諾獎得主震撼宣言：AI一年完成10億年“博士研究時間” 解鎖生物學奧秘。DeepMind團隊預測了地球上已知的2億個蛋白質(zhì)結(jié)構，這原本需要花費十億年的博士時間。LinkedIn聯(lián)合創(chuàng)始人Reid Hoffman轉(zhuǎn)發(fā)了Demis Hassabis關于這一成就的講話視頻，引起了廣泛討論。

PhD Time（博士時間）的概念十分新穎。DeepMind的研究不僅令人印象深刻，更重要的是如何大規(guī)模地整合這些結(jié)果及其所體現(xiàn)的價值。AI使信息和知識民主化的程度也是前所未有的。更令人震驚的是，我們甚至還沒有達到通用人工智能（AGI）階段。

對于“10億年”的概念，許多網(wǎng)友表示震驚。一位金融科技從業(yè)者評論稱，Demis Hassabis和他的AlphaFold團隊取得的成就是革命性的。技術的最高使命在于將10億年的科學探索壓縮到一年內(nèi)完成。當其他人利用AI獲取注意力和利潤時，Hassabis選擇了一條更崇高的道路：運用AI解鎖生物學奧秘，應對人類面臨的重大挑戰(zhàn)。AlphaFold展示了卓越頭腦追求服務于全人類的知識所能實現(xiàn)的成就，提醒我們最大的創(chuàng)新應擴展人類潛能而非利用弱點。

3月24日，Demis Hassabis在母校劍橋大學進行了長達一個多小時的演講，分享了AI如何驅(qū)動科學發(fā)現(xiàn)。他認為人類正進入“數(shù)字生物學”時代，利用AI可以以“數(shù)字速度”重新構想藥物發(fā)現(xiàn)原理。盡管量子計算不斷興起，經(jīng)典計算機系統(tǒng)仍可通過AI推進知識，幫助揭示現(xiàn)實本質(zhì)。Hassabis回顧了他的AI職業(yè)生涯，并提供了對未來發(fā)展的見解，包括AGI的開發(fā)。

Demis Hassabis因蛋白質(zhì)結(jié)構預測榮獲2024年諾貝爾化學獎。他在劍橋大學畢業(yè)后于2010年與人共同創(chuàng)立了DeepMind。上世紀90年代，他在劍橋皇后學院攻讀計算機科學本科。DeepMind開發(fā)了精通流行游戲的AI模型，并于2014年被谷歌收購。兩年后，DeepMind擊敗圍棋世界冠軍引起全球關注。之后，Hassabis轉(zhuǎn)向科學研究，認為技術已經(jīng)成熟，可以解決有意義的問題。蛋白質(zhì)折疊就是一個典型例子，DeepMind使用AlphaFold-2預測了所有2億已知蛋白質(zhì)結(jié)構，并公開免費提供給所有人使用。這項技術已被200萬研究人員引用超過3萬次，成為生物學研究的標準工具。

DeepMind的目標是用AI造福人類，分為兩步：首先解決人工智能，然后用它解決其他問題。Hassabis認為AI幾乎可以應用于所有領域，未來會帶來很多突破。在談到AGI的發(fā)展路徑時，他表示DeepMind正在推動AI在理解物理規(guī)律方面取得進展。

LinkedIn、Manas AI和Inflection AI聯(lián)合創(chuàng)始人Reid Hoffman與Hassabis討論了AI。Hassabis解釋了為何DeepMind能在一年內(nèi)完成10億年的博士研究時間：他們在一年內(nèi)完成了2億蛋白質(zhì)的全部折疊。Hassabis認為最重要的AI應用包括人類健康和能源可持續(xù)性。蛋白質(zhì)折疊對Hassabis來說是一個典型的例子，他從劍橋大學本科時就接觸到了這個問題。了解蛋白質(zhì)結(jié)構有助于疾病治療和藥物設計。普通蛋白質(zhì)有10到300種可能的折疊方式，而2億種蛋白質(zhì)的總折疊方式高達20億到600億。憑借AI，DeepMind通過AlphaFold實現(xiàn)了這一目標?，F(xiàn)在，全世界可以免費使用這些結(jié)果。Hassabis等人還成立了Isomorphic公司，繼續(xù)深入開發(fā)所需藥物。

在對話中，Hassabis強調(diào)了深度學習的重要性。盡管“深藍”在當時是人工智能的巔峰，但它缺乏學習新事物的能力。DeepMind結(jié)合了深度學習和強化學習，讓系統(tǒng)自己學習好的模式和走法。2016年，AlphaGo在與李世石的對決中走出經(jīng)典的“第37步”，展現(xiàn)了原創(chuàng)性和創(chuàng)造力。Hassabis希望將這些AI技術應用于科學領域的“根節(jié)點問題”。在他看來，如果一個人致力于長期重要任務，硅谷的分散注意力問題會帶來很多噪音。AI作為最具變革性的技術之一，不應僅限于加州的一小部分地區(qū)。