下一個“AI王炸” 別只盯著OpenAI DeepMind也在憋大招_DEEP

過去幾個月，OpenAI風頭無兩，各大科技公司爭先恐后地跟進大語言模型（LLM）這一技術路線。

對比之下，OpenAI的老對手DeepMind，顯得有些低調和沉默。微軟靠OpenAI打了一場勝仗，而谷歌推出的Bard翻了車，和谷歌同屬AlphaBeta的DeepMind卻沒有出來力挽狂瀾的意思。

同樣是半學術、半企業科研性質的前瞻性AI Lab，DeepMind也瞄準了通用人工智能AGI，但實現路徑上，卻有著和OpenAI不同的選擇。

這段時間我們能看到科技圈在集體“追風口”，大量資源（注意力、算力、人才、政策等）都被投入到OpenAI引領的大語言模型熱潮中，有些高校甚至出現了“不做LLM就沒有算力用”的局面。“中國沒有自己的OpenAI”也被認為是創新滯后的現實證明。

有人說OpenAI的AI屬于“精英教育路線”，一路砸錢供它讀到博士，一畢業就是王炸，驚艷全場，這點確實沒錯，也是非常值得很多國內AI Lab學習的。

追逐OpenAI的賽道已經十分擁擠。別忘了，DeepMind默默燒錢、長期錨定的很多研究方向，也非常具有前沿性和想象力，2016年的AlphaGo、2020年的AlphaFold都曾一鳴驚人。下一個“AI王炸”，可能就是DeepMind做出來的。

大家知道有種新聞叫“震驚體”，每一次出現“AI王炸”級產品，就會有大量“震驚體”出現，比如“阿爾法狗要取代人類”“AlphaFold搶了生物學家的工作”“有了ChatGPT人類還有價值嗎？”

OP Labs：下一個OP Stack的基礎是結算:3月5日消息，據官方推特，OP Labs分享了以太坊丹佛大會ETH Denver中深入探討Optimism超級鏈的內容，其中指出超級鏈最終將允許開發人員將區塊鏈視為一種計算資源，超級鏈的擴展意味著同一座橋上可以接入不限數量的鏈，可以在區塊鏈部署之前就在本地計算出鏈上合約地址，甚至可以在區塊鏈收到存款之前就在鏈上進行交易，下一個OP Stack的基礎是結算，只需使用派生函數就可以在L2鏈上進行交易并存入L2鏈且無需故障證明，任何證明系統都可以與OP Stack一起部署，超級鏈能在每個L2上引入合約，從而支持所有其他L2之間的通信，實現L2到L2的直接消息傳遞。[2023/3/5 12:43:13]

感到“震驚”，有時真的只是因為知道的太少、太晚，在這些“AI王炸”技術尚在成長階段，忽視了它們，等能力發展到實用程度，又開始恐慌、焦慮。

屆時，我們會不會又會陷入新一輪的追逐跟風，接著抱怨“中國沒有自己的DeepMind”呢？

所以，我們不妨來預測一下，DeepMind正在憋的大招里，哪些可能成為下一個王炸，讀者們可以有個心理準備，提前對“震驚體”脫敏。

ChatGPT走紅之后，很多白領人士都擔心自己的崗位要被取代了。而科學家可是智力水平站在金字塔頂端的人類，職業生涯肯定穩穩的吧？

AI+科學，正是DeepMind長期錨定的賽道，已經產出了很多突破性的研究成果，覆蓋了數學家、物理學家、生物學家的專業領域。

已經問世的AlphaFold和AlphaFold 2就在生物學界掀起了海嘯級的影響，徹底改變了蛋白質結構預測的傳統方法，也引發了各大高校和科研機構的復現、優化、應用。基于這一新技術，DeepMind一夜之間改變了生物制藥行業，也因此成為“數字生物學”這一新興領域的先驅。

加密分析師：暫時不知道比特幣下一個需求點在哪里:6月10日，加密貨幣分析師Joseph Young發推稱，當前比特幣似乎正處于一個奇怪的位置。因為機構，包括對沖基金和億萬富翁似乎更喜歡用現金和低風險債券來對沖風險，而從納斯達克的表現來看，散戶正忙著買股票。因此暫時還不能明確比特幣下一個需求點來自哪里。[2020/6/10]

目前，AI+生物學的潛力還沒有完全釋放出來，AI技術在生物制藥和生命科學中的應用，還停留在少數環節中探索、案例級嘗試的階段。DeepMind也正在與行業展開合作，比如與Isomorphic Labs 合作，以“AI-FIRST”原則重構藥物發現過程，在著名的生物醫學研究中心弗朗西斯·克里克研究所（Francis Crick Institute），建了一個濕實驗室，加強AI技術與生物實驗的結合，同時還在不斷擴大AI for science團隊，加快基礎生物學的研究。

或許，下一個抗癌新藥、生物計算領域的大突破，就會在DeepMind誕生。

（AlphaFold揭示了蛋白質宇宙的結構）

你可能會說，生物學是一門實驗科學，有成熟的程式，被AI技術改變很合理。數學、物理這樣的基礎科學，突破幾乎來自天才式的直覺和靈感，有的數學家甚至是在夢中取得突破。比如阿基米德就是在洗澡時靈光一現，發現了浮力定律；拉馬努金在夢中發現了3900個公式……AI估計就不好使了吧？

OKEx九妹：國家主權性數字貨幣將成為下一個行業熱點:今日，OKEx大客戶商務總監九妹作客“XBIT和他的朋友們”欄目，就比特幣減半結束后的下一個行業熱點分享了自己的看法。她認為比特幣減半對挖礦行業的影響、對比特幣價格的影響以及對投資人情緒的影響都會逐漸釋放和發酵。

九妹還認為各國陸續推出的國家主權性數字貨幣會成為區塊鏈行業下一個熱點，像央行數字貨幣DCEP，它不僅具備數字貨幣的跨國轉賬效率高、買賣透明、易于定位跟蹤等優勢，還是有國家信用做擔保的，安全性和合規方面毋庸置疑，因此DCEP應該會成為繼比特幣之后，區塊鏈技術的又一大規模應用。[2020/5/14]

幫助數學家發現他們從未發現的發現——DeepMind發表在《自然》雜志上的一篇論文顯示，研究人員與頂級數學家合作，為一個幾十年來都沒有結局的數學猜想，通過機器學習（ML）找到了突破口。

使用AI來處理海量或無法直接推理的數據，可以大大增強數學家的洞察力，從而更快地找到證明猜想和新公式的方法，已經被DeepMind證明是可行的。

牛津大學數學系教授Marcus Du Sautoy形容AI技術在純數學中的應用，“就像伽利略拿起望遠鏡，能夠深入凝視數據宇宙，看到以前從未發現過的東西”。

未來隨著探索的增多，很多未被證實的數學猜想，都有可能因AI的加入而突破。希望屆時大家不會又以為AI進化出了什么超能力，被“AI取代數學家”之類的標題給騙了。

聲音 | Morgan Creek創始人：曾參與ICO的人們會在下一個“快速致富”計劃中再次出現:Morgan Creek創始人Anthony Pompliano發推稱：“許多曾經組織、管理和投資ICO的人現在正積極地嘗試以新形象示人。他們可以刪除領英上的個人資料，關閉公司網站，更改Twitter上的個人信息……但當下一個‘快速致富’計劃浮出水面時，他們又會回來。”[2019/10/8]

AI參與核聚變的研究進程——核物理無論從學術還是社會經濟的角度，都是非常重要的。大家可能都聽過中國核物理學家造原子彈的艱苦故事，其中很多工作和犧牲能不能由AI來代勞呢？DeepMind還真搞成了。

它們與瑞士等離子體中心，合作開發了一個AI系統，通過強化學習，控制系統可以很好地協調TCV（由許多磁線圈組成），確保等離子體永遠不會接觸容器壁，這樣就可以減少核聚變的熱量損失。同時，還能將等離子體精確地雕刻成不同的形狀，方便科學家研究等離子體在不同條件下的反應，從而提高對核聚變反應堆的理解。

總之，在過去的幾年里，DeepMind在數學、物理、化學、生物學、量子、氣象、材料等多個科學領域，創造性地探索了大量AI for science的可能，帶來了全新的科學研究方法，必然會催生全新的科學發現和技術突破，下一個“AI王炸”很可能就在其中。

DeepMind的目標也是實現通用人工智能。具體怎么做呢？OpenAI專心搞語言，DeepMind就專注“訓狗”——搞強化學習。

“比特幣先知”洪蜀寧：Penta是李笑來的下一個EOS？:李笑來今日發布“關于陳偉星一些言論的回應”，并意外帶出Penta和易理華。前人行區塊鏈專家、金丘區塊鏈研究院院長洪蜀寧撰文分析稱：李笑來作為數字貨幣早期投資者，“其眼光非常辣”。這次在文中“亂入”的Penta，是一個全新的底層公鏈項目，獨創的DSC共識、PSG分片等技術方案獨具一格。李笑來的硬幣資本未能參與Penta早期投資，此次提及也許意味著下一步將主動與Penta項目的創始人尋求合作、發掘下一個EOS。洪蜀寧2011年發表國內第一篇比特幣學術論文，并以前瞻性的觀點被業界稱為“比特幣先知”。[2018/6/14]

弱人工智能，只能在有限的環境中解決特定問題，沒有發展出人類身上那種通識智能。那種“通用”智能的機器，大概就類似于《西部世界》或者《底特律》中的機器人，能夠在復雜的環境里執行任務。

實現AGI，OpenAI是用大量數據和充分訓練來促成大語言模型的“智能涌現”，而DeepMind則選擇了“正向教育”——希望通過強化學習，給AI系統以“獎勵最大化”的刺激，驅使智能體自主去學習復雜的能力。因為只有表現出這些能力，智能體才能獲得獎勵（比如生存下去）。

聽起來，是不是跟工作犬執行主人的口令，主人根據結果來進行獎勵或懲罰是一個路子？

在一篇論文中，DeepMind的研究人員寫道：“獎勵足以推動智能體表現出通用智能的跡象和行為，包括學習、感知、社會智能、語言、概括和模仿。”

上一只震驚世界的狗是擊敗人類棋手的“阿爾法狗（AlphaGo）”，而下一只可能就是被DeepMind用強化學習訓練出來的AI了。

（ANYmal機器人的運動技能是通過模仿狗MoCap來學習的）

比如這只機器狗，就通過強化學習不斷試錯，從而具備了兩個重要的能力：

一是使用歷史經驗，一般來說電機控制的AI智能體，一開始不知道對每個關節施加什么力，需要大量數據才能邁出步子，不然就會隨機抽搐并迅速摔倒，而借助RL可以利用以前學到的運動技能，從而緩解“起步”時的尷尬。

二是減少特殊行為，此前智能機器人一般會用一種很不自然、不夠人性化的方式來避障，雖然看起來很有趣，但不夠實用。DeepMind采用強化學習訓練，偏向于讓智能體學習更多的自然行為，可以安全高效地控制真實世界的機器人/機器狗，將機械控制與認知智慧相結合。

類似的強化學習實驗還有很多，比如讓智能體在網絡游戲中展開隨機互動，讓智能體在模擬的三維世界里搭積木、打掃房間……基本邏輯都是基于人類反饋的獎勵模型。

ChatGPT只能解決語言問題，《西部世界》里的人機融合新物種，更靈活的通用家政機器人，可能還真得靠DeepMind的強化學習路線來實現。

DeepMind雖然沒有跟風推出類ChatGPT的大語言模型，但并不代表它對這個領域毫無建樹，只不過二者關注的技術方向不太一樣罷了。

隨著使用者的增多，大家可能都發現了類ChatGPT模型的一些限制，比如非常注重數據和語料。

深度學習靠規模數據、龐大算力、充分訓練而“大力出奇跡”的暴力美學，在大模型時代發揮到了極致。

這帶來了一系列問題，比如中文語料不足，訓出來的大模型效果不好，有的中文LLM會用英文語料進行訓練，再將答案翻譯回中文，這種做法當然是符合業界常規的，但問題在于很多價值觀、常識性的東西，是沒有辦法對齊和翻譯的。

而且“暴力計算出奇跡”的大煉模型，打造的語言模型是不可解釋的黑盒，金融、政務、工業等行業是不敢用的，無法支撐可靠的決策。

不知道OpenAI和國內廠商打算怎么解決“暴力計算”的弊病，反正DeepMind倒是一直在琢磨不同的路線——不搞暴力美學，大搞神經科學。

DeepMind認為大腦才是機器智能模仿的對象，希望通過對腦科學、神經運動學、元學習等“人類本位”的研究，來提升深度學習模型的魯棒性、可解釋性、可靠性等，讓AI達到人類水平的理解能力。

比如重新認識大腦的工作機制，借鑒多巴胺通過調節神經元之間突觸連接的強度，提出了一種基于獎勵的強化學習理論；在3D游戲世界中創建了模擬心理學實驗室Psychlab，能夠實施經典的心理實驗，顯著改進了智能體UNREAL的性能；發現在人工神經網絡傾向于避開精確設計的代碼，傾向于對成本函數進行暴力優化（不追求獎勵最大化，而是追求成本最小化，不做錯就沒有損失），而人腦的機制卻往往會專注在任務實現和獎勵上，從這個角度去優化深度神經網絡的結構。

2023年發表的一篇新論文中，DeepMind則針對大腦中的回放（replay）機制，提出這是一種組合計算的形式，可以衍生出新的知識，在神經網絡中整合回放機制，有望讓AI用極少的數據學到新東西，提高認知智能，更接近“智能涌現”。

大腦的智慧讓人類爬上了萬物之靈的寶座，AI不靠人工而靠智能，為什么不可能呢？

當初OpenAI要走NLP這條“冷門”的路，很多人也覺得不可能，直到產品雖不成熟、但能力十分驚艷的ChatGPT出現，人們才開始紛紛夸贊OpenAI的長期主義。這些年DeepMind默默搞的研究，可能就是下一個“王炸”。

我們都希望中國AI也能誕生影響世界的元創新，其實AI領域并沒有那么多獨門秘技，很多靈感或技術路線都是公開的，但我們為什么總是聽過就算、見過就忘呢？

除了靈光一現的idea， OpenAI和DeepMind不斷投入的耐心，強大的工程能力，前沿研究與商業化的平衡，也是值得學習和借鑒的。

不能總是熱淚盈眶，總是不長記性，直到下一個《震驚！XXX的XXX又顛覆世界了》……

來源于：36氪

36氪

媒體專欄

閱讀更多

金色財經 善歐巴

Chainlink預言機

金色早8點

白話區塊鏈

Odaily星球日報

Arcane Labs

歐科云鏈

深潮TechFlow

BTCStudy

MarsBit

Tags：MINMINDDEEPINDMinimal Initial SushiSwap OfferingMindexcoindeeponionIndoDEX

幣安幣