诺贝尔奖得主、剑桥校友德米斯·哈萨比斯爵士宣布进入“数字速度”药物发现新时代

诺贝尔奖得主、剑桥校友德米斯·哈萨比斯爵士认为，我们正在进入一个“数字生物学”的新时代，在这个时代，人工智能可以帮助我们在“数字速度”下重新构想药物发现的原则。

在剑桥举办的一场特别活动中，探讨了人工智能如何加速科学发现。谷歌DeepMind的首席执行官兼联合创始人德米斯·哈萨比斯还表示，尽管量子计算正在兴起，但经典计算机系统仍然有潜力通过人工智能推进知识，并且有一天甚至可能帮助我们揭示现实的本质。

去年，德米斯与谷歌DeepMind同事约翰·朱姆珀博士因在蛋白质结构预测方面的AI研究贡献而共同获得诺贝尔化学奖。他告诉剑桥的学生和校友们，人工智能可能是“生物学的完美描述语言”。

他说：“目前，开发一种药物平均需要10年时间，而且极其昂贵，动辄数十亿美元。因此我在想，为什么不能用这些技术将这个过程从几年缩短到几个月？也许有一天，甚至可以缩短到几周？就像我们将蛋白质结构的发现时间从可能的几年缩短到了几分钟甚至几秒钟。”

在巴贝奇讲堂的演讲中，德米斯回忆了自己作为学生近30年前在这里听第一堂课的情景。他回顾了自己的人工智能职业生涯和迄今为止的研究，并提供了关于这项技术如何发展的有趣见解，包括通用人工智能的发展，这是一种理论上可以完成人类所能做的各种认知任务的人工智能系统。

他说：“剑桥是一个神奇的地方。它实际上激发了我的整个职业生涯，希望也能为在座的许多学生带来同样的启发。”

从剑桥毕业后，他在20世纪90年代在女王学院攻读计算机科学本科。2010年，他与人共同创立了DeepMind公司，该公司开发了流行游戏的精通AI模型。2014年，该公司被谷歌收购。两年后，DeepMind在全球范围内引起了关注，当时该公司实现了许多人当时认为是AI圣杯的目标：击败世界上最古老的棋盘游戏之一围棋的世界冠军。

“我的人工智能之旅始于游戏，特别是国际象棋，”他说。“我从四岁起就开始下国际象棋，这让我开始思考思维本身——我们的头脑是如何产生这些计划、这些想法的，我们是如何解决问题的，以及我们如何改进。对我来说，最吸引人的不仅是游戏本身，而是背后的思维过程。”

当他转向电脑国际象棋时，这种兴趣仍在继续。“我记得我对有人编程让这块无生命的塑料真的能很好地与你对弈感到非常着迷。在我十几岁的时候，我用Amiga 500电脑尝试编写这样的AI程序来玩奥赛罗等游戏。那真是我第一次接触AI，我决定从很早开始就将我的整个职业生涯致力于推动这项技术的发展。”

他说，电脑游戏是AI系统的“完美试验场”。在创建了受神经科学启发的学习系统，掌握了Atari的游戏目录，并开发了击败围棋世界冠军李世石的AlphaGo计算机程序后，他将注意力转向了科学。

“我觉得我们已经准备好了，我们的技术已经足够成熟，现在可以应用于游戏之外，并尝试解决真正有意义的问题。”

蛋白质折叠——根据氨基酸序列预测蛋白质的三维结构——就是一个很好的例子。蛋白质是生命的基本组成部分，蛋白质的功能与其结构有关。了解蛋白质的结构有助于药物发现和疾病理解。

科学家们至少在50年前就开始研究这个问题。2020年11月，DeepMind的AlphaFold2工具被社区广泛实验的蛋白质结构预测技术评估（CASP）宣布解决了这个问题。DeepMind随后使用AlphaFold2折叠了已知的所有2亿种蛋白质，并免费公开了该系统及其结构供任何人使用。

德米斯说：“这有点像在一年内完成了十亿年的博士学位工作。想到科学可以加速发展，这是令人惊叹的。来自几乎每个国家的200万研究人员正在使用它。它已经被引用超过30,000次，已经成为生物研究的标准工具。”

由于这些生物结构存在于地球上的大部分生命中，他说新的探索途径已经在多个领域打开——包括气候、农业、疾病和药物发现。

“DeepMind的使命从一开始就是负责任地构建人工智能以造福人类，但我们刚开始时将其表述为两步过程：第一步，解决人工智能；第二步，用它解决其他所有问题。

“如果我们回顾过去15年所做的所有工作，首先是我们的游戏工作，然后是我们现在正在进行的科学研究，都是为了使这种搜索变得‘可行’。你有一个极其复杂的问题，有许多可能的解决方案，你必须找到最优解——就像大海捞针。你不能通过蛮力来实现这一点，所以你必须学习这个神经网络模型，以便高效地指导搜索并找到最优解。

“我认为人工智能将适用于几乎所有领域，并且我认为在未来5到10年内通过这样做将会有很多进展。”

在讨论通往通用人工智能（AGI）的道路时，德米斯表示，谷歌DeepMind正在所有领域的AI对现实世界的物理理解方面取得进展，并提到了其最新的Veo 2最先进的视频生成工具，该工具可以根据文本描述生成视频，以及Genie 2，可以根据单一提示生成计算机游戏。

他还强调了AI安全的重要性，以及构建这些变革性系统和技术所伴随的责任。他解释了谷歌DeepMind的SynthID工具如何在AI生成的内容上添加不可见的水印，从而检测出合成生成的图像、音频、文本或视频。

“人工智能在应对从气候到健康等各种最大挑战方面具有巨大的潜力。但它将影响每个人，因此我认为我们必须与社会中的各种利益相关者进行广泛的互动。鉴于这些技术的指数级改进，这一点将变得越来越重要。”

展望未来，德米斯表示他对下一代虚拟助手技术或“通用助手”感到“非常兴奋”。他描述了谷歌DeepMind正在研究的一种研究原型助手，它可以理解我们周围的世界。

“我们称之为‘Project Astral’，你可以把它放在手机或其他设备上，比如眼镜。这是一个可以在现实世界中随身携带的助手，帮助你在日常生活中。”

他说，下一步是在像Google Gemini这样的世界模型之上构建规划系统，这些系统可以理解和搜索问题的良好解决方案。结合在一起，它们可以在现实世界中规划和实现目标。

“这对于机器人技术至关重要，我认为在未来两到三年内，这将是一个会有巨大进展的领域。”

在结束演讲时，德米斯自称为“图灵的捍卫者”，并提出了一个问题：“这些图灵机和经典计算的思想能走多远？”

“有很多事情被认为需要量子计算才能解决。我的猜想是，实际上这些基于经典图灵机的AI系统能够做更多的事情，比我们之前认为的要多。

“想想AlphaFold和蛋白质折叠——蛋白质是量子系统，它们在原子尺度上运作，人们可能会认为你需要量子模拟才能找到蛋白质的结构。然而，我们能够用我们的神经网络近似这些解决方案。

“因此，一个潜在的想法是，自然界中任何可以生成或找到的模式都可以由这些经典学习算法高效地发现和建模。如果事实证明这是真的，那么它将对量子力学和基本物理学产生各种影响，这是我希望探索的。也许这些经典系统将帮助我们揭示现实的真正本质。

“这让我回到了很多年前我踏上人工智能之路的原因。我一直相信，以这种方式构建的AGI可以成为理解我们周围宇宙和我们在其中的位置的终极通用工具。”

(全文结束)