独家专访DeepMind CEO哈萨比斯：我们将看到一种全新的科学复兴( 二 ) 近日

SPC主任安布罗焦·法索利（AmbrogioFasoli）说，这代表了“重要的一步” ，可能会影响未来托卡马克的设计，甚至加快通往可行聚变反应堆的道路。
“从我的感受看，托卡马克模拟器很重要，一般的托卡马克实验参数都是有运行人员根据历史数据和经验给出的，很有可能因为各种原因局限在一些小的局域最优化参数上，用托卡马克模拟器+强化学习，确实有可能探索到一般人类不曾想到或者不敢尝试的参数空间，这对于挖掘现有聚变装置的潜力很有意义。 ”国内一位专家表示。
DeepMind的成就虽然意义重大，但只是迈向可行的聚变能源的一步。托卡马克的状况每天都在变化，需要在物理和模拟中进行算法改进。关于核聚变能何时准备好商业化也存在不确定性。估计从20年到30年不等，这还不包括扩大规模。这可能是一个长达数十年的后续过程。
尽管如此， DeepMind断言，人工智能可以帮助加速聚变能的上市之路。 DeepMind的乔纳斯·布赫利（JonasBuchli）在简报中说：“我们相信人工智能是人类创造力的倍增器，开启了新的探究领域，使我们能够充分发挥潜力。人工智能系统正变得足够强大，可以应用于许多现实世界的问题，包括科学发现本身。 ”
这一切或许可以从2016年3月谈起，在韩国首尔， DeepMind的CEO兼联合创始人戴密斯·哈萨比斯（DemisHassabis）见证了该公司的AI技术所创造的历史。
许多人认为围棋是世界上最复杂的棋盘游戏，需要几年的时间才能掌握。然而， AlphaGo ，一个受训练后掌握古老棋盘游戏围棋的计算机程序，与当时围棋界世界排名第二的韩国顶级职业选手李世石进行了五场比赛。
李世石赛前预测他将以“压倒性的优势”击败DeepMind的AI 。然而， AlphaGo最终以4-1获胜，它的胜利同时震惊了围棋界和AI专家，改变了世界对AI能力的看法。
不过，当DeepMind团队在庆祝获胜时，哈萨比斯已经在考虑一个更大的挑战。他记得当时他与牵头开发AlphaGo的大卫·西尔弗（DavidSilver）站在庆祝现场的后台：“我对他说， ‘现在是时候了。 ’”
预测蛋白质的结构：半个世纪的未解难题

文章图片
看着DeepMind的AI下围棋，哈萨比斯意识到该公司的技术已经准备好应对生物学中最重要和最复杂的难题之一：预测蛋白质的结构，这是一个50年来科研人员一直试图解决的难题。
蛋白质的三维（3D）结构决定了它们在体内的行为和相互作用，然而大量重要的蛋白质仍然具有生物学家不知道的结构。蛋白质是许多药物的主要靶点，也是新疗法的关键成分，快速解锁它们的结构将加快新疗法和疫苗的开发。如能使用AI准确地预测它们，将为人们了解癌症和新冠肺炎等疾病提供宝贵的工具。
2020年， Alphabet旗下的DeepMind发布了AlphaFold2 ，这是一种能将蛋白质的形状预测到接近原子尺度的AI工具。哈萨比斯说：“这是我们做过的最复杂的事情。 ”

文章图片
（来源：DeepMind官网）
AlphaFold的成功亦是一个更宏伟故事的一部分，其标志着DeepMind的发展方向已然发生改变。该公司的工作重点从游戏转向科学，以期对现实世界产生更大影响。解决科学问题是哈萨比斯想要实现的目标，他也希望借此“一朝成名天下知” 。他说：“这就是我创立DeepMind的原因。事实上，这就是为什么我的整个职业生涯都在AI领域。 ”