图灵汇官网

今年的诺贝尔奖将物理和化学两个领域的奖项都授予了AI成果，这表明了AI在科学研究中的重要地位，同时也引发了人们对其未来影响的思考。Demis Hassabis在接受《金融时报》采访时分享了他的看法。

10月，DeepMind联合创始人兼CEO Demis Hassabis凭借AlphaFold成为了诺贝尔化学奖的三位共同获奖者之一。AlphaFold是一种人工智能软件，解决了生物学界长期存在的问题——预测每种已知蛋白质的结构。

尽管DeepMind已被谷歌收购，并与Google Brain合并，但他们的目标仍然是解决科学和工程领域中最复杂的基本问题，设计出能够模拟甚至取代人类认知能力的强大AI。

在获得诺贝尔奖后不到24小时，Hassabis接受了《金融时报》的采访，讨论了DeepMind下一步要解决的重大难题、AI对科学进步的影响，以及他对AGI前景的看法。

AI在科学中的下一个挑战

AlphaFold 3的发展展示了DeepMind在生物学领域的前进方向——理解生物体内相互作用，对整个通路进行建模，甚至构建出虚拟细胞。此外，DeepMind子公司Isomorphic正在进入药物发现领域，设计新化合物、寻找结合位点，并预测这些物质的特性、吸收性和毒性等。

目前，Isomorphic正与礼来、诺华等公司合作开展六个药物研发项目，有望在未来几年内取得临床进展，帮助治愈某些疾病。除了生物学，Hassabis对材料设计领域的工作也非常兴奋。去年，他们在Nature上发表了一篇论文，提出了名为GNoME的AI工具，实现了AlphaFold级别的材料设计，发现了220万个新晶体。

数学方面，AlphaProof和AlphaGeometry已经达到了IMO银牌的水平。DeepMind将在未来几年借助AI的力量解决重要的数学猜想。对于能源和气候领域，Graphcast模型能够在1分钟内以前所未有的精度预测未来10天的天气，有助于气候建模和电网优化。

可以看出，DeepMind的未来规划更多地聚焦于应用和工程实践，而不是纯粹的基础研究。Hassabis认为，“蛋白质折叠”是一个难得的“挑战”，不能期望每个问题都能达到这样的重要性。

诺贝尔奖成为AI发展的分水岭

今年的诺贝尔物理和化学奖项接连颁给AI学者，这表明AI技术已经得到广泛认可，能够协助科学发现。AlphaFold是最好的例子，而Hinton和Hopfield的奖项则针对更基础、更底层的算法工作。

Hassabis希望10年后回顾现在时，AlphaFold将被视为科学发现的新黄金时代的起点。AI系统作为独特的工具，具备一些内在功能，可以带来理解。如果预测的结果足够重要，比如蛋白质的结构，那么它本身就有价值。

从更宏观的角度看，科学中包含了多个层次的“抽象”。例如，化学领域建立在物理学的基础上，无需完全理解量子力学等物理原理，也可以在化学的抽象层面上进行研究。类似地，人工智能也可以视为一种抽象层，人们可以通过分析预测结果来研究AI系统。

实现AGI，理解至关重要

无论是自然科学还是人工智能系统，理解都非常重要。AI是一门工程学科，必须先建造出系统，然后才能研究和理解它。然而，AI系统的研究并不比自然现象更容易。目前，研究人员正在探索“机械解释”领域，即使用神经科学的观念和工具来分析AI系统的“虚拟大脑”。

Hassabis对AI的可解释性持乐观态度，认为未来几年将取得重大进展。AI也可以学会自我解释，例如将AlphaFold与语言能力系统结合，使其既能预测又能解释其操作。

当前，许多领先实验室正在专注于扩展Transformers。虽然这是一个很好的方向，DeepMind将继续探索和创新研究。这些探索是为了了解我们能走多远，以及需要探索什么。

为了安全的AGI，理解与价值观同样重要

Hassabis和其他科技领袖预计，实现AGI还需要5到20年的时间。如果要用科学方法实现这一目标，就需要更多的时间、精力和思考，集中在AI的理解和分析工具、基准测试和评估上，这需要目前投入的10倍资源。

这些资源不仅来自科技公司，还应包括AI安全机构、学术界和民间社会。我们需要了解AI系统的运作方式、局限性，以及如何控制和保护这些系统。“理解”是科学方法的重要组成部分，但在纯工程中却常常被忽视。

随着我们接近AGI，可能会出现一个社会问题——我们希望这些系统具有什么价值？我们要为它们设定什么样的目标？这涉及到技术问题和社会问题，前者关注系统如何实现目标，后者则需要广泛的社会讨论，涉及联合国、地缘政治、社会科学和哲学等多个领域。

即使AGI还需要10年才能实现，我们解决这些问题的时间也并不多，因此讨论应尽早开始，让各种声音得以呈现。

以上内容是根据原文改写的版本，尽量保留了原文的核心信息，同时提高了文章的紧凑性和可读性。