我一個研究核聚變的生物學家，發篇古希臘語的論文怎麼了？
作者｜油醋
郵箱｜zhuzheng@pingwest。com你可以在哪裡找到這家叫做DeepMind的人工智慧公司？——圍棋棋盤或者《Nature》。從2010年創立開始，DeepMind就一直給外界這樣一種「不修邊幅」的感覺。一個經典的故事是，最初三位創始人戴密斯·哈薩比斯、穆斯塔法·蘇萊曼和肖恩·萊格創立公司的時候，他們甚至只建了一個帶著公司標誌的網頁，沒有聯絡電話，不留公司地址，網站上甚至沒有客客氣氣搞一個「關於我們」。「為了僱傭員工，創始人必須依靠個人聯絡，讓人們相信他們是正經人和認真的科學家，是有真正的計劃的」，哈薩比斯在一次採訪中表示。對於大部分人來說，這家人工智慧公司一鳴驚人的那一刻並不是2014年被谷歌收購，而是兩年後的AlphaGo。
圖源：The Verge2016年3月，AlphaGo挑戰彼時的圍棋世界冠軍李世乭九段， 4：1勝。2017年5月，進一步進化了的AlphaGo對戰排名世界第一的柯潔九段，3比0輕取。賽後柯潔落淚，直言看不到任何取勝希望。兩次人類頂尖棋手與AlphaGo的對陣直接將圍棋推進到AI時代，人工智慧成為棋手的陪練師與假想敵。今年2月，韓國棋手申真諝接連擊敗楊鼎新與柯潔，柯潔抱怨申真諝的全盤棋路「有71%的AI吻合率」。後者倒也直言不諱，透露自己每天會花費5個小時與AI對練以提升棋力。以AlphaGo的面目，大眾第一次感受到人工智慧具像化後帶來的壓迫感。這落入水中的一滴墨，蜻蜓點水地給整個圍棋世界永久的換了顏色。——圍棋界一副苦大仇深的樣子，「始作俑者」DeepMind倒是提前翻篇了。
在與柯潔對陣後，Alpha圍棋團隊宣佈AlphaGo將不再參加圍棋比賽，看看DeepMind最近幾年的進展，找不到AlphaGo的身影，反而發了好多論文，研究方向從生命科學到核聚變，甚至古代文明都涉獵。品玩統計了DeepMind近幾年在《Nature》發表的論文情況。到目前為止的兩年時間內，DeepMind在《Nature》上共發表了60篇論文，比之前三年的論文總數還要多接近10篇。而在這60篇論文中，僅2022年的三個月裡就佔了10篇。論文發的越來越密，跨學科的聯動上天入地，DeepMind儼然一個不愛掙錢卻勃勃生機的理想主義學術機構形象。怪不得有人開玩笑，現在的DeepMind是一家住在《Nature》上的人工智慧公司。
圖源：《Nature》2020年末的一期《Nature》封面，罕見的用上了「它將改變一切」的題語來描述一項關於蛋白質的研究難題終於被攻克，攻克它的正是DeepMind。蛋白質的3D解構預測困擾生物學家多年，一方面其很大程度上決定了蛋白質的特性和功能，具備非常高的研究價值；但由於蛋白質的3D結構有數以億計的摺疊方式，這種設想在提出後的50年內從未被實現。這個橫在生物學研究歷史上超過半個世紀的難題被DeepMind的人工智慧系統AlphaFold2化解。後者在透過氨基酸序列精確預測蛋白質摺疊結構方面，在權威蛋白質結構預測評估機構（Critical Assessment of protein Structure Prediction，CASP）的測評體系中得分超過92分，這意味著其基於計算生物學的預測結果幾乎與實驗室方法精確度相當。
圖源：推特CASP主席John Moult直言，「計算機科學領域50年來的巨大挑戰已得到很大程度的解決」，學界不吝稱之為「人類在21世紀取得的最重要的科學突破之一」。谷歌CEO桑達爾·皮查伊、特斯拉CEO埃隆·馬斯克等人也都對研究成果興奮不已。而DeepMind呢，又消失在大眾視野裡了。到今年年初再一次出現，眾人發現它出現在研究核聚變的託卡馬克裝置裡。
圖源：維基百科這一次登上《Nature》，是因為DeepMind的AI實現了對託卡馬克內包含等離子體磁場的精準控制。核聚變發生的核心條件是需要在超過1億℃的環境下，讓氫過熱成為一種等離子體狀態。而要約束這麼高溫度的等離子體，熟知的方式有兩種——擁有巨大質量的太陽可以依靠重力約束，或像氫彈以慣性約束。但前者的客觀條件在地球上無法復現，後者的反應過程不可控，所以當下世界各國採取的可控核聚變實驗主要採用磁約束的方式，而託卡馬克則是磁約束核聚變的發生裝置。由於極高的內部溫度，等離子體需要透過磁場被懸浮在裝置內，磁場來自19個磁線圈，因此對於磁線圈的控制要求極高，在幾乎完全隨機的環境裡，線圈在一秒時間內可能需要調整上千次。一旦其校準過程中接觸到裝置，就可能導致核聚變反應減弱。因此此前研究人員並不敢冒太大的險來探索托卡馬克裝置核心反應的上限。
圖源：南方科技大學科學與工程計算中心簡單來說，DeepMind的深度學習AI所做的就是幫助研究人員進一步精準控制託卡馬克——比如準確捕獲真實託卡馬克裝置中存在的所有變數，以及在5000萬分之一秒的時間內做出調整磁線圈的決定。「我們正在嘗試的一些等離子體形狀迫使整個裝置運轉系統正在接近極限，這種情況下等離子體可能會崩潰並損壞裝置。如果沒有對人工智慧的信心，我們不會冒這個風險」，參與該專案的瑞士等離子體中心科學家之一的安布羅喬·法索利在談到DeepMind時表示。然後DeepMind又撂下核聚變，轉戰古代文明，這一次沒有消失太久，不到一個月後，DeepMind的研究成果再次登陸《Nature》封面，背景是一塊古希臘石碑。
圖源：《Nature》
DeepMind團隊與威尼斯大學、哈佛大學等研究團隊釋出了一種全新的復原、識別古代石碑年代以及碑文內容的辦法。具體來說，古希臘時期雅典頒佈的一系列法典曾被認為是在公元前446～445年之前書寫的，此項研究將這個時間點精確到了公元前424～423年，這對於歷史學家研究古希臘的文化和政治制度演進意義重大。科技公司週期性的發表論文來展示一些研究成果並不罕見。康奈爾大學人工智慧教授巴特·塞爾曼曾表示，全球位居前列的科技巨頭每年在這些大會上起碼要發表數十篇論文，「在人工智慧領域，你必須在有同行評議的主流人工智慧、機器學習、計算機視覺和自然語言大會上發表論文」。無論是為了展現自己的研發能力，還是出於人才招募的目的，谷歌、微軟等科技巨頭的論文成果都經常性的出現在AAAI、NeurIPS等人工智慧的頂會或是《Nature》等權威的學術期刊上。
圖源：Youtube馬斯克曾對論文的實際用處發起質疑。對於這位特斯拉CEO來說，他認為學術層面的成功相對容易，因為你只需要發表一些無用的論文，「並且事實上，絕大多數論文是毫無用處的」。對於DeepMind來說，發論文不僅是日常動作，還總是天馬行空的出現在各種看起來與自己毫不相關的領域。值得注意的是，這兩者並非毫無關係，馬斯克是DeepMind的早期投資人之一，時間線甚至擺在谷歌之前。關於為什麼這家人工智慧公司越來越熱衷於「跨界」，2019年是一個節點。彼時這家公司正準備從谷歌位於倫敦的英國總部國王十字大樓搬出，轉入下一階段的生長週期。一同發生變化的，也包括公司未來的發展方向。
圖源：Data Center Knowledge「強化（reinforcement）學習的問題在於，它總是在紙上談兵，或者僅僅聚焦一個很狹窄的網格世界，但當遇到現實世界中更復雜的場景時這些理論能不能發揮作用，這一點一直被懷疑。」哈薩比斯表示，公司未來將把強化學習擴充套件到解決現實問題上。新總部的落地也標誌著DeepMind將帶著之前近十年積累的研發實力和所有技術積累，轉向研究圍繞有機生命的基本問題。而最初鼓勵他這麼做的，正是幾年前AlphaGo在圍棋上的成功。在這位創始人看來，跨學科的碰撞對於科學領域的發展無比重要，這一點從DeepMind創立之初就被貫徹進了人才招募的準則裡。
戴密斯·哈薩比斯 圖源：Bloomberg Businessweek“膠水人（glue people）”，哈薩比斯如此形容他渴望招募到的人才。「我希望他們同時是多個領域的頂級人才，這樣的人擁有在不同學科之間發現關聯點的創造力，當這樣的東西被找到了，魔法就會發生（when that happens， the magic happens）。」在DeepMind的AI研究中心，除了數學、物理和神經科學的人才，生物學、心理學甚至哲學背景的人才也越來越多，近年DeepMind在不同領域所取得的具有現實意義的科研進展，某種程度上也是團隊中納入的學科維度進一步豐富的對映。
圖源：DeepMind官網回到那項古希臘石碑的研究，人類與人工智慧的協同關係值得被重新審視。人工智慧的跨界會演變成越俎代庖，甚至讓人類研究者失去意義嗎？在這個研究過程中，DeepMind的深度神經網路Ithaca被放置在帕卡德人文學院所提供的希臘碑文資料庫中進行學習。結果表明，當Ithaca單獨被用於復原受損銘文時，其識別的準確率可以達到 62%，作為參照組的歷史學家在同樣的情況下，測試的準確率只有25%。很明顯的，引入深度學習的工具後對於研究古代文明的效率提升肉眼可見。但這並不意味著人工智慧將會取代人類。在談到Ithaca對於古希臘石碑的修復研究時，倫敦國王學院的希臘數字研究榮譽教授Charlotte Roueché表示「這一進步不該被理解為對這個學科研究者的威脅，相反Ithaca就像一隻獵犬，會為學者尋找線索」。Ithaca在與歷史學家合作中所體現出的協同性是此次研究中另一個極有價值的發現，兩者結合情況下的準確率高達72%。DeepMind在跨界上的活躍是一個積極訊號，這說明人工智慧正在更多領域找到實際的切入角度，而本領域的研究者將會是最大的受益者，在得到一臺嶄新的「蒸汽機」後，他們的生產力將會進一步得到解放。於是我們不得不期待，DeepMind——或者別的人工智慧公司——下一次登上《Nature》，將會帶來一個怎樣的全新故事。
*參考資料：
《Inside DeepMind‘s epic mission to solve science’s trickiest problem》
《Nature最新封面：DeepMind AI “再下一城”，追尋人類古老文字蹤跡》
《有AI學會控制核聚變反應堆了，來自DeepMind，登上今日Nature》
《震驚科學界！DeepMind AI破解「蛋白質摺疊」難題，攻克生物學50年巨大挑戰》
《蘋果依然是“掉隊巨頭”，發表論文也沒用》
