DeepMind简史处理科技扎手问题应战史诗级使命

【猎云网（微信号：ilieyun）】8月11日报导（编译：楼人源）

Demis Hassabis——前儿童国际象棋神童、剑桥大学双料冠军、五届国际智力运动奥林匹克冠军、麻省理工学院和哈佛大学校友、游戏规划师、青少年企业家、人工智能草创公司DeepMind联合开创人。

他在伦敦是为了查询DeepMind的新总部。DeepMind是他与伦敦大学学院研讨员Shane Legg和幼年老友Mustafa Suleyman于2010年一起创建的。总部将于2020年中建成敞开，这意味着DeepMind的新初步。

“咱们的第一个办公室在罗素广场的伦敦数学会邻近。在那里，图灵宣布了出名的讲演。咱们是在前驱的根底上展开，”Hassabi回想道，也说到了其他要害科学人物——列奥纳多·达·芬奇、John von Neumann。

Hassabi观察了他最等待的区域之一——讲演厅。他满足地幻想着这块用蓝色布景烘托的区域将会是什么姿态。

他凝视着大楼的东北角，那里将有一个三层楼高的图书馆，其楼梯呈双螺旋式。这个规划是为了提示人们重视科学。

Hassabis和他的联合开创人都认识到DeepMind因机器学习和深度学习范畴的打破而出名。这些打破导致了高曝光工作，如神经网络与算法相结合的AI，打败了国际象棋特级大师、围棋国际冠军Lee Sedol。他说在比赛一初步，他就感到毫无胜算。

曩昔，机器玩游戏表现出一些显着特征：无情和生硬的游戏风格。但在围棋应战中，AlphaGo以类人类的办法打败了Sodol。第二场比赛的第37步——招引了一切首尔现场观众和数百万在线观众的留意。该算法走出了具有创造性的一步。

关于Hassabis、Suleyman和Legg来说，假如DeepMind的前九年由强化学习来界说，即依据署理体系，测验树立国际的模型并辨认（像深度学习相同），但DeepMind还活跃决议方案，并测验到达方针。而游戏应战成功的证明将界说未来十年：用数据和机器学习来处理一些最难的科学问题。据Hassabis说，公司的下一步将依据深度学习把强化学习扩展到处理实际问题上。

“强化的问题在于，它总是致力于玩具问题、小范围网络国际。人们以为它或许不能处理紊乱的、实际的问题——而这正是这种结合的真实含义，”他说。

关于DeepMind来说，新总部标志着公司翻开了新篇章。它将把研制实力和核算才能转向研讨有机生命的柱石。公司期望这能在一些范畴（如医学）获得重大打破。Hassabis说：“咱们致力于开创科技新纪元。”

Hassabis先后在伦敦大学学院（UCL）和麻省理工学院（MIT）学习，他发现跨学科协作是一个热门话题。他回想了触及不同学科的研讨会，例如神经科学、心理学、数学和哲学。在学者们会进行几天的会谈和争辩，他们尽力通过研讨会找到协作的办法。

Hassabis说：“跨学科研讨是很难的。假设有两位在数学和基因组学方面国际领先的专家，这两个学科显着会有一些穿插。可是他们该怎么了解对方的范畴和行话以及真实的困难？”

找出要问的正确问题，为什么这个问题没有得到答复乃至这个问题是什么。最扎手的问题在局外人看来或许相对简略。可是即便同学科的科学家，并不总以相同的办法看待他们的作业。众所周知，研讨人员很难为其他学科添加价值，要找到一个他们会答复的联合问题就愈加困难了。

DeepMind总部现坐落谷歌的国王十字大楼，职工人数在曩昔几年里不断添加。公司AI研讨中心有六、七个学科，跟着公司职权范围扩展，数学、物理、神经科学、心理学、生物学和哲学方面的专家被不断延聘。

Hassabis说：“一些科学范畴最风趣的当地在于学科之间的集合。我在构建DeepMind时，致力于寻觅那些在多个范畴都是国际级的人，他们具有发现不同学科之间的类比和接触点的创造力。一般当这种状况发作时，魔法就会呈现。”

如Pushmeet Kohli，前微软研讨部主管，现领导DeepMind的科学团队。该团队现研讨蛋白质折叠——猜测生命柱石的形状的科学。

Kohli召集了一组结构生物学家、机器学习专家和物理学家，以应对这一应战。蛋白质是一切哺乳动物生命的根底，它们在分子水平上展开安排和器官的结构和功用。蛋白质由氨基酸构成链。其序列决议了蛋白质的形状和功用。

“蛋白质是有史以来为在纳米尺度上移动原子而创造的最壮丽的机器，一般比咱们制作的任何器材都更高效地进行化学数量级。自行拼装让他们变得它们更难以了解，”DeepMind研讨蛋白质折叠的科学家John Jumper说。

蛋白质以单位埃摆放原子，其单位长度等于0.1纳米。对其更深层的了解能使科学家更好的了解结构生物学。如蛋白质简直是细胞内一切功用所必需的，而不正确的折叠蛋白质会导致帕金森氏症、阿尔茨海默氏症和糖尿病等疾病。

“假如咱们能了解大自然制作的蛋白质，咱们就能学会树立自己的蛋白质。这将协助咱们在这个杂乱、微观的国际获得真实详细的观念，”Jumper说。

基因组数据集的广泛遍及使蛋白质折叠成为DeepMind团队的一个难题。自2006年以来，DNA数据的收集、存储、散布和剖析呈爆破式展开。研讨人员估量，到2025年，或许需求40个艾字节存储剖析的20亿个基因组数据集。

“在支付不行计数的时刻金钱后，人们对蛋白质有了惊人的了解，”Jumper说。

在获得发展的一起，科学家们呼吁不要盲目骄傲。备受敬重的美国分子生物学家Cyrus Levinthal指出，在正确获得蛋白质的3D结构之前，将阅历很长的阶段罗列典型蛋白质的一切或许结构。“查找空间很大，大过GO项目。”DeepMind的研讨科学家Rich Evans说。

但是，2018年12月在墨西哥坎昆举行的蛋白质结构猜测技能要害评价比赛（CASP）中，蛋白质折叠获得了里程碑式的发展。该比赛两年举行一次，比赛科学家团队从已知但没有揭露的氨基酸序列中猜测蛋白质的结构，由独立评价员验证猜测。

DeepMind的蛋白质折叠团队以AlphaFold为基准参赛，这是它在曩昔两年中开发的算法。在会议举行前的几个月里，安排者向国王十字团队成员发送了数据集，参赛者发回他们的猜测。一共需猜测90个蛋白质结构——有些是依据模板的方针：用已知的蛋白质作辅导，另一些则从零初步建模。参赛者在会议举行前收到了成果，均匀而言，AlphaFold比其他队猜测更精确。部分指标上，DeepMind显着领先于其他团队，关于43个从零初步建模的蛋白质序列，AlphaFold对其间25种蛋白质做出了最精确的猜测，比对手多三个。

哈佛医学院体系药理学实验室和体系生物学系研讨员Mohammed AlQuraishi参加了此次活动，并在成果发布前了解了DeepMind的办法。他说：“在读他们的摘要时我并没有觉得这是全新的，但他们做的比我想的更超卓。”

据AlQuraishi说，这种办法与其他实验室相似，但与深度思维进程的差异在于这种算法可以履行地更好。他以为DeepMind团队在工程方面有优势。

“我以为他们比学术组做得更好，由于学术团体在这一范畴往往十分隐秘。学术组孤登时测验DeepMind算法中的主意，从没想过将他们结合，”AlQuraishi说。

AlQuraishi以为学术界阅历了人才外流，由于Google Brain、DeepMind和Facebook等公司的安排结构功率和薪酬更高。并且有些核算资源纷歧定存在于大学。

机器学习核算科学界在曩昔的四五年也阅历了这个问题，核算生物学也知道到了这个现状。

这与DeepMind开创人在2014年1月出售给谷歌时给出的解说相照应。谷歌核算网络的规划之大能比有机扩展更快地推进研讨，而4亿欧元的支票使这家草创公司可以雇佣国际级的人才。Hassabis描绘了一种合适特定研讨范畴的个人战略。“咱们通过路线图得知重要的主题范畴、AI或神经科学的子范畴，然后去找最好的专家，”他说。

“我以为对DeepMind这样的公司来说，蛋白质折叠是一个很好的起点。由于这是一个界说十分清晰的问题，有足够可利用的数据，你简直可以把它当作一个朴实的核算机科学问题来看待。在生物学其他更杂乱的范畴，状况或许并非如此。因而我以为DeepMind在蛋白质折叠方面获得的成功纷歧定能主动转化使用到其他范畴，”AlQuraishi说。

关于一家研讨公司来说，DeepMind 重视项目办理方面。每六个月，高档办理人员都会查看优先事项、重组项目、并鼓舞团队（特别是工程师）展开协作。混合学科是官样文章和意图。该公司的许多项目时长超越六个月，一般在两到四年之间。DeepMind虽一向重视研讨，但它现在是Alphabet的子公司，也是全球第四大最有价值的公司。伦敦学者期望参加长时刻开创性的研讨，但加州的高管们自然会重视出资回报率。

“咱们期望谷歌和Alphabet获得成功，并从咱们正在做的研讨中获益。现在稀有十种包括DeepMind代码和技能的产品，但要留意的是，应是利益推进研讨，而不是研讨为了获利，”Hassabis说。由Suleyman领导的谷歌DeepMind公司由约一百人组成，其间大多数是工程师，他们将公司的纯研讨转化为产品化使用。例如，WaveNet，一种仿照人类声响的语音生成模型，现在使用于大多数谷歌设备中，并在谷歌内部具有自己的产品团队。

Hassabis说：“工业范畴的许多研讨都是以产品为主导。问题在于，你只能得到增量研讨。这不利于进行可以获得打破性发展、有危险的研讨。”

在谈话中，Hassabis语速很快，常常问“对不对？”然后引导听众。他常常向哲学、前史、游戏、心理学、文学、国际象棋、工程等多个其他科学和核算范畴发散，但他并没有忽视他初步理论，常常回来弄清一个谈论或反思新近的谈论。

就像软银的开创人，孙正义想象了300年的蓝图。Hassabis和其他开创人也有一个“DeepMind数十年路线图”。Legg，公司首席科学家，还留有初步的商业方案。Legg 偶然会在全体会议上展现它，以证明开创人在2010年考虑的许多办法：学习、深度学习、强化学习、增量、概念和搬运学习，以及神经科学、回忆和幻想力依然是其研讨方案的中心部分。

初步DeepMind仅有一个带公司标志的网页。没有地址、电话号码或“关于咱们”。正如Hassabis所说，为了雇佣职工，开创人有必要依托个人联络，让人们信赖他们是“正派人和仔细的科学家，有真实方案。”

“关于任何草创公司来说，你要说服人们信赖你是办理层。但关于DeepMind来说需求更多，由于你需求一种前所未有、共同的办法做到，这个办法不被传统的顶尖科学家所认可。”他说。

科学打破是怎么发作的，这是不知道的。在学术界，顶尖专家集合在安排中进行重复的研讨，往往成果不确定。发展一般是艰苦和缓慢的。但是在私营部分，在没有约束，并且有时机获得高薪办理参谋的状况下，生产力和立异也在下降。

2019年2月，斯坦福大学经济学家Nicholas Bloom宣布了一篇论文，标明许多职业的生产率在下降。“研讨作业正在大幅上升，而研讨生产力却在急剧下降。摩尔定律便是一个很好的比如。现在，核算机芯片密度每两年翻一番所需的研讨人员数量是20世纪70年代初的18倍多。在不同层次的事例研讨中，咱们发现主意，特别指数添加，越来越难找到，”Bloom写道。

Hassabis说到，大制药公司在研讨上投入了数十亿美元：在季度收益陈述的驱动下，跟着破产本钱的上升，制药业变得愈加保存。依据立异基金会Nesta在2018年的一份陈述显现，在曩昔50年里生物医学研制生产率稳步下降——虽然公共和私家出资大幅添加，但新药的研制本钱更高。依据该陈述，开发新药的本钱呈指数级添加，这直接反映在研制开销的低回报率上。据最新计算显现，全球最大制药公司的回报率为3.2%，大大低于他们的本钱本钱。Deloitte的研讨显现，生物制药的研制回报率已降至9年来的最低水平。从2010年的10.1%降至2018年的1.9%。

Hassabis说：“大多数大型制药公司的首席履行官，不是科学家而是来自财务部分或营销部分。这意味着，他们要做的是测验从现已创造的东西中挤出更多赢利，减少本钱或更好地投合商场，而不是真实创造新事物。这不利于天马行空的想象。”

关于许多创业者来说，有必定程度的意外任务——他们所遇到的待处理问题，遇到一个联合开创人或出资者的时机或一个学术建议。这对Hassabis来说并非如此，他前期的一系列决议是有意图性的，这导致DeepMind的创建。“我知道我在干什么，”他说。“从游戏规划，从神经学到编程，在本科研讨人工智能，去国际尖端安排，攻读博士学位以及运转草创公司，我试着运用并有认识地挑选每一个决议方案点获得的经历。”

担任CEO是现在他的日常作业。他还有另一个人物——研讨员。为了统筹平衡企业的运转与他的学术利益。在完毕白日的履行官后，他在19:30左右回家吃晚饭，约22:30初步进行学术研讨，这一般会继续到清晨4:00-4:30。

“我很享用那段时刻，”他说。“我从孩提起便是一个夜行的人。我觉得夜晚十分有利于考虑，阅览，写东西。那时我与科学文献打交道。或许我将写一篇论文，或考虑一些新的算法或战略，或许查询一些人工智能可以使用的科学范畴。”

他会在作业时听音乐。音乐协助他引发情感。挑选哪种音乐则取决于他想会集或启示。挑选的音乐必定没有人声，但对他来说又有些了解。

Hassabis说，他会花50%的时刻在直接研讨上。2018年4月，他雇用了Lila Ibrahim，在英特尔作业18年的硅谷老兵，之后成为Kleiner，Caulfield，Perkins和Byers的参谋长。Ibrahim接手了许多Hassabis的办理任务，他的直接部属从20人降到6人。Ibrahim将她决议参加DeepMind描绘为“品德的召唤”。她与Hassabis和Legg提出道德与社会建议，企图树立规范的使用技能。

“我以为总部依据伦敦会给带来一个略微不同的视点，这将与总部树立在硅谷会有很大不同。伦敦更人性化，艺术文明的多样性会给开创人带来不相同的初步。以及在DeepMind作业的人们会有特定的干事办法和心态，”她说。

虽然该公司扩展到新总部，但Hassabis以为DeepMind依然是一个草创公司。他说有许多中美公司在尽力测验这些工作。事实上在商业和政治，美国和中国都把规范化范畴作为自己的优势。他说到好几次虽然获得一些发展，但还有很长的路要走。DeepMind的任务是处理人工智能和树立通用人工智能（AGI）。“我期望咱们依然具有草创公司具有的动力和能量，”他说。

立异是困难和独特的。构建进程和一个安排的文明，使其可以削弱统一性，史蒂夫·乔布斯告知团队，制作Macintosh电脑是很少有公司或安排能完成的。跟着DeepMind生长，寻求前面的路途，一起亲近重视、猜测未来几年最具革命性的技能。这是机会与应战的并存。

“你将通过许多困难的日子，在一天完毕的时分，挣钱并不会让你缓解苦楚，真实能协助你度过的，是热情和确定你正在做的工作是重要的，”Hassabis说。