|
金融时报：一个全新时代的来临：上一周人工智能横扫了诺贝尔奖 上周，当妻子在Skype上接到多通紧急电话要求提供他的电话号码时，德米斯·哈萨比斯爵士（Sir Demis Hassabis）才知道自己赢得了诺贝尔化学奖。 哈萨比斯是谷歌DeepMind的联合创始人兼首席执行官，该公司是硅谷搜索巨头的人工智能部门。 哈萨比斯与他的同事约翰·朱默（John Jumper）及美国生物化学家大卫·贝克尔（David Baker）共同获得了这一奖项。 他们使用名为AlphaFold的人工智能软件，破解了生物学中长达50年的未解难题，预测所有已知蛋白质的结构。 在攻克这一长期挑战后，哈萨比斯的团队将目标转向气候变化和医疗保健。 他告诉《金融时报》记者，“我希望我们能够帮助解决一些疾病问题，”。 他的团队正在与礼来（Eli Lilly）和诺华（Novartis）合作进行六项药物开发项目，涉及癌症和阿尔茨海默病等疾病领域。 哈萨比斯表示，他预计将在两年内将候选药物推向临床试验阶段。 哈萨比斯还专注于利用人工智能更准确地模拟气候，并跨越AI研究的终极前沿： 发明具有人类智能水平的机器智能。 曾是神经科学家和电子游戏设计师的哈萨比斯表示，“回顾十年后，我希望AI能在各个领域迎来新的科学发现黄金时代。这正是我当初进入AI领域的原因。我将AI视为加速科学研究的终极工具。” 周三，DeepMind团队获得了诺贝尔奖的认可。 就在前一天，谷歌前同事及资深AI科学家杰弗里·辛顿（Geoffrey Hinton）与物理学家约翰·霍普菲尔德（John Hopfield）因在神经网络领域的贡献而获得了诺贝尔物理学奖。 神经网络是现代AI系统的基础技术，支持医疗保健，社交媒体，自动驾驶汽车以及AlphaFold本身。 AI突破引领研究新时代 这些奖项表明了研究领域的新时代已经到来，突出了计算工具和数据科学在破解复杂科学难题中的重要性，并且能够在更短时间内取得成果，涵盖从物理、数学到化学和生物学的广泛领域。 哈萨比斯指出：“诺贝尔奖委员会将两个奖项同时颁发给AI，本身就是一种声明，非常有意思。” 这些奖项也反映了AI的潜力和可能的风险。 霍普菲尔德和辛顿在20世纪80年代初期成为该领域的先驱。 76岁的辛顿于去年离开谷歌，表示不再计划继续研究，而是转向推动政府促进AI系统安全的研究。 与之形成鲜明对比的是，DeepMind团队的获奖工作主要在过去五年内完成，他们对AI对社会的积极影响充满乐观。 伦敦大学学院（University College London）Gatsby研究中心主任萨哈尼（Maneesh Sahani）表示，“AI对科学乃至现代社会的广泛影响现在非常清晰”。Gatsby中心专注于机器学习和理论神经科学，辛顿曾是该中心1998年的创始主任，而哈萨比斯也曾在2009年在那里担任博士后研究员，并于2010年从UCL创立了DeepMind。 AlphaFold推动科学发展 牛津大学结构生物信息学教授迪恩（Charlotte Deane）表示，AlphaFold的最新版本在医学和生物学等多个领域产生了深远影响，因为它们与生命体息息相关。 曾因蛋白质合成研究获得2009年诺贝尔化学奖的生物学家拉马克里希南（Venki Ramakrishnan）表示：“当他们刚开始时，许多人持怀疑态度，但他们的程序很快超越了其他所有程序，成功预测了蛋白质结构，这彻底改变了这个领域。” 超过200万名科学家已使用AlphaFold进行研究，包括分析疟疾寄生虫以开发疫苗，提高植物的抗气候变化能力，以及研究人类体内最大的蛋白质复合体之一，核孔的结构。 伦敦国王学院（King’s College London）神经科学教授兼AI初创公司Stanhope AI首席执行官莫兰（Rosalyn Moran）称：“构建工具是科学的基础性工作，他们往往是科学中的无名英雄。这是我认为这个奖项最令人兴奋的部分。” AI的局限性与挑战 AlphaFold仍存在局限性。例如其开发者报告称，该系统可能在细胞中无序区域“幻觉般”地预测出虚假的结构秩序。 AI在科学研究中的另一挑战在于，一些领域的实验数据可能不如蛋白质分析那样丰富。 在物理学诺贝尔奖的获奖工作中，辛顿和霍普菲尔德利用物理学和神经科学的基本概念，开发了能够处理大规模信息网络模式的AI工具。 辛顿发明的玻尔兹曼机（Boltzmann Machine）能够从具体示例中学习，而非依赖指令。 该系统能识别出它已被训练过的类别的新示例，如猫的图片。 这种学习软件，即神经网络，现在构成了大多数AI应用的基础，如人脸识别软件和大型语言模型，这些模型支持了ChatGPT和谷歌的Gemini。 辛顿的前学生伊利亚·苏茨克维（Ilya Sutskever）是ChatGPT开发公司OpenAI的联合创始人兼首席科学家。 辛顿在本周的新闻发布会上表示：“我不太清楚自己究竟属于哪个领域，但我想理解大脑的工作原理。在试图理解大脑的过程中，我意外地帮助创造了一种效果出奇好的技术。” 这些AI奖项也凸显了科学发现的互联性和共享数据与专业知识的必要性。然而，这在OpenAI和谷歌等商业机构内越来越罕见。 神经科学和物理学原理推动了现代AI模型的发展，而生物学家生成的数据则帮助发明了AlphaFold软件。 伦敦国王学院分子生物物理学教授艾萨克森（Rivka Isaacson）表示：“像我这样的科学家过去需要耗费多年时间，通过实验方法破解蛋白质结构。然而，这些实验结果被用于训练AlphaFold，推动了技术的发展。” 她补充说，AI技术使科学家能够跳过一些步骤，更深入地研究蛋白质功能和动态，提出新的问题，并有可能开辟全新的研究领域。 哈萨比斯强调，AI仍然只是分析工具，而非能够独立开展原创研究的代理。 他说：“人类的智慧在于提出问题、进行猜想和假设，我们的系统无法做到这一点。现在AI只是在分析数据。”    来源： https://www.ft.com/content/9e8d9087-a71f-42a9-a7d9-c4575d05471c Madhumita Murgia and Michael Peel in London October 11 2024 |
