亞馬遜AIGC全家桶來(lái)襲，巨頭AI大亂戰(zhàn)都有什么殺手锏
此前，亞馬遜云科技發(fā)布多款A(yù)IGC產(chǎn)品，其中包括AI大模型服務(wù)Amazon Bedrock、人工智能計(jì)算實(shí)例Amazon EC2 Trn1n和Amazon EC2 Inf2、自研“泰坦”（Titan）AI大模型、軟件
今年的諾獎(jiǎng)將物理和化學(xué)兩個(gè)領(lǐng)域的獎(jiǎng)項(xiàng)都頒給了 AI 成果，這究竟代表著怎樣的含義，又會(huì)產(chǎn)生怎樣的影響？Demis Hassabis 在本次專訪中提出了自己的見(jiàn)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(xué)獎(jiǎng)的三位共同獲獎(jiǎng)?wù)咧弧?span style="display:none">Y5F28資訊網(wǎng)——每日最新資訊28at.com
作為一種人工智能軟件，AlphaFold 解決了一個(gè)生物學(xué)界 50 年前提出的問(wèn)題：預(yù)測(cè)每種已知蛋白質(zhì)的結(jié)構(gòu)。
事實(shí)上，AlphaFold 這個(gè)極具開(kāi)創(chuàng)性的模型，也僅僅是 DeepMind 成果的一部分。成立 15 年來(lái)，DeepMind 已經(jīng)躋身為全球最重要的 AI 實(shí)驗(yàn)室之一。
盡管被谷歌收購(gòu)、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(xué)和工程中最復(fù)雜和基本的問(wèn)題，最終設(shè)計(jì)出能夠模仿，甚至取代人類認(rèn)知能力的強(qiáng)大 AI。
獲得諾獎(jiǎng)后不到 24 小時(shí)，Demis Hassabis 就接受了《金融時(shí)報(bào)》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(duì)科學(xué)進(jìn)步的作用，以及他本人對(duì) AGI 之路的前景預(yù)測(cè)。
Demis Hassabis 在谷歌 DeepMind 倫敦總部
AI 4 Science 的下一個(gè)挑戰(zhàn)AlphaFold 3 的相關(guān)進(jìn)展，就一定程度上彰顯了 DeepMind 在生物學(xué)領(lǐng)域下一步的前進(jìn)方向 —— 理解生物體內(nèi)的相互作用，最終對(duì)整個(gè)通路進(jìn)行建模，甚至可以構(gòu)建出一個(gè)虛擬細(xì)胞。
此外，通過(guò) DeepMind 子公司 Isomorphic 的努力，他們也在進(jìn)軍藥物發(fā)現(xiàn)領(lǐng)域 —— 設(shè)計(jì)全新的化合物、找到結(jié)合位置，并預(yù)測(cè)出這些物質(zhì)的特性、吸收性、毒性等等。
目前，Isomorphic 還與禮來(lái)、諾華等公司合作開(kāi)展了 6 個(gè)藥物研發(fā)計(jì)劃，有望未來(lái)幾年內(nèi)在臨床上有所進(jìn)展，希望能大幅縮減藥物發(fā)現(xiàn)所需時(shí)間，從而幫助治愈一些疾病。
除了生物學(xué)領(lǐng)域，Hassabis 也表示對(duì)材料設(shè)計(jì)領(lǐng)域的工作感到十分興奮。
去年，他們?cè)?Nature 上發(fā)表的一篇論文提出了名為 GNoME 的 AI 工具，實(shí)現(xiàn)了 AlphaFold 1 級(jí)別的材料設(shè)計(jì)，共發(fā)現(xiàn)了 220 萬(wàn)個(gè)新晶體；下一步，就需要努力達(dá)到 AlphaFold 2 級(jí)別。
論文地址：https://www.nature.com/articles/s41586-023-06735-9
數(shù)學(xué)方面，AlphaProof 和 AlphaGeometry 已經(jīng)在今年達(dá)到了 IMO 銀牌的水準(zhǔn)，接下來(lái)的幾年，DeepMind 將嘗試借助 AI 的力量真正解決一個(gè)重要的數(shù)學(xué)猜想。
對(duì)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(yù)測(cè)未來(lái) 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(jìn)行氣候建模，這對(duì)于應(yīng)對(duì)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(lái)藍(lán)圖中，重點(diǎn)更多地放在應(yīng)用和工程實(shí)踐層面，旨在將技術(shù)進(jìn)一步轉(zhuǎn)化為能夠影響現(xiàn)實(shí)世界的工作，而非純粹的基礎(chǔ)研究。
對(duì)此，Hassabis 表示，「蛋白質(zhì)折疊」是一個(gè)「可遇不可求」的「挑戰(zhàn)」，不能要求每個(gè)問(wèn)題都有如此含金量。
「蛋白質(zhì)折疊」這個(gè)問(wèn)題如此核心且重要，相當(dāng)于生物學(xué)領(lǐng)域的費(fèi)馬大定理，但可惜的是，沒(méi)有多少問(wèn)題足夠重要、探索時(shí)間足夠長(zhǎng)，能夠被稱之為「挑戰(zhàn)」。
諾獎(jiǎng)將成為 AI 的分水嶺今年的諾貝爾物理和化學(xué)獎(jiǎng)項(xiàng)接連頒給 AI 學(xué)者，這很有趣，但誰(shuí)也說(shuō)不清評(píng)獎(jiǎng)委員會(huì)為什么會(huì)做出這樣的決定。
對(duì)此，Hassabis 如何理解？
他表示，這很像是委員會(huì)特意發(fā)表的一種「聲明」，也將成為 AI 的分水嶺時(shí)刻，標(biāo)志著它的技術(shù)成熟度得到了足夠的認(rèn)可，能夠協(xié)助科學(xué)發(fā)現(xiàn)。
AlphaFold 就是最好的例子，而 Hinton 和 Hopfield 的獎(jiǎng)項(xiàng)則是針對(duì)更基礎(chǔ)、更底層的算法工作。
Hassabis 表示，希望 10 年后回顧當(dāng)下時(shí)，AlphaFold 將預(yù)示著所有這些不同領(lǐng)域的科學(xué)發(fā)現(xiàn)的新黃金時(shí)代。
這也帶來(lái)了一個(gè)有趣的問(wèn)題：有了 AlphaFold 這樣的工具，科學(xué)家們不再需要花費(fèi)過(guò)多的時(shí)間和精力來(lái)進(jìn)行預(yù)測(cè)，這是否意味著我們應(yīng)當(dāng)去開(kāi)拓新的領(lǐng)域？甚至改變學(xué)習(xí)科學(xué)概念的方式？
需要注意的是，AI 系統(tǒng)是一類獨(dú)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(duì)工具的分類。
雖然 AlphaFold 等工具目前只能做到預(yù)測(cè)，但從某種意義上說(shuō)，預(yù)測(cè)也是「理解」的一部分。如果你能預(yù)測(cè)，那就可以帶來(lái)理解。
甚至，如果預(yù)測(cè)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(jià)值的。
從更宏大的視角來(lái)看，科學(xué)中包含了很多層次的「抽象」。
比如，整個(gè)化學(xué)領(lǐng)域就是建立在物理學(xué)的基礎(chǔ)上。你不需要理解量子力學(xué)等全部的物理原理，也可以談?wù)撛踊衔铮诨瘜W(xué)自身的抽象層去理解它。
對(duì)生物學(xué)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(jìn)化或出現(xiàn)的，甚至無(wú)法正確定義「生命」這個(gè)概念。
類似的，人工智能也像一個(gè)抽象層，構(gòu)建程序和網(wǎng)絡(luò)的人們?cè)谝欢ǖ奈锢韺用嫔侠斫膺@一點(diǎn)，但隨后產(chǎn)生的預(yù)測(cè)結(jié)果就像一種突然涌現(xiàn)的屬性，我們可以在科學(xué)的層面上自行分析這些預(yù)測(cè)。
AGI 迫近，理解很重要無(wú)論是自然科學(xué)，還是人工智能系統(tǒng)，「理解」都很重要。
人工智能是一門(mén)工程學(xué)科，這意味著你必須先建造出一個(gè)系統(tǒng)，之后才能研究、理解這個(gè)對(duì)象；而自然科學(xué)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(yù)期到的是，它會(huì)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(jìn)展，比如有一個(gè)專門(mén)的領(lǐng)域叫作「機(jī)械解釋」（mechanistic interpretation），就是使用神經(jīng)科學(xué)的觀念和工具來(lái)分析 AI 系統(tǒng)這個(gè)「虛擬大腦 」。
對(duì)于 AI 的可解釋性，Hassabis 非常樂(lè)觀，認(rèn)為未來(lái)幾年就會(huì)在理解 AI 系統(tǒng)這方面取得很大進(jìn)展。
當(dāng)然，AI 也可以學(xué)著解釋自己。想象一下將 AlphaFold 與語(yǔ)言能力系統(tǒng)結(jié)合起來(lái)，它就可以一邊預(yù)測(cè)，一邊解釋自己在做什么。
目前，很多領(lǐng)先的實(shí)驗(yàn)室正在縮小他們的探索范圍，專注于對(duì) Transformers 進(jìn)行擴(kuò)展。不可否認(rèn)，這是一個(gè)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(huì)繼續(xù)堅(jiān)持探索和創(chuàng)新研究。
事實(shí)上，對(duì)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(tái)，這是他們科學(xué)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(yuǎn)，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(dāng)前想法的絕對(duì)局限，也不會(huì)知道需要哪些突破。
LLM 的長(zhǎng)上下文窗口就是一個(gè)很好的例子。谷歌 Gemini 1.5 Pro 做出的 2M token 上下文就是一個(gè)很酷的創(chuàng)新，目前沒(méi)有其他人能夠復(fù)制。
谷歌 DeepMind 倫敦辦公室
理解 AI，才會(huì)有安全的 AGIHassabis 和很多科技領(lǐng)袖都曾預(yù)測(cè)，實(shí)現(xiàn) AGI 還需要 5～20 年的時(shí)間。
如果要用科學(xué)方法實(shí)現(xiàn)這一目標(biāo)，就意味著更多的時(shí)間、精力和思考，集中在 AI 的理解和分析工具、基準(zhǔn)測(cè)試和評(píng)估上，需要目前投入的 10 倍。
這些投入不僅來(lái)自科技公司，還應(yīng)包括 AI 安全機(jī)構(gòu)，也來(lái)自學(xué)術(shù)界和民間社會(huì)。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(hù)這些系統(tǒng)。
「理解」是科學(xué)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(gè)方法有效嗎？如果不起作用就再試一次，充滿了試驗(yàn)和誤差。
科學(xué)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(cuò)誤。這對(duì)于 AI 和 AGI 來(lái)說(shuō)很重要，因?yàn)樵谶\(yùn)用一項(xiàng)如此強(qiáng)大的技術(shù)時(shí)，你希望盡可能少地犯錯(cuò)誤。
也許幾年后，當(dāng)我們接近 AGI 時(shí)，就會(huì)出現(xiàn)一個(gè)社會(huì)問(wèn)題 —— 我們希望這些系統(tǒng)具有什么價(jià)值？我們要為它們?cè)O(shè)定什么樣的目標(biāo)？
這與技術(shù)問(wèn)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(biāo)前進(jìn)，但并不能幫助我們決定目標(biāo)應(yīng)該是什么。
為了安全的 AGI 系統(tǒng)，技術(shù)問(wèn)題和社會(huì)問(wèn)題，這兩件事都需要正確，但 Hassabis 認(rèn)為，后者可能更難實(shí)現(xiàn)。
目標(biāo)和價(jià)值觀等一系列問(wèn)題，會(huì)更多地涉及 UN 和地緣政治，甚至社會(huì)科學(xué)和哲學(xué)，需要與政府、學(xué)術(shù)界和民間社會(huì)各階層進(jìn)行廣泛的討論。
即使 AGI 還需要 10 年才能實(shí)現(xiàn)，我們解決這些問(wèn)題的時(shí)間也并不是很多，因此這方面的討論應(yīng)該從現(xiàn)在開(kāi)始，讓各種來(lái)源、各種觀點(diǎn)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(lái)自微信公眾號(hào)：微信公眾號(hào)（ID：null），作者：新智元
本文鏈接：http://www.tebozhan.com/showinfo-45-9296-0.html諾貝爾獎(jiǎng)是 AI 發(fā)展的里程碑時(shí)刻！DeepMind 聯(lián)創(chuàng) Hassabis 獲獎(jiǎng)后最新專訪
聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com
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(qǐng)聯(lián)系：2376512515@qq.com 津ICP備18001702號(hào)
津公網(wǎng)安備 12010102000574號(hào)