谷歌DeepMind因AI获诺贝尔奖：它能带来下一个重大突破吗？

德米斯·哈萨比斯从不缺乏远大梦想。2016年，他联合创立的深度思维（DeepMind）公司因开发的人工智能模型击败世界顶级围棋选手而震惊全球。2019年，他更是向同事表示，目标是借助公司的AI工具赢得诺贝尔奖。仅用五年时间，哈萨比斯与深度思维的约翰·朱姆珀就实现了这一目标——他们因创造出彻底改变蛋白质结构预测领域的AI模型AlphaFold，共同荣获2024年诺贝尔化学奖。

AlphaFold只是深度思维过去十年众多科学成就中的一项。2010年公司创立时，神经科学家兼游戏开发者哈萨比斯就表示，其目标是打造“一家世界级的企业科研实验室”。为此，公司致力于将科学方法应用于人工智能开发，并通过预判风险、降低潜在危害，以符合伦理和负责任的方式推进。据媒体报道，2014年谷歌以约4亿美元收购深度思维时，成立人工智能伦理委员会是收购协议的条件之一。

如今，谷歌深度思维正试图将AlphaFold的成功复制到其他科学领域。“我们现在正将AI应用于几乎所有其他科学学科。”哈萨比斯说。然而，自2022年ChatGPT发布后（哈萨比斯称这一事件为“觉醒时刻”），科学与产业结合的环境发生了巨变。聊天机器人及其背后的大型语言模型（LLMs）的出现，不仅引发了全社会AI应用的爆发式增长，也让越来越多资金雄厚的竞争者加入到实现人类级通用人工智能（AGI）的角逐中。

谷歌深度思维如今几乎每周都在发布商业产品（包括其Gemini系列大型语言模型的迭代版本），同时继续开展机器学习研究并开发特定科学领域模型。多位前员工表示，这种加速发展让负责任的AI研发变得更加困难，一些员工对公司更趋商业化的前景感到不满，这也引发了人们对深度思维未来走向以及能否在其他科学领域再创辉煌的疑问。

深度思维的总部位于伦敦国王十字科技 hub，装修现代，但公司起源却颇为简朴。2010年创立时，团队旨在通过融合神经科学与机器学习思想构建通用AI系统。柏林赫尔蒂学院的计算机科学家、AI伦理研究员乔安娜·布赖森评价道：“他们绝对是超级天才，当时那12个人是所有人都想挖走的对象。”该实验室开创了深度学习AI技术（利用模拟神经元从现实案例中学习数据关联）和强化学习（模型通过试错和奖励机制学习）。2015年将这些技术应用于教授模型玩街机游戏，2016年实现掌握古老的围棋游戏后，深度思维将目光投向了第一个科学难题——根据氨基酸组成预测蛋白质的3D结构。

哈萨比斯在20世纪90年代于英国剑桥大学读本科时，就接触到了蛋白质结构难题，并意识到这是AI未来可能帮助解决的问题。AI学习技术需要示例数据库和明确的成功指标来指导模型进步，而蛋白质恰好拥有长期积累的已知结构数据库和评判预测准确性的既定竞赛，满足了这些条件。对哈萨比斯而言，蛋白质折叠是一个“根节点”问题，一旦解决，就能开启下游研究和应用的多个分支，“这样的问题值得投入五到十年时间，以及大量计算机和研究人员。”

深度思维于2018年发布首个AlphaFold版本，到2020年，其性能已远超其他团队的工具。如今，深度思维分拆出的Isomorphic Labs正利用AlphaFold进行药物研发，而包含超过2亿个蛋白质结构预测的AlphaFold数据库已被用于多项研究，从改善全球蜜蜂数量下降背景下的蜜蜂疾病免疫力，到筛选治疗恰加斯病（一种可能危及生命的寄生虫感染）的抗寄生虫化合物等。

负责公司科学工作的普什米特·科利表示，科学不仅是待解决问题的来源，公司还试图以科学方式开展所有AI开发。研究人员往往会回归每个问题的基本原理，尝试全新技术。2022年底前在谷歌深度思维担任研究员、现任伦敦轨道材料AI公司首席执行官的乔纳森·戈德温称，许多其他AI公司的员工更像工程师，虽有创造力但不从事基础发现。不过，复制AlphaFold的成功并非易事：“没多少科学探索能像那样顺利。”戈德温说。

科利表示，谷歌深度思维正将资源投入到多个它认为AI可加速发展且能产生“变革性影响”的问题上，包括天气预报和核聚变（有望成为清洁、丰富的能源来源）。公司通过严格的筛选流程选择项目，但研究人员可自主选择参与哪个项目及如何解决问题。这类问题的AI模型通常需要专门数据和研究人员将知识编入其中。

科利提到，2024年6月启动的AlphaGenome项目颇具前景，旨在破译人类长片段非编码DNA并预测其可能功能，但这一挑战比AlphaFold更难，因为每个序列可能对应多种有效功能。材料科学是公司希望AI能带来革命性突破的另一个领域。由于原子核和电子的复杂相互作用只能近似模拟，材料建模难度很大。深度思维通过学习模拟结构数据库，开发出GNoME模型，该模型在2023年预测了40万个潜在新物质。科利表示，团队目前正利用机器学习开发更好的电子行为模拟方法，这些方法从示例相互作用中学习，而非依赖物理原理。最终目标是预测具有特定属性（如磁性或超导性）的材料，“我们希望看到这样一个时代：只要可能，AI基本上能设计出任何你想要的具有神奇属性的材料。”

AI模型存在多种已知安全问题，从被用于制造生物武器的风险到延续种族和性别偏见等，这些问题在模型发布时尤为突出。负责“影响加速器”（致力于寻找AI可发挥作用的社会领域）的安娜·科伊武涅米表示，谷歌深度思维设有专门的责任与安全委员会，该委员会在公司各部门开展工作，并在开发的每个主要阶段提供咨询，“我们对此非常重视。”

戈德温认为，深度思维的优势在于研究人员追求的是世界最终需要的那种AI：“人们并不真的想要自己的随机视频被生成并发布到社交网络上，他们想要的是无限能源或疾病治愈。”不过，在将AI用于科学研究的探索中，深度思维如今有了同行——过去两个月，OpenAI和巴黎AI公司Mistral都成立了致力于科学发现的团队。