起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識下一個“AI王炸”，別只盯著OpenAI，DeepMind也在憋大招
在OpenAI推出ChatGPT之后，國內外科技圈也逐漸掀起了大語言模型的技術浪潮，那么同樣瞄準人工智能AGI、卻有著不同實現路徑和發展路徑的DeepMind，又有著哪些動作？不妨跟著本文的作者，來看看DeepMind目前在憋的“大招”有哪些吧。
過去幾個月，OpenAI風頭無兩，各大科技公司爭先恐后地跟進大語言模型（LLM）這一技術路線。
對比之下，OpenAI的老對手DeepMind，顯得有些低調和沉默。微軟靠OpenAI打了一場勝仗，而谷歌推出的Bard翻了車，和谷歌同屬AlphaBeta的DeepMind卻沒有出來力挽狂瀾的意思。
同樣是半學術、半企業科研性質的前瞻性AI Lab，DeepMind也瞄準了通用人工智能AGI，但實現路徑上，卻有著和OpenAI不同的選擇。
這段時間我們能看到科技圈在集體“追風口”，大量資源（注意力、算力、人才、政策等）都被投入到OpenAI引領的大語言模型熱潮中，有些高校甚至出現了“不做LLM就沒有算力用”的局面。“中國沒有自己的OpenAI”也被認為是創新滯后的現實證明。
有人說OpenAI的AI屬于“精英教育路線”，一路砸錢供它讀到博士，一畢業就是王炸，驚艷全場，這點確實沒錯，也是非常值得很多國內AI Lab學習的。
追逐OpenAI的賽道已經十分擁擠。別忘了，DeepMind默默燒錢、長期錨定的很多研究方向，也非常具有前沿性和想象力，2016年的AlphaGo、2020年的AlphaFold都曾一鳴驚人。下一個“AI王炸”，可能就是DeepMind做出來的。
大家知道有種新聞叫“震驚體”，每一次出現“AI王炸”級產品，就會有大量“震驚體”出現，比如“阿爾法狗要取代人類”“AlphaFold搶了生物學家的工作”“有了ChatGPT人類還有價值嗎？”
感到“震驚”，有時真的只是因為知道的太少、太晚，在這些“AI王炸”技術尚在成長階段，忽視了它們，等能力發展到實用程度，又開始恐慌、焦慮。
屆時，我們會不會又會陷入新一輪的追逐跟風，接著抱怨“中國沒有自己的DeepMind”呢？
所以，我們不妨來預測一下，DeepMind正在憋的大招里，哪些可能成為下一個王炸，讀者們可以有個心理準備，提前對“震驚體”脫敏。
一、AI要取代科學家，夠不夠震驚？
ChatGPT走紅之后，很多白領人士都擔心自己的崗位要被取代了。而科學家可是智力水平站在金字塔頂端的人類，職業生涯肯定穩穩的吧？
AI+科學，正是DeepMind長期錨定的賽道，已經產出了很多突破性的研究成果，覆蓋了數學家、物理學家、生物學家的專業領域。
已經問世的AlphaFold和AlphaFold 2就在生物學界掀起了海嘯級的影響，徹底改變了蛋白質結構預測的傳統方法，也引發了各大高校和科研機構的復現、優化、應用。基于這一新技術，DeepMind一夜之間改變了生物制藥行業，也因此成為“數字生物學”這一新興領域的先驅。
目前，AI+生物學的潛力還沒有完全釋放出來，AI技術在生物制藥和生命科學中的應用，還停留在少數環節中探索、案例級嘗試的階段。DeepMind也正在與行業展開合作，比如與Isomorphic Labs 合作，以“AI-FIRST”原則重構藥物發現過程，在著名的生物醫學研究中心弗朗西斯·克里克研究所（Francis Crick Institute），建了一個濕實驗室，加強AI技術與生物實驗的結合，同時還在不斷擴大AI for science團隊，加快基礎生物學的研究。
或許，下一個抗癌新藥、生物計算領域的大突破，就會在DeepMind誕生。
你可能會說，生物學是一門實驗科學，有成熟的程式，被AI技術改變很合理。數學、物理這樣的基礎科學，突破幾乎來自天才式的直覺和靈感，有的數學家甚至是在夢中取得突破。比如阿基米德就是在洗澡時靈光一現，發現了浮力定律；拉馬努金在夢中發現了3900個公式……AI估計就不好使了吧？
數學、物理，這些涉及抽象世界和人類深層直覺的領域，DeepMind也已經取得了突破。
幫助數學家發現他們從未發現的發現——DeepMind發表在《自然》雜志上的一篇論文顯示，研究人員與頂級數學家合作，為一個幾十年來都沒有結局的數學猜想，通過機器學習（ML）找到了突破口。
使用AI來處理海量或無法直接推理的數據，可以大大增強數學家的洞察力，從而更快地找到證明猜想和新公式的方法，已經被DeepMind證明是可行的。
牛津大學數學系教授Marcus Du Sautoy形容AI技術在純數學中的應用，“就像伽利略拿起望遠鏡，能夠深入凝視數據宇宙，看到以前從未發現過的東西”。
未來隨著探索的增多，很多未被證實的數學猜想，都有可能因AI的加入而突破。希望屆時大家不會又以為AI進化出了什么超能力，被“AI取代數學家”之類的標題給騙了。
AI參與核聚變的研究進程——核物理無論從學術還是社會政治經濟的角度，都是非常重要的。大家可能都聽過中國核物理學家造原子彈的艱苦故事，其中很多工作和犧牲能不能由AI來代勞呢？DeepMind還真搞成了。
它們與瑞士等離子體中心，合作開發了一個AI系統，通過強化學習，控制系統可以很好地協調TCV（由許多磁線圈組成），確保等離子體永遠不會接觸容器壁，這樣就可以減少核聚變的熱量損失。同時，還能將等離子體精確地雕刻成不同的形狀，方便科學家研究等離子體在不同條件下的反應，從而提高對核聚變反應堆的理解。
總之，在過去的幾年里，DeepMind在數學、物理、化學、生物學、量子、氣象、材料等多個科學領域，創造性地探索了大量AI for science的可能，帶來了全新的科學研究方法，必然會催生全新的科學發現和技術突破，下一個“AI王炸”很可能就在其中。
二、現實版《西部世界》夠不夠炸裂？
DeepMind的目標也是實現通用人工智能。具體怎么做呢？OpenAI專心搞語言，DeepMind就專注“訓狗”——搞強化學習。
弱人工智能，只能在有限的環境中解決特定問題，沒有發展出人類身上那種通識智能。那種“通用”智能的機器，大概就類似于《西部世界》或者《底特律》中的機器人，能夠在復雜的環境里執行任務。
實現AGI，OpenAI是用大量數據和充分訓練來促成大語言模型的“智能涌現”，而DeepMind則選擇了“正向教育”——希望通過強化學習，給AI系統以“獎勵最大化”的刺激，驅使智能體自主去學習復雜的能力。因為只有表現出這些能力，智能體才能獲得獎勵（比如生存下去）。
聽起來，是不是跟工作犬執行主人的口令，主人根據結果來進行獎勵或懲罰是一個路子？
在一篇論文中，DeepMind的研究人員寫道：“獎勵足以推動智能體表現出通用智能的跡象和行為，包括學習、感知、社會智能、語言、概括和模仿?！?/p>
上一只震驚世界的狗是擊敗人類棋手的“阿爾法狗（AlphaGo）”，而下一只可能就是被DeepMind用強化學習訓練出來的AI了。
比如這只機器狗，就通過強化學習不斷試錯，從而具備了兩個重要的能力：
一是使用歷史經驗，一般來說電機控制的AI智能體，一開始不知道對每個關節施加什么力，需要大量數據才能邁出步子，不然就會隨機抽搐并迅速摔倒，而借助RL可以利用以前學到的運動技能，從而緩解“起步”時的尷尬。
二是減少特殊行為，此前智能機器人一般會用一種很不自然、不夠人性化的方式來避障，雖然看起來很有趣，但不夠實用。DeepMind采用強化學習訓練，偏向于讓智能體學習更多的自然行為，可以安全高效地控制真實世界的機器人/機器狗，將機械控制與認知智慧相結合。
類似的強化學習實驗還有很多，比如讓智能體在網絡游戲中展開隨機互動，讓智能體在模擬的三維世界里搭積木、打掃房間……基本邏輯都是基于人類反饋的獎勵模型。
ChatGPT只能解決語言問題，《西部世界》里的人機融合新物種，更靈活的通用家政機器人，可能還真得靠DeepMind的強化學習路線來實現。
三、像人腦一樣思考的AI，夠不夠有趣？
DeepMind雖然沒有跟風推出類ChatGPT的大語言模型，但并不代表它對這個領域毫無建樹，只不過二者關注的技術方向不太一樣罷了。
隨著使用者的增多，大家可能都發現了類ChatGPT模型的一些限制，比如非常注重數據和語料。
深度學習靠規模數據、龐大算力、充分訓練而“大力出奇跡”的暴力美學，在大模型時代發揮到了極致。
這帶來了一系列問題，比如中文語料不足，訓出來的大模型效果不好，有的中文LLM會用英文語料進行訓練，再將答案翻譯回中文，這種做法當然是符合業界常規的，但問題在于很多價值觀、常識性的東西，是沒有辦法對齊和翻譯的。
而且“暴力計算出奇跡”的大煉模型，打造的語言模型是不可解釋的黑盒，金融、政務、工業等行業是不敢用的，無法支撐可靠的決策。
不知道OpenAI和國內廠商打算怎么解決“暴力計算”的弊病，反正DeepMind倒是一直在琢磨不同的路線——不搞暴力美學，大搞神經科學。
DeepMind認為大腦才是機器智能模仿的對象，希望通過對腦科學、神經運動學、元學習等“人類本位”的研究，來提升深度學習模型的魯棒性、可解釋性、可靠性等，讓AI達到人類水平的理解能力。
比如重新認識大腦的工作機制，借鑒多巴胺通過調節神經元之間突觸連接的強度，提出了一種基于獎勵的強化學習理論；
在3D游戲世界中創建了模擬心理學實驗室Psychlab，能夠實施經典的心理實驗，顯著改進了智能體UNREAL的性能；
發現在人工神經網絡傾向于避開精確設計的代碼，傾向于對成本函數進行暴力優化（不追求獎勵最大化，而是追求成本最小化，不做錯就沒有損失），而人腦的機制卻往往會專注在任務實現和獎勵上，從這個角度去優化深度神經網絡的結構。
2023年發表的一篇新論文中，DeepMind則針對大腦中的回放（replay）機制，提出這是一種組合計算的形式，可以衍生出新的知識，在神經網絡中整合回放機制，有望讓AI用極少的數據學到新東西，提高認知智能，更接近“智能涌現”。
大腦的智慧讓人類爬上了萬物之靈的寶座，AI不靠人工而靠智能，為什么不可能呢？
當初OpenAI要走NLP這條“冷門”的路，很多人也覺得不可能，直到產品雖不成熟、但能力十分驚艷的ChatGPT出現，人們才開始紛紛夸贊OpenAI的長期主義。這些年DeepMind默默搞的研究，可能就是下一個“王炸”。
我們都希望中國AI也能誕生影響世界的元創新，其實AI領域并沒有那么多獨門秘技，很多靈感或技術路線都是公開的，但我們為什么總是聽過就算、見過就忘呢？
除了靈光一現的idea， OpenAI和DeepMind不斷投入的耐心，強大的工程能力，前沿研究與商業化的平衡，也是值得學習和借鑒的。
不能總是熱淚盈眶，總是不長記性，直到下一個《震驚！XXX的XXX又顛覆世界了》……
作者：藏狐
來源公眾號：腦極體（ID：unity007），從技術協同到產業革命，從智能密鑰到已知盡頭。
本文由人人都是產品經理合作媒體 @腦極體 授權發布，未經許可，禁止轉載。
題圖來自 Unsplash，基于 CC0 協議
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論，等你發揮！
