DeepMind 创始人访谈：AI 助力科学发现
日前，英国《金融时报》（FT）刊登了 Google DeepMind 首席执行官 Demis Hassabis 接受科技记者 Madhumita Murgia 的专访。在访谈中，Hassabis 深度探讨了 AI 在生物学、材料设计、气候建模等科学领域的突破性应用及其发展方向，并强调了在推进通用人工智能（AGI）过程中对系统理解、安全性及社会价值观讨论的重要性。
核心观点
- AI 已经到达一个分水岭，人们认识到它实际上已经足够成熟，可以帮助科学发现。
- 希望 10 年后回顾 AlphaFold，它将预示着所有这些不同领域的科学发现进入一个新的黄金时代。
- 从某种意义上说，预测是理解的一部分。如果能预测，就能理解。
- AI 是一门工程科学。这意味着你必须先制造出 AI，然后才能研究它。这与自然科学不同，在自然科学中，现象已经存在。
- 实现 AGI 的科学方法意味着要将更多的时间、精力和思想投入到理解和分析工具、基准测试和评估上。AI 安全机构也需要投入 10 倍以上的精力。学术界和民间社会也是如此。
- 科学就是在一切发生之前你能理解的东西。
访谈实录
Madhumita Murgia： 你获得诺贝尔奖已经一天了，感觉如何？
Demis Hassabis： 说实话，昨天的一切都很模糊，我的脑子完全乱了，这种情况几乎从未发生过。那是一次奇怪的经历，几乎就像灵魂出窍一样。今天仍然感觉很不真实。今天早上醒来时，我心想，这是真的吗？说实话，这仍然感觉像一场梦。
MM： 由于你在 AlphaFold 模型方面的工作，蛋白质折叠问题已基本得到解决。AlphaFold 模型是一种可以预测所有已知蛋白质结构的 AI 系统。你认为 AI 要破解的下一个巨大挑战是什么？
DH： 有几个。首先，在生物学方面——你可以看到我们在 AlphaFold 3 中的进展——我们的想法是了解生物相互作用，并最终模拟整个路径。然后，我可能想在某个时候构建一个虚拟细胞。
借助 Isomorphic（DeepMind 的药物开发子公司），我们正尝试拓展药物研发领域——设计化学化合物，找出它们的结合位置，预测这些化合物的性质、吸收、毒性等等。我们在 Eli Lilly 和 Novartis 都有很好的合作伙伴……我们与他们合作开展项目，进展非常顺利。我想解决一些疾病。我希望我们能帮助治愈一些疾病。
MM： 你们有兴趣解决什么特定的疾病吗？
DH： 我们有。我们正在开展 6 个药物项目。我不能说是哪些领域，但它们都是健康的重要领域。我希望我们能在未来几年内将一些药物投入临床研究——非常快。然后，显然，我们必须经历整个临床过程，但至少药物研发的部分将大大缩减。
MM： 生物学之外还有什么其他领域让你感兴趣吗？
DH： 我对我们的材料设计工作感到非常兴奋：去年我们在 Nature 上发表了一篇关于一种名为 GNoME 的工具的论文（一种发现了 220 万个新晶体的 AI 工具）。这是 AlphaFold-1 级材料设计。我们需要达到 AlphaFold-2 级，我们正在努力实现这个目标。
我们将在 AI 的帮助下解决一些重要的数学猜想。今年夏天我们获得了奥林匹克竞赛银牌。这是一场非常艰难的比赛。未来几年里，我们将解决其中一个重要猜想。
然后，在能源/气候方面，我们的 Graphcast 天气建模赢得了 MacRobert 奖，这是工程方面的一项巨大荣誉。我们正在研究是否可以使用这些技术来帮助气候建模，使其更加精确，这对于帮助应对气候变化以及优化电网等都很重要。
MM： 看来你的重点更多地放在应用方面——关注那些能转化为现实影响的工作，而不是纯粹的基础性工作。
DH： 这么说也许没错。像蛋白质折叠这样的挑战并不多。我过去称它为生物学中的费马最后定理。没有多少事情像蛋白质折叠这样重要且长期存在。
显然，我非常专注于利用基于智能体的系统推进 AGI。我们可能想谈谈 Astra 项目以及数字助理、通用数字助理的未来，我个人也在研究这些，我认为这是通往 AGI 的道路。
MM： AI 领域同时获得诺贝尔化学奖和诺贝尔物理学奖（今年的物理学奖授予了 Geoffrey Hinton 和 John Hopfield，以表彰他们在现代 AI 系统的基础技术神经网络方面的工作）如何看待这项技术在科学中的作用和影响？
DH： 这很有趣。显然，没人知道诺贝尔委员会在想什么。但很难不认为这只是委员会的一个声明。这感觉像是 AI 的一个分水岭，人们认识到它实际上已经足够成熟，可以帮助科学发现。
AlphaFold 就是最好的例子。而 Geoff 和 Hopfield 的奖项则是为了更基础、更底层的算法工作……有趣的是，他们决定将这些奖项合并在一起，几乎是双重相关的奖项。
