā)明下一代 Transformer 而言，DeepMind 擁有迄今為止最廣泛、最深入的研究平臺，這是他們科學遺產(chǎn)的一部分。
這些探索都是必要的，一部分原因是為了看看我們能走多遠，這樣就知道需要探索什么。
探索新想法，以及將令人興奮的想法發(fā)揮到極致，這兩條路都很重要。如果你不了解當前想法的絕對局限，也不會知道需要哪些突破。
LLM 的長上下文窗口就是一個很好的例子。谷歌 Gemini 1.5 Pro 做出的 2M token 上下文就是一個很酷的創(chuàng)新，目前沒有其他人能夠復制。
谷歌 DeepMind 倫敦辦公室
理解 AI，才會有安全的 AGIHassabis 和很多科技領(lǐng)袖都曾預測，實現(xiàn) AGI 還需要 5～20 年的時間。
如果要用科學方法實現(xiàn)這一目標，就意味著更多的時間、精力和思考，集中在 AI 的理解和分析工具、基準測試和評估上，需要目前投入的 10 倍。
這些投入不僅來自科技公司，還應包括 AI 安全機構(gòu)，也來自學術(shù)界和民間社會。我們需要了解 AI 系統(tǒng)正在做什么、它們的局限性，以及如何控制和保護這些系統(tǒng)。
「理解」是科學方法的重要組成部分，卻是純工程中所缺少的。工程只是旁觀 —— 這個方法有效嗎？如果不起作用就再試一次，充滿了試驗和誤差。
科學則是在一切發(fā)生之前就能理解的東西。理想情況下，這種理解意味著更少的錯誤。這對于 AI 和 AGI 來說很重要，因為在運用一項如此強大的技術(shù)時，你希望盡可能少地犯錯誤。
也許幾年后，當我們接近 AGI 時，就會出現(xiàn)一個社會問題 —— 我們希望這些系統(tǒng)具有什么價值？我們要為它們設(shè)定什么樣的目標？
這與技術(shù)問題不同。技術(shù)層面關(guān)注的是如何讓系統(tǒng)走上正軌，朝著設(shè)定的目標前進，但并不能幫助我們決定目標應該是什么。
為了安全的 AGI 系統(tǒng)，技術(shù)問題和社會問題，這兩件事都需要正確，但 Hassabis 認為，后者可能更難實現(xiàn)。
目標和價值觀等一系列問題，會更多地涉及 UN 和地緣政治，甚至社會科學和哲學，需要與政府、學術(shù)界和民間社會各階層進行廣泛的討論。
即使 AGI 還需要 10 年才能實現(xiàn)，我們解決這些問題的時間也并不是很多，因此這方面的討論應該從現(xiàn)在開始，讓各種來源、各種觀點的聲音呈現(xiàn)在桌面上。
參考資料：
https://www.ft.com/content/72d2c2b1-493b-4520-ae10-41c1a7f3b7e4
本文來自微信公眾號：微信公眾號（ID：null），作者：新智元
本文鏈接：http://www.rrqrq.com/showinfo-45-9296-0.html諾貝爾獎是 AI 發(fā)展的里程碑時刻！DeepMind 聯(lián)創(chuàng) Hassabis 獲獎后最新專訪
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請聯(lián)系：[email protected] 津ICP備18001702號
津公網(wǎng)安備 12010102000574號