下一个AI王炸，别只盯着OpenAI，DeepMind也在憋大招

过去几个月，OpenAI风头无两，各大科技公司力争上游地跟进大言语模型（LLM）这一技术道路。

比照之下，OpenAI的老对手DeepMind，显得有些低调和缄默。微软靠OpenAI打了一场胜仗，而谷歌推出的Bard翻了车，和谷歌同属AlphaBeta的DeepMind却没有出来力挽狂澜的意义。

同样是半学术、半企业科研性质的前瞻性AI Lab，DeepMind也瞄准了通用人工智能AGI，但完成途径上，却有着和OpenAI不同的选择。

这段时间我们能看到科技圈在集体“追风口”，大量资源（留意力、算力、人才、政策等）都被投入到OpenAI引领的大言语模型热潮中，有些高校以至呈现了“不做LLM就没有算力用”的场面。“中国没有本人的OpenAI”也被以为是创新滞后的理想证明。

有人说OpenAI的AI属于“精英教育道路”，一路砸钱供它读到博士，一毕业就是王炸，冷艳全场，这点的确没错，也是十分值得很多国内AI Lab学习的。

追逐OpenAI的赛道曾经非常拥堵。别忘了，DeepMind默默烧钱、长期锚定的很多研讨方向，也十分具有前沿性和想象力，2016年的AlphaGo、2020年的AlphaFold都曾一鸣惊人。下一个“AI王炸”，可能就是DeepMind做出来的。

大家晓得有种新闻叫“震惊体”，每一次呈现“AI王炸”级产品，就会有大量“震惊体”呈现，比方“阿尔法狗要取代人类”“AlphaFold抢了生物学家的工作”“有了ChatGPT人类还有价值吗？”

感到“震惊”，有时真的只是由于晓得的太少、太晚，在这些“AI王炸”技术尚在生长阶段，无视了它们，等才能开展到适用水平，又开端恐慌、焦虑。

届时，我们会不会又会堕入新一轮的追逐跟风，接着埋怨“中国没有本人的DeepMind”呢？

所以，我们无妨来预测一下，DeepMind正在憋的大招里，哪些可能成为下一个王炸，读者们能够有个心理准备，提早对“震惊体”脱敏。

AI要取代科学家，够不够震惊？

ChatGPT走红之后，很多白领人士都担忧本人的岗位要被取代了。而科学家可是智力程度站在金字塔顶端的人类，职业生活肯定稳稳的吧？

AI+科学，正是DeepMind长期锚定的赛道，曾经产出了很多打破性的研讨成果，掩盖了数学家、物理学家、生物学家的专业范畴。

曾经问世的AlphaFold和AlphaFold 2就在生物学界掀起了海啸级的影响，彻底改动了蛋白质构造预测的传统办法，也引发了各大高校和科研机构的复现、优化、应用。基于这一新技术，DeepMind一夜之间改动了生物制药行业，也因而成为“数字生物学”这一新兴范畴的先驱。

目前，AI+生物学的潜力还没有完整释放出来，AI技术在生物制药和生命科学中的应用，还停留在少数环节中探究、案例级尝试的阶段。DeepMind也正在与行业展开协作，比方与Isomorphic Labs 协作，以“AI-FIRST”准绳重构药物发现过程，在著名的生物医学研讨中心弗朗西斯·克里克研讨所（Francis Crick Institute），建了一个湿实验室，增强AI技术与生物实验的分离，同时还在不时扩展AI for science团队，加快根底生物学的研讨。

或许，下一个抗癌新药、生物计算范畴的大打破，就会在DeepMind降生。

（AlphaFold提醒了蛋白质宇宙的构造）

你可能会说，生物学是一门实验科学，有成熟的程式，被AI技术改动很合理。数学、物理这样的根底科学，打破简直来自天才式的直觉和灵感，有的数学家以至是在梦中获得打破。比方阿基米德就是在洗澡时灵光一现，发现了浮力定律；拉马努金在梦中发现了3900个公式……AI估量就不好使了吧？

数学、物理，这些触及笼统世界和人类深层直觉的范畴，DeepMind也曾经获得了打破。

协助数学家发现他们从未发现的发现——DeepMind发表在《自然》杂志上的一篇论文显现，研讨人员与顶级数学家协作，为一个几十年来都没有结局的数学猜测，经过机器学习（ML）找到了打破口。

运用AI来处置海量或无法直接推理的数据，能够大大加强数学家的洞察力，从而更快地找到证明猜测和新公式的办法，曾经被DeepMind证明是可行的。

牛津大学数学系教授Marcus Du Sautoy形容AI技术在纯数学中的应用，“就像伽利略拿起望远镜，可以深化注视数据宇宙，看到以前从未发现过的东西”。

将来随着探究的增加，很多未被证明的数学猜测，都有可能因AI的参加而打破。希望届时大家不会又以为AI进化出了什么超才能，被“AI取代数学家”之类的标题给骗了。

AI参与核聚变的研讨进程——核物理无论从学术还是社会政治经济的角度，都是十分重要的。大家可能都听过中国核物理学家造原子弹的艰辛故事，其中很多工作和牺牲能不能由AI来代劳呢？DeepMind还真搞成了。

它们与瑞士等离子体中心，协作开发了一个AI系统，经过强化学习，控制系统能够很好地谐和TCV（由许多磁线圈组成），确保等离子体永远不会接触容器壁，这样就能够减少核聚变的热量损失。同时，还能将等离子体准确地雕琢成不同的外形，便当科学家研讨等离子体在不同条件下的反响，从而进步对核聚变反响堆的了解。

总之，在过去的几年里，DeepMind在数学、物理、化学、生物学、量子、气候、资料等多个科学范畴，发明性地探究了大量AI for science的可能，带来了全新的科学研讨办法，必然会催生全新的科学发现和技术打破，下一个“AI王炸”很可能就在其中。

理想版《西部世界》够不够炸裂？

DeepMind的目的也是完成通用人工智能。详细怎样做呢？OpenAI专心搞言语，DeepMind就专注“训狗”——搞强化学习。

弱人工智能，只能在有限的环境中处理特定问题，没有开展出人类身上那种通识智能。那种“通用”智能的机器，大约就相似于《西部世界》或者《底特律》中的机器人，可以在复杂的环境里执行任务。

完成AGI，OpenAI是用大量数据和充沛锻炼来促成大言语模型的“智能涌现”，而DeepMind则选择了“正向教育”——希望经过强化学习，给AI系统以“奖励大化”的刺激，差遣智能体自主去学习复杂的才能。由于只要表现出这些才能，智能体才干取得奖励（比方生存下去）。

听起来，是不是跟工作犬执行主人的口令，主人依据结果来停止奖励或惩罚是一个路子？

在一篇论文中，DeepMind的研讨人员写道：“奖励足以推进智能体表现出通用智能的迹象和行为，包括学习、感知、社会智能、言语、概括和模拟。”

上一只震惊世界的狗是击败人类棋手的“阿尔法狗（AlphaGo）”，而下一只可能就是被DeepMind用强化学习锻炼出来的AI了。

比方这只机器狗，就经过强化学习不时试错，从而具备了两个重要的才能：

一是运用历史经历，普通来说电机控制的AI智能体，一开端不晓得对每个关节施加什么力，需求大量数据才干迈出步子，不然就会随机抽搐并疾速摔倒，而借助RL能够应用以前学到的运动技艺，从而缓解“起步”时的为难。

二是减少特殊行为，此前智能机器人普通会用一种很不自然、不够人性化的方式来避障，固然看起来很有趣，但不够适用。DeepMind采用强化学习锻炼，倾向于让智能体学习更多的自然行为，能够平安高效地控制真实世界的机器人/机器狗，将机械控制与认知聪慧相分离。

相似的强化学习实验还有很多，比方让智能体在网络游戏中展开随机互动，让智能体在模仿的三维世界里搭积木、清扫房间……根本逻辑都是基于人类反应的奖励模型。

ChatGPT只能处理言语问题，《西部世界》里的人机交融新物种，更灵敏的通用家政机器人，可能还真得靠DeepMind的强化学习道路来完成。

像人脑一样考虑的AI，够不够有趣？

DeepMind固然没有跟风推出类ChatGPT的大言语模型，但并不代表它对这个范畴毫无建树，只不过二者关注的技术方向不太一样而已。

随着运用者的增加，大家可能都发现了类ChatGPT模型的一些限制，比方十分注重数据和语料。

深度学习靠范围数据、庞大算力、充沛锻炼而“鼎力出奇观”的暴力美学，在大模型时期发挥到了极致。

这带来了一系列问题，比方中文语料缺乏，训出来的大模型效果不好，有的中文LLM会用英文语料停止锻炼，再将答案翻译回中文，这种做法当然是契合业界常规的，但问题在于很多价值观、常识性的东西，是没有方法对齐和翻译的。

而且“暴力计算出奇观”的大炼模型，打造的言语模型是不可解释的黑盒，金融、政务、工业等行业是不敢用的，无法支撑牢靠的决策。

不晓得OpenAI和国内厂商打算怎样处理“暴力计算”的弊病，反正DeepMind倒是不断在揣摩不同的道路——不搞暴力美学，大搞神经科学。

比方重新认识大脑的工作机制，自创多巴胺经过调理神经元之间突触衔接的强度，提出了一种基于奖励的强化学习理论；

在3D游戏世界中创立了模仿心理学实验室Psychlab，可以施行经典的心理实验，显著改良了智能体UNREAL的性能；

发如今人工神经网络倾向于避开准确设计的代码，倾向于对本钱函数停止暴力优化（不追求奖励大化，而是追求本钱小化，不做错就没有损失），而人脑的机制却常常会专注在任务完成和奖励上，从这个角度去优化深度神经网络的构造。

2023年发表的一篇新论文中，DeepMind则针对大脑中的回放（replay）机制，提出这是一种组合计算的方式，能够衍生出新的学问，在神经网络中整合回放机制，有望让AI用极少的数据学到新东西，进步认知智能，更接近“智能涌现”。

大脑的聪慧让人类爬上了万物之灵的宝座，AI不靠人工而靠智能，为什么不可能呢？

我们都希望中国AI也能降生影响世界的元创新，其实AI范畴并没有那么多独门秘技，很多灵感或技术道路都是公开的，但我们为什么总是听过就算、见过就忘呢？

除了灵光一现的idea， OpenAI和DeepMind不时投入的耐烦，强大的工程才能，前沿研讨与商业化的均衡，也是值得学习和自创的。

不能总是百感交集，总是不长忘性，直到下一个《震惊！XXX的XXX又推翻世界了》……