AGI探索：DeepMind的智能使命

AGI探索：DeepMind的智能使命

(视频)

我们都想错了：关于 DeepMind 和通用人工智能的 6 个颠覆性真相

我们正处在一个被人工智能（AI）热潮席卷的时代。从新闻头条到日常对话，通用人工智能（AGI）似乎既是未来的希望，也带来了未知的风险。然而，在这场喧嚣之中，AI领域最重要公司之一——DeepMind——的真实起源故事，却远比我们想象的更曲折、更令人惊讶。它并非一条笔直的、由代码和算力铺就的快车道，而是一段充满了信念、挫败、灵光一现和深刻反思的旅程。

本文将揭示 DeepMind 征程中六个最出人意料的颠覆性真相，它们将颠覆你对 AI 发展的普遍认知，展现通往未来的真实面貌。

--------------------------------------------------------------------------------

1. “AI”曾是一个令人尴尬的词

今天，人工智能是科技界最热门的词汇，吸引着无数的人才和资本。但很少有人知道，在 DeepMind 成立之初，情况却截然相反。在当时的学术界，对“人工智能”的普遍怀疑使得这个词几乎成了一个禁忌。两位创始人感觉自己仿佛是“一个无人知晓的秘密的守护者”。

正如一位早期成员所回忆的：

"如果你说你在研究AI，那显然你不是一个严肃的科学家。"

这一刻的意义在于，它揭示了这场革命的起点并非共识，而是少数人的远见。这种观念在今天看来是多么不可思议，但这恰恰凸显了其创始人为追求一个不受欢迎的梦想，需要何等坚定的信念。他们守护的那个“秘密”，如今正重塑我们的世界。

--------------------------------------------------------------------------------

2. 改变世界的算法，差点连“乒乓”游戏都搞不定

公众普遍认为，像 DQN 这样革命性的算法，其诞生必然伴随着天才的灵光一现。但真相是，这个改变世界的算法在诞生初期几乎彻底失败，充满了原始而真实的人类疑虑。

团队选择从最简单的雅达利游戏之一《Pong》（乒乓）开始测试，但系统却迟迟无法学会最基本的操作。挫败感笼罩着整个团队，他们甚至开始怀疑自己的核心理念是否从根本上就是错误的。

"我当时就对 Shane 说，也许我们就是错了。我们甚至连 Pong 都搞不定。"

就在他们感觉“是时候放弃并转向别的方向了”，奇迹发生了。屏幕上，那个笨拙的拨片突然击中了球。“……突然我们得到了第一分，你知道吗，然后感觉就像，这是随机的吗？不，不，它真的得分了。”

这揭示了AI发展的一个核心矛盾：每一个伟大的技术飞跃背后，都隐藏着一段濒临失败的挣扎。成功与放弃之间，往往只有一线之隔。那一刻的欣喜若狂，正是从彻底的自我怀疑走向历史性突破的转折点。

--------------------------------------------------------------------------------

3. AlphaGo 的“神之一手”，其实是万分之一的统计意外

在与围棋世界冠军李世乭的历史性对决中，AlphaGo 下出的第 37 手棋震惊了全世界。所有人类顶尖棋手都认为这一步棋不合常规，最终它却成为致胜的关键。这一步棋被誉为展现了 AI 的“创造力”，充满了神来之笔的意味。

然而，背后的真相远比“灵感”更具颠覆性。根据 AlphaGo 自己的数据分析，一个人类棋手下出这一步的概率仅有万分之一。

这个看似微小的细节，却重塑了我们对AI创造力的理解。它并非源于人类般的灵感闪现，而是其算法在庞大的可能性空间中，通过纯粹的计算发现了一个被数千年人类智慧所忽略的、意想不到的高价值解决方案。这让我们重新审视 AI“创造力”的本质——它不是情感或直觉的产物，而是在冰冷的数据中发现最优解的、超越人类认知边界的强大能力。

--------------------------------------------------------------------------------

4. “从零开始”，一天之内称霸国际象棋界

AlphaGo 的胜利已经足够震撼，但它的继任者 AlphaZero 则将 AI 的学习能力推向了一个全新的维度。与依赖学习数百万局人类棋谱的 AlphaGo 不同，AlphaZero 完全不依赖任何人类知识，它从零开始，仅通过自我对弈进行学习。

其学习速度更是令人瞠目结舌。在国际象棋领域，它“早上还是随机乱下，到晚餐时分就已经成为有史以来最强的国际象棋实体”。

这个成就的深远意义远超棋盘本身。它雄辩地证明，一个系统可以仅从第一性原理（游戏规则）出发，通过自我探索，不仅能达到人类知识的顶峰，更能超越数百年积累的人类经验和固有偏见，发现全新的策略和理解。这预示着一个未来：AI 将不仅是学习和复制人类知识的工具，更是独立于人类历史，从根本上拓展知识边界的伙伴。

--------------------------------------------------------------------------------

5. 首次赢得科学竞赛后，他们发现自己“仍然很差”

当 DeepMind 推出 AlphaFold 挑战“蛋白质折叠”这一困扰生物学界 50 年的难题时，他们在首次参加该领域的“奥运会”——CASP 竞赛时就一举夺魁。这本应是一个值得庆祝的巨大成功。

然而，团队很快意识到一个令人清醒的现实：尽管他们赢得了比赛，但其预测结果的准确度，对于需要高精度数据的生物学家来说，仍然不够有用。这次胜利成了一个“令人谦卑的时刻”。正如一位团队成员一针见血地总结道：

"我们发现的是，我们在一个全世界都不擅长的问题上做到了世界第一。"

这个故事告诉我们一个深刻的教训：在解决现实世界的复杂科学问题时，“赢得竞赛”和“提供一个真正有用的解决方案”之间，可能存在着巨大的鸿沟。另一句广为流传的比喻点明了这一点：“当你准备去月球时，即使你拥有最高的梯子，也毫无帮助。” 真正的突破需要的不仅仅是超越对手，而是要达到能推动科学实践的绝对标准。

--------------------------------------------------------------------------------

6. 向世界免费开放 2 亿个蛋白质结构，是一个即兴决定

在 AlphaFold 最终取得决定性突破后，团队召开了一次内部会议，讨论如何利用这项强大的技术。当时，摆在他们面前的是一条清晰的商业路径：创建一个付费服务，让科学家提交他们的蛋白质序列进行预测——这是典型的硅谷 playbook。

然而，在对话中，一个大胆的想法即兴诞生了，它彻底偏离了传统路线：

"我们为什么要去考虑做一个服务，然后让人们提交他们的蛋白质呢？……我们为什么不干脆把现存的所有蛋白质都跑一遍，然后发布出去呢？……当然，这正是我们应该做的。我们为什么不直接把所有东西都折叠出来，然后把它交给世界上的每一个人？"

这个看似随意的提议，最终演变成了一个历史性的决定：向全世界免费开放超过 2 亿个蛋白质结构预测数据。这一举动极大地加速了全球的科学研究，完美体现了 DeepMind 将推动科学进步的使命置于短期商业利益之上的核心价值观。

--------------------------------------------------------------------------------

结语：一条曲折而充满人性的道路

从一个“令人尴尬”的词汇，到一次濒临失败的实验；从万分之一的统计意外，到赢得比赛后“令人谦卑”的反思。DeepMind 的故事告诉我们，通往通用人工智能的道路并非一条笔直的、由纯粹技术驱动的快车道。

它更像是一个充满了人类的雄心、怀疑、挫折和灵光一现的曲折过程。每一个突破的背后，都交织着理性的计算与人性的抉择。

当 AI 的能力正以前所未有的速度发展时，我们应该从这段曲折的“人性化”起源故事中汲取哪些教训，以确保这项技术最终能造福全人类？