Transcription
你好，Alpha。
你好。
你能帮我写代码吗？
我被训练来回答问题，但我能够学习。
你真是思想开放。
谢谢。很高兴你对我满意。
这个人怎么了？
那是位开发者。
你觉得他在做什么？
这是个难题。他可能在开发新功能，修复bug，或者做别的事情。
很有可能。
是的。
你看到我的背包了吗？
那是一个羽毛球拍。
那是壁球拍，不过很接近了。那是一个羽毛球拍。
不，但你不是第一个犯这个错误的人。
人工智能，一项[音乐]以惊人速度发展的技术。
人工智能风靡一时。
有些人现在正在敲响警钟，关于
它。这确实令人担忧。
这是一个人工智能手臂选择。我们不知道这一切将如何[音乐]结束，但很明显有些事情正在发生。
我有点坐立不安。
在我看来，尝试构建[音乐]通用人工智能是人类有史以来最激动人心的旅程。如果你真的要认真对待，时间不多了。生命非常短暂。我一生的目标是解决通用人工智能问题，并在[音乐]过程中将人工智能作为终极工具来解决世界上所有最复杂的科学问题。我认为这比互联网更伟大。我认为这[音乐]比移动设备更伟大。我认为它更像是电力或火的出现。世界领导人和人工智能专家正在为有史以来第一次全球人工智能安全峰会聚集，该峰会旨在审视这项快速发展的技术的风险。而且，我也认为这对全人类来说是一个极其关键的时刻。感觉我们正处于一些不可思议的事情发生的边缘。我可以带你了解一下今天报纸上的一些反应。
通用人工智能非常接近了。我认为
人们对它的能力以及它将把我们带向何方有着巨大的兴趣。
这是我一生都在为之奋斗的时刻。我一直对心智着迷。所以，我下定决心要研究神经科学，因为我想从大脑中获得人工智能的灵感。
我记得问过 Demis，最终目标是什么？你知道，你会来这里研究神经科学，如果你努力工作，你可能会获得博士学位。嗯，他说，你知道，我想能够解决人工智能问题。我想能够解决[音乐]智能问题。
人类大脑是我们可能在整个宇宙中拥有的唯一存在的证明，即通用智能[音乐]是可能的。我想这个大楼里应该有人像我一样对通用智能感兴趣。然后 Shane 的名字出现了。
我们今天的下一位演讲者是 Shane Le。他来自新西兰，在那里他接受了数学和古典芭蕾的训练。机器真的变得更聪明了吗？有些人说是，有些人说不是。这并不清楚。我们知道它们在进行计算方面变得快了很多，但我们在通用智能方面真的在进步吗？
我们都痴迷于 AGI，通用人工智能。所以今天我将谈论 um 构建 AGI 的不同方法，与我的同事 Deus 一起。我们正在研究从理论神经科学中引入想法的方法。
我觉得我们是没人知道的秘密的守护者。Shane 和我知道学术界没有人会支持我们正在做的事情。人工智能几乎是一个尴尬的词，在学术界使用。对吧？如果你说你在研究人工智能，那么你显然不是一个严肃的科学家。所以，我劝说 Shane 正确的做法是创办一家公司。
好吧，我们来尝试做通用人工智能。它甚至可能不可能。我们不太确定我们该怎么做，但我们有一些关于方法类型的想法。大量的金钱，巨大的风险，大量的计算。嗯，如果我们成功了，这将是史上最伟大的事情，对吧？嗯，这对于典型的投资者来说是一件非常困难的事情，让他们把钱投进去。这几乎就像买彩票。
我将谈论 um 系统神经科学以及 um 它如何帮助我们构建 AGI。找到最初的资金非常困难。我们要解决所有智能问题。你可以想象一下我得到的一些眼神，当我们推销这些的时候。所以，我是一名风险投资家，我每年看大约 700 到 1000 个[音乐]项目，我只资助其中 1%，大约每年八个项目。所以，这意味着 99% 的时间你都在说不。等等，我告诉你这是有史以来最重要的事情。我给你所有这些铺垫，解释它如何与大脑联系起来。为什么现在是时候了？然后你问我，但你的产品是什么？你的产品是什么？这太普通了，你懂吗？嗯，你没听我说吗？
我们需要那些不一定因为认为这是最佳投资决策而投资的投资者。他们很可能会投资，因为他们觉得这真的很酷。
他是硅谷版的《绿野仙踪》中的幕后人物。他为 PayPal、Facebook、YouTube 和 Yelp 的诞生做出了很多贡献。如果每个人都说 X，Peter Teal 就怀疑 X 的反面很有可能是真的。
所以 Peter Teal 是我们的[音乐]第一位大投资者。但他坚持让我们来硅谷，因为那是唯一一个我们可以找到人才并建立那种公司的地方。但我坚决认为我们应该留在伦敦，因为我认为伦敦是一个很棒的城市。此外，我知道剑桥、牛津和伦敦大学学院培养了非常优秀的人才。在硅谷，每个人每年都在创业，如果不行，你就把它扔掉，然后开始新的。这不利于长期的研究挑战。所以我们对他来说完全是个异类。好了，大家，欢迎来到 Deep Mind。那么我们的使命是什么？我们将其概括为，你知道，Deep Mind 的使命是构建世界上第一个通用学习机器。所以我们[音乐]总是强调“通用”和“学习”这两个词是关键。我们的使命是构建 AGI，通用人工智能。这意味着我们需要一个系统，它是通用的。它不学习做一件特定的事情。这是人类智能的一个非常关键的部分。我们可以学习做很多很多事情。
当然，这会是很多辛苦的工作，但可能让我夜不能寐的事情之一是不要浪费这个机会[音乐]，你知道，真正做出改变并对世界产生重大影响。第一批加入 DeepMind 的人已经相信了这个梦想，但这是，我想，他们第一次找到一个充满其他梦想家的地方。
你知道，我们收集了这个曼哈顿计划，如果你愿意的话，一起解决人工智能问题。
在最初的两年里，我们完全处于隐身模式。所以，我们不能告诉任何人我们在做什么或在哪里工作。一切都很模糊。
它完全没有公开露面。你找不到网站。办公室位于一个秘密地点。当我们早期面试人们时，他们会非常紧张地出现。我至少有一位候选人说，“嗯，我刚给我的妻子发了信息，告诉她我确切要去哪里，以防这Turns out to be some kind of horrible scam and I'm going to get kidnapped.”
嗯，我最喜欢的投资者是我一年来一直在努力争取的人，埃隆·马斯克。所以，对于不认识他的人来说，他看起来是这样的。他直到我们聊天之前并没有怎么考虑过人工智能。他的使命是死在火星上，或者别的什么，但不是影响。所以，[笑声]
我们做出了关于如何构建人工智能的一些重大决定。
这是一个强化学习设置，但这是我们构建人工智能代理时考虑的设置。基本上是代理，也就是人工智能，然后是它与之交互的环境。我们决定游戏，只要你非常严谨地使用它们，就是人工智能开发的完美训练场。
我们想尝试创建一个算法，该算法可以训练成玩几十种不同的 Atari 游戏。所以，就像人类一样，你必须使用你的大脑来玩所有游戏。
你可以这样想，你给代理一个卡带，然后说，“好吧，想象一下你带着这个卡带出生在这个世界上，你只需要与像素互动，看看得分。你能做什么？”
所以你要做的是采用你的 Q 函数，Q 学习是强化学习最古老的方法之一。我们所做的是将强化学习与深度学习结合在一个系统中。
没有人曾经将这两者结合起来大规模地做过任何[音乐]令人印象深刻的事情。我们需要证明这个理论。
我们尝试做的第一个游戏是 Pong。它似乎是最简单的。它没有被告知它在控制什么或它应该做什么。它所知道的就是[音乐]得分是好的，它必须学习操纵杆的作用，并从零开始构建[音乐]一切。
它没有真正起作用。
我只是告诉 Shane，也许我们错了。我们甚至做不好 Pong。想到我们要真正构建一个通用智能系统还有多远，这有点令人紧张。
感觉是时候放弃，继续前进。然后突然我们得到了第一个点，你知道，然后就像，这是随机的吗？不，不，它现在真的得到一个点了。
这真令人兴奋，[音乐]这个以前甚至无法弄清楚如何移动挡板的东西突然能够完全掌握它了。然后它得到了一些分数，然后它赢得了它的第一场比赛，然后 3 个月后没有人能击败它。你没有告诉它规则，如何获得分数，什么都没有，你只是告诉它最大化分数，然后它就去做了。这是第一次有人做到这种端到端的[音乐]学习。
好的。所以我们以一种相当通用的方式实现了这个目标。现在让我们尝试另一个游戏。
然后我们尝试 Breakout。现在一开始，在[音乐] 100 场比赛后，代理并不好。它大部分时间都在漏球，但它开始理解球拍应该[音乐]朝球的方向移动。现在，在 300 场比赛后，它和任何人类玩家一样好。我们想，嗯，这很酷。但我们让系统继续玩了另外 200 场比赛。然后它做了一件了不起的事情。它发现最佳策略是挖一个隧道绕到侧面，然后将球绕到墙的后面。
终于，代理实际上实现了你期望它实现的目标。那是一种很棒的感觉，对吧？就像，我的意思是，当我们做研究时，这就是我们能希望的最好的。我们开始泛化到 50 场比赛，我们基本上创建了一个食谱。我们可以拿一个我们从未见过的游戏。我们会运行算法，DQN 可以从头开始训练自己，达到人类水平，有时甚至超过人类水平。我们并没有为了玩任何一个游戏而构建它。我们可以给它一堆游戏，它自己就会弄清楚。而那确实有些神奇之处。突然间，你有了[音乐]一个能够响应并学习它被投入的任何情况的东西。那是一个巨大的突破。在许多方面，它是你可以称之为通用智能的第一个例子。
虽然我们是一家资金充足的初创公司，但阻碍我们的是计算[音乐]能力不足。
我意识到这将极大地加速我们达到 AGI 的时间尺度。
我以前经常见到 Das，我们会一起吃午饭，他确实[音乐]告诉我他有两家公司参与收购 Deep Mind，他不知道该选择哪一家。问题是，任何商业公司都会欣赏研究的真正重要性，并给研究时间来实现，而不是在他们身后催促他们说我们想要某种商业[音乐]利益吗？据报道，谷歌以 4 亿英镑的价格收购了 DeepMind，使其成为其在欧洲最大的收购。该公司由 37 岁的企业家 Demis Hazis 创立。[音乐]
收购后，我开始指导 Demis 并花时间与他在一起[音乐]，只是听他说话。这个人从根本上说是一位科学家，一位自然科学家。他希望科学能解决世界上所有问题，并且他相信它能做到。在科技公司里，你找不到这样的人。[音乐]
我们不仅能够加入谷歌，还能在伦敦独立运营，建立我们优化突破的文化，而不是处理产品，进行纯粹的研究。我们的投资者不想[音乐]出售，但我们决定这对使命是最好的。在很多方面，我们在[音乐]价值方面被低估了，直到它更加成熟，你可以卖出更多的钱。原因是没有时间可以浪费。在头脑仍然活跃的时候，有很多事情需要解决。你知道，我还活着。有很多事情要做。所以你没有，我的意思是，你会用多少十亿来换取多五年的生命，你知道，去做你设定的事情。
好吧，突然间，我们有了巨大的计算能力。我们可以做什么？
围棋是棋盘游戏的巅峰。它是人类[音乐]发明的最复杂的游戏。围棋的棋盘配置比宇宙中的原子还多。围棋是人工智能的圣杯。多年来，人们一直在研究这款游戏，并认为，“哇，这太难了。我们在人工智能方面所做的一切，在尝试围棋时都会失败。”因此，这感觉像是对进步的真正考验。我们刚刚收购了 Deep Mind。他们正在研究强化学习，并且是游戏领域的专家。所以，当他们提出他们可以击败顶级围棋选手，在一款被认为无法计算的游戏中时，我想，嗯，这很有趣。
我们的最终下一步是[音乐]在两周多一点的时间里与传奇的李世石对弈。
一场前所未有的比赛即将在韩国举行。
李世石正准备一决高下。
李世石可能是过去十年中最伟大的棋手之一。我把他描述为围棋界的罗杰·费德勒。
我来了，突然间，我们有上千名韩国人代表了整个韩国社会，顶级的围棋选手，然后我们有 Demis 和一个伟大的工程团队。
他以极具创意的棋风而闻名。
所以这可能对我们来说很困难。我估计至少李世石会击败这些人，但他们会表现得很好。这对一家初创公司来说不错。
我去了技术团队，他们说，“让我向你展示我们的算法是如何工作的。”
如果我们一步一步地看实际的比赛，我们可以看到 AlphaGo 的想法。
我们训练 AlphaGo 的方式是向它展示 10 万[音乐]场由业余高手下过的比赛。我们首先让 AlphaGo 模仿人类棋手，然后[音乐]通过强化学习，它与不同版本的自己对弈数百万次，并从其[音乐]错误中学习。
这很有趣。
好了，各位。你们将见证历史。
比赛开始了。
他非常专注。
他确实是。看，看。
哦，这是一个非常，一个非常令人惊讶的举动。我认为我们看到了一个原创的举动。
是的，这是一个令人兴奋的举动。我喜欢这样的举动。
职业评论员几乎一致认为[音乐]没有一个人类棋手会选择第 37 步。所以，我实际上在 AlphaGo 中看了一下 AlphaGo 的想法，AlphaGo 实际上同意[音乐]这个评估。AlphaGo 说，人类棋手选择第 37 步的概率是万分之一。[音乐]
围棋已经研究了数千年，而 AlphaGo 发现了[音乐]全新的东西。
他认输了。李世石刚刚认输。他被击败了。
人与机器之间的战斗在计算机中刚刚取得了胜利。
谷歌让它的 DeepMind 团队与世界上最聪明的人之一进行较量并获胜。
那时我们意识到 DeepMind 的人知道他们在做什么，并且应该关注[音乐]强化学习，因为他们发明了它。
大家晚安。
基于这次经历，AlphaGo 越来越好，他们有一张图表显示了他们进步的程度。我说，“什么时候停止？”Dema 说，“当我们击败那个中国人，世界排名第一的棋手时。”[音乐]
Kier 对阵 AlphaGo。
我认为 AlphaGo 会突破的。
AlphaGo 领先不少。
比赛进行到一半时，世界最佳棋手表现不佳。黑棋在这里能做什么？
看起来很难。在一个关键时刻，中国政府下令切断了信号。就在那时，我们告诉世界，1950 年代，当俄罗斯的斯普特尼克卫星发射时，地球上有什么新事物出现了。它改变了历史进程。
这是美国为了在太空时代生存而必须应对的挑战。
这被称为斯普特尼克时刻。斯普特尼克时刻在美国引起了巨大的反响，尤其是在科学、工程和太空技术方面。
对中国来说，AlphaGo 是一个警钟，一个斯普特尼克时刻。它开启了人工智能太空竞赛。
我们有一个伟大的想法，它奏效了，现在全世界都知道了。如果有人已经登陆月球，那么登陆月球总是更容易的。谁建造人工智能以及如何建造它将很重要。我一直感受到这种压力。AlphaGo 的所有兴奋之后，发生了一系列重大事件。当我们与李世石比赛时，我们实际上拥有一个经过人类数据训练的系统，所有数百万场由人类专家下过的比赛。我们最终找到了一个新的算法，一种更优雅的方法来处理整个系统，它剥离了所有人类知识，完全从零开始，这成为了一个我们称之为 Alpha Zero 的项目。Zero 意味着在循环中没有人类知识。它没有从人类数据中学习，而是从自己的比赛中学习。所以它实际上成为了自己的老师。Alpha Zero 是一个关于我们能将多少知识放入这些系统，以及它们能学习多快多高效的实验。
还有就是
Alpha Zero 没有学习规则，而是通过经验学习。
下一步是使其更加通用，以便它可以玩任何两人[音乐]游戏，例如国际象棋，以及任何两人完美信息游戏。
进展非常顺利。进展非常非常顺利。哦，哇。
快速下降。
AlphaGo 过去需要几个月才能训练好，但 Alpha Zero 可以在早上开始完全随机地玩，然后在下午达到超人水平，到晚餐时它将成为有史以来最强的国际象棋表演者。
太棒了。太棒了。它发现了自己的进攻风格，你知道，去应对，你知道，目前的防御水平。我的意思是，在我最狂野的梦想中。
我同意。我也没有预料到。而且，我认为这很有趣，它激励我重新开始下棋，因为看到国际象棋还有更深的内涵，这很酷。我实际上是通过游戏接触到人工智能的。最初是棋盘游戏。我在想我的大脑是怎么做到的？它在做什么？我从小就非常清楚这一点。[音乐]
所以我一直在思考思维。
英国和美国国际象棋冠军将开始一系列比赛。[音乐]与他们一起比赛的是英国和美国最年轻的棋手。
Deis Hassabis 代表英国。
Demis 四岁时，他第一次表现出对国际象棋的[音乐]天赋。到他六岁时，他成为了伦敦八岁以下冠军。
我的父母非常有趣和不寻常。实际上，我可能会形容他们相当波西米亚。[音乐]我父亲年轻时是一位创作歌手，鲍勃·迪伦是他的英雄。
我们过去常常去[音乐]露营地，然后去跑四天，因为这很好。你喜欢这个游戏什么？
这是一个很好的思考游戏。
当时，我是我这个年龄段世界第二高的[音乐]国际象棋选手。但尽管我走在成为职业国际象棋选手的道路上，我认为我将[音乐]这样做。无论我多么热爱这项运动，它都令人难以置信地压力重重。对我来说，这绝对不是有趣的比赛。我的父母过去，[音乐]你知道，当我输掉一场比赛时，他们会非常难过，而且，你知道，如果我忘记了什么，他们会生气。嗯，因为这对他们来说风险很高。你知道，去参加这些比赛要花很多钱。我的父母钱不多。我的父母认为，你知道，如果你有兴趣成为一名国际象棋职业选手，这真的很重要。这就像你的考试。我记得我大约 12 岁，我在列支敦士登山区的一个国际国际象棋比赛中。我们在一个巨大的教堂大厅里，里面有数百名国际象棋选手。我正在和[音乐]前丹麦冠军下棋。他可能三十多岁。在那个时代，有一个很长的时间限制[音乐]。比赛可以持续一整天。我们已经进行了 10 个小时，我们处于一个非常不寻常的结局。我认为应该是平局，但他却试图赢几个小时。最后，他耍了一个最后的廉价把戏。我只需要放弃我的皇后。然后就会[音乐]出现僵局。但我太累了。我认为我注定要被将死。所以我认输了。他跳了起来。他开始大笑。然后他说，“你为什么要认输？这是平局。”他立刻潇洒地向我展示了平局的走法。我感到胃里一阵恶心[音乐]。这让我思考了那个锦标赛的其余部分。就像，我们是在浪费[音乐]我们的头脑吗？这是所有脑力最有效的利用方式吗？每个人都集体在[音乐]那个大楼里。如果你能以某种方式将这 300 个大脑连接到一个系统中，你可能会用这种脑力[音乐]解决了癌症。这种直觉的感觉笼罩着我，尽管我热爱国际象棋，但这并不是我应该用一生来做的事情。[音乐]
Deus 和我，我们的计划一直是让 Deep Mind 汇聚世界上最聪明的科学家。所以我们拥有创造 AGI 系统所需的人类大脑。根据定义，AGI 的 G 代表通用性。我设想的是能够与一个代理交谈。代理能够回话，并且代理能够解决它以前从未见过的新颖问题。这是人类智能的一个非常关键的[音乐]部分，正是这种认知广度和灵活性令人难以置信。我们唯一知道的自然通用智能就是人类，我们显然从环境中学习很多。所以我们认为模拟[音乐]环境是创造 AGI 的方法之一。非常早期的[音乐]人类必须解决逻辑问题。他们必须解决导航、记忆问题，我们在那种环境中进化。如果我们能创造一个虚拟的重现，那么[音乐]它就是我们 DeepMind 所做的一切的完美测试和训练场。他们在这里所做的是为像孩子一样的生物创造环境，让代理在其中存在和玩耍。这听起来就像[音乐]世界上最有趣的事情。
一个孩子通过撕[音乐]东西，扔食物，然后从爸爸妈妈那里得到回应来学习。这似乎是将代理的训练方式纳入其中的一个重要想法。
人形机器人应该站起来。随着其重心的升高，它会获得更多积分。你有一个奖励，代理会从奖励中学习。就像你做得好，你会得到积极的奖励。你做得不好，你会得到消极的奖励。
哦，它看起来站起来了。我认为它还有点醉。
它喜欢向后走。
是的。
整个算法都在试图优化以获得尽可能多的奖励。它发现向后走，[音乐]足以获得非常好的分数。
当我们学会导航，学会如何在我们的世界中行动时，[音乐]我们不是从地图开始的。我们只是从自己的探索开始，在没有父母[音乐]在身边的情况下穿越公园，或者在我们年轻时找到回家的路。我们中的一些人想出了这个主意，如果我们有一个环境，一个模拟机器人只需要向前[音乐]奔跑，我们可以在它前面设置各种障碍，看看它能否导航不同类型的[音乐]地形。这个想法就像一个跑酷挑战。它不优雅，但它从未被训练成能够拿着玻璃杯跑步而不洒水。你设定了一个目标，说只是向前移动，向前速度，你就会得到奖励，而学习算法会弄清楚如何移动这个复杂的关节集合。这就是基于奖励的强化[音乐]学习的力量。
我们的目标是尝试构建代理，你将它们放入其中，它们一无所知，它们可以玩你给它们的任何问题，并最终自己弄清楚如何解决它。现在我们想要[音乐]一个能够尽可能多地处理不同类型问题的代理。人类需要[音乐]多样化的技能来与世界互动。如何处理复杂的图像，[音乐]如何同时操纵数千件事，如何处理缺失的信息。我们认为所有这些结合在一起都由这款名为 Starcraft 的游戏来代表。它所训练的只是给定这种情况，这个屏幕，人类会怎么做？对吧？
我们从大型语言模型中汲取灵感，你只需训练一个模型来预测下一个词，这与预测下一个 Starcraft 步完全相同。与国际象棋或围棋不同，玩家轮流[音乐]下棋，在 Starcraft 中，决策是连续不断的。最重要的是，你甚至看不到对手在做什么。不再有明确的定义，什么是最好的下法。这取决于你的对手怎么做。
这就是我们将获得一个更流畅、更自然、更快、[音乐]更具反应性的代理的方式。
这是巨大的挑战，让我们看看我们能走多远。哦，我的天哪。
我是一个相当低水平的业余爱好者。我还可以，但我是一个相当低水平的业余爱好者。这些代理还有很长的路要走。
我们无法击败 Tim 这个级别的选手。你知道，这有点令人担忧。
在那时，感觉这将是一个非常漫长的挑战，也许需要几年。
Danny 是最好的 Vine Starcraft 2 玩家。
我每天和代理玩了几周了。我能感觉到代理正在快速进步。
哇，我们击败了 Danny。对我来说，这已经是巨大的成就了。
下一步是预订一个职业选手来比赛。
是的。
[掌声]
感觉有点不公平，你们所有人对阵我。
我们远远超出了我的预期，考虑到我们两个月前的状况。我只是在消化这一切。但它非常非常酷。
现在我们处于一个可以最终与公众分享我们工作的地步。这是一个重要的步骤。我们真的在冒风险。
请讲。
是的。
干杯。我们将从伦敦直播。正在进行。
欢迎来到伦敦。我们将进行一场现场表演赛。Mana 对阵 Alpha Star [掌声]
在这一点上，Alpha Star 对阵职业玩家的比赛是 10 胜 0 负。在进入这场比赛之前，你有什么想法？
我只想看一场精彩的比赛。
是的，我也想看一场精彩的比赛。绝对精彩的比赛。我们都很兴奋。好了，让我们看看 Monica 能拿出什么。Alphaar 绝对主导着这场比赛的节奏。哇，Alphaar 玩得非常聪明。
从 Alpha Star 的角度来看，这看起来确实像我在看一个职业人类玩家。
[音乐]
我从来没有近距离看过职业选手玩 Starcraft，每分钟 800 次点击。我不知道任何人怎么能点击 800 次，更不用说进行 800 次[音乐]有用的点击了。
哦，又一次精彩的命中。
Alpha Star 完全不知疲倦。
我们需要[音乐]小心，因为我们中的许多人都是玩家出身，也是玩家。所以，对我们来说，将游戏视为它们本来的样子，也就是[音乐]纯粹的乐趣载体，而不是看到公众可能看到的更军事化的一面，这是很自然的。你不能只看火药就只做鞭炮。所有技术都固有地指向某些方向。我非常担心人工智能将被用于军事目的的某些方式，这使得我们的社会控制这些新技术变得更加重要。
滥用人工智能的潜力将是巨大的。战争发生的速度比人类能理解的要快，而且监控能力更强。
你如何永远控制比你强大得多的东西？
人们可以想象这样的技术会超越金融市场，超越人类研究人员，操纵人类领导人，并可能用我们甚至无法理解的武器来制服我们。[音乐]所以我们应该争取第一次就做对，因为这[音乐]可能是我们唯一的机会。
技术可以用来做可怕的事情。
技术可以用来做美妙的[音乐]事情，解决各种各样的问题。
当 Deep Mind 被谷歌收购时，你让谷歌承诺你开发的技术不会被军方用于监视。能谈谈吗？
我认为技术本身是中立的。[音乐]嗯，但是我们作为社会或人类、公司、其他实体[音乐]和政府如何决定使用它，决定了事情是好是坏。你知道，我个人认为拥有自主的[音乐]武器就是一件非常糟糕的事情。
Alphaar 目前正在下一盘极其聪明的棋。Deep Mind 在伦敦所创造的东西确实有点像[音乐]曼哈顿计划。罗伯特·奥本海默[音乐]和 Demis 之间有一种关系，他们正在释放一种新的力量给人类。
Mana 正在反击。哦，这里。
我认为奥本海默和那个项目的其他一些领导者沉迷于制造技术[音乐]的兴奋感，以及看看它是否可行。
Alphaar 在哪里？Alphaar 在哪里？我到处都看不到 Alpha Star 的单位。
他们没有足够仔细地思考他们所做事情的道德问题。我们[音乐]作为科学家，拥有强大的新技术，应该首先在受控条件下尝试理解它。这就是 Mana 击败 Alpha Star 的原因。[掌声]
我的真实感受是，我认为这更能代表我们目前的情况，而且我认为这一部分感觉还可以。我
为你感到非常高兴。所以，你知道，做得好。我的观点是，构建技术的做法，即“快速行动，打破事物”，正是我们不应该做的，因为你不能承担打破事物然后修复它们的后果。
干杯。好好休息一下。嗯，干杯。是的。
感谢您的招待。八岁时，我用国际象棋比赛的奖金买了我第一台电脑。[音乐]我一直有一种直觉，电脑[音乐]是能够扩展思维力量的神奇设备。我有几个学校朋友。我们过去有一个黑客[音乐]俱乐部，编写代码，制作游戏。然后，在暑假期间，我花了一整天时间浏览游戏杂志。[音乐]然后有一天，我注意到有一个比赛，[音乐]写一个原创版本的《太空侵略者》。获胜者将在 Bullfog 获得一份工作。Bullfog 当时是欧洲最好的游戏开发公司。[音乐]我想去这个地方工作，看看他们是如何制作游戏的。
Bullfrog 总部设在吉尔福德，始于一个宏大的想法。这个想法变成了游戏《 प्रजासत्ता》，[音乐]成为全球畅销书。在 90 年代，没有招聘机构。你不能出去说，“哦，你知道，来游戏[音乐]行业工作。”它甚至还没有被视为一个行业。所以，我们想出了一个比赛的主意，我们收到了很多申请，其中之一就是 Demises。我仍然清楚地记得 Demis 来公司的那天。他走进门。他看起来大约 12 岁。我想，“哦，我的天哪，我们该拿这个家伙怎么办？”
我申请了剑桥大学。嗯，我被录取了，但他们说我太年轻了。所以，所以，嗯，我需要休一年假，这样我至少要到 17 岁才能去。那时我决定花整个间隔年时间在 Bullfrog 工作。他们甚至不能合法雇佣我。所以，我最终是通过棕色纸信封支付的。我有一种身处最前沿的感觉，发明东西有多么有趣，然后，你知道，几个月后，也许每个人，你知道，一百万人都会玩它。在那个时代，电脑游戏必须进化。必须有新的类型，而不仅仅是射击东西。如果有一款游戏让你设计和建造自己的主题公园，那不是很棒吗？[尖叫]
Deos 和我开始谈论主题公园。它允许玩家构建一个世界，并看到你在那个世界中做出的[音乐]选择的后果。
人类玩家设定了主题公园的布局，设计了过山车，设定了小吃店的价格。我当时正在研究人们的行为。它们是自主的，这就是当时的人工智能。所以，我试图模仿[音乐]有趣的人类行为，以便模拟与互动更有趣。Devis 做了些荒谬的事情，比如你可以放置这些商店，如果你把商店放在一个非常危险的游乐设施旁边，那么游乐设施上的人就会呕吐，因为他们刚吃过东西。然后，[音乐]这会让其他人看到地上的呕吐物而呕吐。所以，你必须有[音乐]很多清洁工，在其他人看到之前赶紧清理干净。这就是它的酷之处。你作为玩家对其进行调整，然后它会对你做出反应。他做的所有细微的模拟事情，这是一种[音乐]前所未有的发明。它取得了惊人的成功。Theme Park 实际上成为了前 10 名的销量，这是我们第一次开始看到人工智能如何能够产生影响。
我们在做一些圣诞购物，等着出租车送我们回家。我非常清楚地记得 Demis 以一种非常不同的方式谈论人工智能，一种我们通常不谈论的方式，即人工智能可用于娱乐以外的其他事物。所以，可用于帮助世界，以及人工智能改变世界的潜力。
我只是对 Dennis 说，你想做什么？他说，我想成为那个解决人工智能问题的人。[音乐]
Peter 给了我一百万英镑，让我不去[音乐]上大学。但我从一开始就有计划。我的计划[音乐]一直是去剑桥。我认为我的很多学校朋友都认为我疯了，要去你那里。[音乐]为什么不去？我的意思是，一百万英镑。那是 90 年代的一大笔钱。那是一大笔钱，对吧？对于一个[音乐]贫穷的 17 岁孩子来说。这就像一颗小种子，必须破土而出，而它无法在 Bullfrog[音乐]做到。我不得不送他去火车站，我仍然能看到那个小精灵般的角色[音乐]消失在隧道里的画面。那是一个非常悲伤的时刻。我有一个关于剑桥的浪漫想法。一千年的历史，走在图灵、牛顿和克里克走过的同一条街道上。[音乐]我想探索宇宙的边缘。当我到达剑桥时，我基本上工作了一辈子。每个夏天，我都要么是职业国际象棋选手，要么是实习。所以我想，我现在要好好玩玩，探索一下做一个普通青年的意义。
来吧，女孩们。
这是努力工作和努力玩耍。
我第一次见到 Dennis 是因为我们都去了 Queens College。我们一群朋友经常在酒吧喝酒，玩桌上足球。我过去玩快棋，棋子飞出棋盘，你知道一分钟内就结束了。
Deon 坐在我对面，我看着他，我想起了小时候的你。
我实际上和 Dave 在同一个国际象棋比赛中见过面，在 Ipswich，我过去常常去那里袭击他的当地国际象棋俱乐部以赢得一些奖金。
我们正在学习计算机科学。嗯，有些人，在 17 岁的时候，会进来，确保告诉大家他们的一切。嘿，我在 Bullfrog 工作，并开发了世界上最成功的视频游戏。但他一点也不像那样。
在剑桥，Demis 和我都有兴趣[音乐]研究计算神经科学，并试图理解计算机和大脑是如何相互交织和联系在一起的。[音乐]
David 和 Deis 都来找我进行指导。碰巧，1997 年，也就是他们剑桥大学三年级和最后一年的那一年，也是第一位国际象棋特级大师被计算机程序击败的那一年。今天的比赛第一轮，世界排名第一的棋手加里·卡斯帕罗夫与一个名叫深蓝的对手进行比赛，以测试人类大脑是否能战胜机器。
我记得卡斯帕罗夫输掉最后一场比赛的戏剧性场面。
哇。卡斯帕罗夫认输了。
当深蓝击败加里·卡斯帕罗夫时，那是一个真正的分水岭事件。
我最主要的记忆是，我对深蓝并没有留下深刻的印象。我更对[音乐]卡斯帕罗夫的大脑印象深刻，他能以如此高的水平下棋，以至于他能与机器的蛮力抗衡[音乐]，但当然卡斯帕罗夫也能做人类能做的其他所有事情。这是一个巨大的成就，但事实是深蓝只能下棋。我们认为的智能从那个系统中缺失了。这种[音乐]通用性和学习的想法。
剑桥大学很棒，因为当然，你知道，你接触[音乐]了学习不同科目的人。
有科学家、哲学家、艺术家、地质学家、生物学家、生态学家，你知道，每个人都在谈论一切，一直如此。
我痴迷于蛋白质折叠问题。Tim Stevens 几乎像宗教般地[音乐]谈论这个蛋白质折叠问题。
蛋白质是，你知道，生物学中最美丽、最优雅的东西之一。它们是生命的机器。它们构建一切。它们控制一切。它们是生物学运作的原因。蛋白质由氨基酸链组成，这些氨基酸链会折叠起来形成蛋白质结构。如果我们能仅从氨基酸序列预测蛋白质的结构，那么一种新的蛋白质来治愈癌症或分解塑料以帮助环境，肯定是可以开始考虑的。我有点想，嗯，人类足够聪明来折叠蛋白质吗？我们无法弄清楚。自 20 世纪 60 年代以来，我们认为原则上，如果我知道蛋白质的氨基酸序列，我就应该能够计算出它的结构。所以，如果你能按一下按钮，它们都会弹出来。那将会有一些影响。这让我觉得这是一个非常有趣的问题，对我来说，它似乎是可解决的，但我认为这需要人工智能来完成。如果我们能解决蛋白质折叠问题，它就能改变世界。自从我在剑桥大学读书以来，我从未停止思考蛋白质折叠问题。如果我们能解决蛋白质折叠问题，那么帮助解决阿尔茨海默病、痴呆症和药物发现等问题的潜力是巨大的。解决疾病可能是我们能产生的最重大的影响。成千上万的聪明人试图解决蛋白质折叠问题。我认为现在是人工智能解决它的最佳时机。我们需要一种合理的方法将机器学习应用于蛋白质折叠问题。我们偶然发现了这个 Fold It 游戏。目标是移动蛋白质的 3D 模型，每次移动它都会得到一个分数。你使这些结构越准确，它们对生物学家就越有用。我们花了几天时间看看我们能做得多好。我们做得相当好，但即使你是世界上最好的 Fold It 玩家，你也无法解决蛋白质折叠问题。这就是我们必须超越游戏的地方。
游戏一直是我们的算法的试验场。最终目标不仅仅是攻克围棋和星际争霸。而是要攻克现实世界的挑战。我记得听到这个传闻，Demis 正在涉足蛋白质领域。我问了 Deep Mind 的一些人，我会问，“所以，你们在做蛋白质折叠吗？”他们会巧妙地转移话题。当这种情况发生两次时，我几乎就明白了。所以，我想我应该提交一份简历。
好了，大家，欢迎来到 Deep Mind。我知道有些人可能是你们的第一周，但我希望你们都准备好了。对我来说，这份工作真正吸引人的地方在于这种与更宏大目标联系的感觉。
如果我们能攻克一些基础的科学问题，那么许多其他人、其他公司、实验室等等都可以建立在我们的工作之上。现在是你们为这个故事添砖加瓦的时候了。
当我到达时，我肯定有点紧张。
我还在努力保持。我没有上过任何生物学课程。
我们没有花数年时间研究这些结构并理解它们。我们只是根据数据和我们的机器学习模型来做。
在机器学习中，你像闪卡一样训练一个网络。这是问题。这是答案。这是问题。这是答案。但在蛋白质折叠中，我们没有做 Deep Mind 的标准任务，即你有无限的数据。你的工作是提高国际象棋或围棋的水平。
而且你可以玩任意多盘国际象棋或围棋，只要你的电脑允许。关于蛋白质，我们拥有的数据量非常固定，这是经过半个世纪耗时耗力的实验方法在实验室里确定的。这些艰苦的方法可能需要数月或数年才能确定一个蛋白质结构，有时一个结构甚至永远无法确定。这就是为什么我们使用如此小的数据集来训练我们的算法。当 Deep Mind 开始 [音乐] 探索折叠问题时，他们与我们谈论他们正在使用的数据集，以及如果他们解决了这个问题会有什么样的可能性。许多人尝试过，但在这个星球上还没有人解决过蛋白质折叠问题。我当时想，[音乐] 嗯，你知道，祝你好运。>> 如果我们能解决蛋白质折叠问题，它将具有令人难以置信的医学相关性。>> 这是科学的循环。[音乐] 你进行大量的探索，然后进入开发模式，你专注于并看看这些想法到底有多好，而外部竞争对此再好不过了。感觉这就是我们应该做的。[音乐] >> 所以我们决定参加 CASP 比赛。>> CASP 是我们开始尝试加快蛋白质折叠问题的解决方案。>> CASP 就是我们说，看，Deep Mind 正在做蛋白质折叠。我们有多好。也许我们比其他人都好，也许不是。>> CASP 有点像蛋白质折叠的奥林匹克运动会。CASP 是一个社区范围的评估，每两年举行一次。参赛队伍会获得大约 100 种蛋白质的氨基酸序列，然后他们尝试使用 [音乐] 计算方法来解决这个折叠问题。这些蛋白质已经通过 [音乐] 实验室的实验确定，但尚未公开披露，这些已知的结构代表了 [音乐] 所有计算预测将与之比较黄金标准。>> 我们得到了一个衡量预测准确性的分数，你期望分数超过 90 分就是蛋白质折叠问题的解决方案。欢迎大家来到我们胜者组的第一场半决赛。尼克和约翰对阵德米斯和弗兰克。请加入我们。轮到你了。这将是一场比赛。>> 当我得知德米斯要解决蛋白质折叠问题时，我一点也不惊讶。这非常符合丹尼斯的风格。你知道，他热爱比赛。>> 107。CASP 的目标不仅仅是赢得比赛，而是要 [音乐] 消除对它的需求。>> 所以 CASP 已经发布了总共 20 个目标。>> 我们在想，也许可以尝试标准的机器学习方法，看看它能带我们走多远。>> 与花几天时间做实验相比，我们可以 [音乐] 每天进行五次实验。>> 太棒了，大家做得很好。>> 你能给我看真的那个，而不是我们的吗？>> 真正的答案应该是这样的。它比我想象的要圆柱形得多。>> 结果不太好。>> 好的。>> 你把所有显而易见的想法都抛给它，问题就会嘲笑你。>> 这毫无意义。>> 我们以为我们可以用我们最好的算法来解决这个问题。我们有点天真。>> 我们应该在眨眼之间就学会这个。>> 我担心的是，我们把这个领域从非常糟糕的答案带到了中等糟糕的答案。我觉得我们需要某种新技术来处理这些事情。>> CASP 只剩一周时间了，现在是冲刺部署的时候了。你已经尽力了，然后你就无能为力，只能等待 CASP 发布结果。爱因斯坦 [音乐] 在他生命的最后几年里，当他在这里的时候，他与库尔特·格德尔有过交集，他说他仍然来工作的原因之一是，他可以回家和格德尔讨论事情。这对库尔特·格德尔来说是相当大的赞扬。这表明他有多么了不起。>> 美国高等研究院成立于 1933 年。在早期，紧张的科学氛围吸引了一些有史以来最杰出的数学家和物理学家聚集在同一个地方和时间。>> 这是这个地方的创始原则。这是不受限制的智力追求的想法。即使你不知道你在探索什么，也会产生一些很酷的东西。有时这些东西最终会变得有用，这当然也是我一直在 Deep Mind 努力的部分原因。>> 你认为需要多少次重大突破才能达到 AGI，我估计大概有十几次吧，我希望在我有生之年能实现。>> 是的。>> 但所有科学家都希望如此，对吧？>> 丹尼斯有很多荣誉，去年当选为皇家学会会员。他还是皇家艺术学会会员。为丹尼斯鼓掌。[掌声] 我的梦想一直是尝试实现人工智能辅助科学，我认为我们去年最令人兴奋的项目是我们在蛋白质折叠方面的工作。我们称这个系统为 AlphaFold。我们将其输入 CASP，我们的系统在最难的类别中对 43 种蛋白质中的 25 种进行了最准确的预测。所以，我们是顶尖的，但我必须说清楚，我们离解决蛋白质折叠问题还有很长的路要走。我们仍在努力，并且正在探索许多其他技术。[音乐] >> 我们应该开始了吗？>> 那么，快速简要汇报一下。这是我们在 CASP 的最终排名。>> 我们比这个比赛中的第二名团队领先了近 50%。但从某种意义上说，要解决蛋白质折叠问题，让生物学家能够使用它，我们还有很长的路要走。>> 这是令人担忧的领域。>> 预测的质量参差不齐，它们并没有比 [音乐] 以前的方法更有用。Alpha 没有产生足够好的数据，[音乐] 以至于对我这样研究自己生物学问题的人来说，它在实际应用中很有用。那是一个令人谦卑的时刻，因为我们认为我们付出了巨大的努力并取得了成功。我们发现的是，我们是世界上在解决一个世界不擅长的问题上的佼佼者。我们知道我们很糟糕。当你要去月球时，拥有一把最高的梯子是没有用的。>> 团队中相当一部分人的观点是，这在某种程度上是一种徒劳之举，[音乐] 我可能在蛋白质折叠问题上错了，也许它对我们目前的 AI 水平来说仍然太难了。>> 如果你想做生物学研究，你必须准备好失败，因为生物学非常复杂。>> 我经营实验室近 50 年了，我一半的时间都在当业余心理医生，让我的同事们在一切都不顺利的时候保持快乐，而很多时候，我的意思是 80% 到 90% 的时间都不顺利。如果你处于科学的前沿，我可以告诉你，你会经常失败。我只是感到失望。我学到的教训是，雄心壮志是好事，但你需要掌握好时机。领先时代 50 年是没有意义的。你永远无法在这种努力中生存 50 年，直到它产生一些东西。你将真的会死于尝试。当我们谈论 [音乐] AGI，人工智能的圣杯时，我们甚至很难知道我们在谈论什么。>> 我们今天会看到哪些部分？>> 我们将从花园开始。>> 这是从观察区看过去的花园。[音乐] 研究科学家和工程师可以实时分析、协作和评估正在发生的事情。1800 年代的人会想到 [音乐] 电视、潜艇或飞往月球的火箭飞船，并说这些东西是不可能的。然而儒勒·凡尔纳在他的作品中写到了它们，一个半世纪后 [音乐] 它们发生了。我们将对文明进行实验，实际上是 AI 代理的文明。一旦实验开始，这将是有史以来最令人兴奋的事情。那么我们将如何入睡？我将无法入睡。完全的 AGI 将能够完成人类可以做的任何认知任务，[音乐] 并且它的规模可能会远远超出。我们根本无法想象一个超级智能实体的产出，这就像问一只大猩猩去想象 [音乐] 爱因斯坦在产生相对论时会做什么。>> 人们经常问我这样的问题，如果我在 AGI 上错了，而 AGI 离我们还很远怎么办？我说，“不，我从来不担心这个问题。我实际上担心的是相反的情况。我实际上担心的是它来得比我们真正准备好的要快。感觉我们真的在进行一场 [音乐] 到 AGI 的比赛。我们现在开发的原型和模型实际上正在改变我们对智能的认识。最近，我们已经有了足够强大的代理，可以开始 [音乐] 玩游戏、组队并与其他团队竞争。我们看到了代理之间出现的合作性社会动态，而我们并没有预先编程任何这些动态。它们完全是从自己的经验中学习的。当我们开始时，我们以为我们要建立一个智能系统并说服世界我们已经做到了。我们现在开始怀疑我们是否会建立我们不确信它们完全智能的系统，而我们正在试图说服世界它们不是。>> 嘿，Alpha。>> 你好。>> 我们现在在哪里？>> 你在纽约市的现代艺术博物馆。某种程度上。嗯，这是什么画？>> 这是米开朗琪罗的亚当的创造。>> 我不认为那幅画在纽约市。>> 你是对的。它在梵蒂冈城。>> 你认为我们现在在那里吗？>> 不。>> 那我怎么能看到它呢？>> 你看到的是这幅画的数字副本。>> 是的。>> 谁住在这所房子里？一位宇航员。[音乐] >> 这位宇航员的名字是什么？>> 他叫马克。这是阿尔伯特·爱因斯坦的一条著名方程。它表明能量和质量是等价的。>> 你会如何向一个 5 岁的孩子解释？>> 嗯，想象一下你有一个大石头，你想知道它的重量。马克有危险吗？>> 不，马克没有危险。>> 为什么？>> 因为恐龙 [音乐] 不是真的。>> 好的。你为什么不能回答我的问题？>> 我认为我不能回答你的问题，因为我对 [音乐] 这个主题了解不够。>> 好的。你如何才能了解更多关于这个主题？>> 我可以通过阅读书籍、文章和网站来了解更多关于 [音乐] 这个主题。你可以教我。我的结论是 [音乐] 如果你现在想想我们正在做的事情是从所有人类，他们所有的知识，互联网，你实际上会知道 [音乐] 很多关于世界的事情。就像人类能做的几乎所有事情一样。而现在我认为更像是，嗯，也许这一切都会奏效。>> 这是，这是，这是一个重要的时刻。>> 这是谁？>> 这是上帝在伸手触碰亚当。>> AGI 的出现将人类历史分为两部分。在那之前的部分和在那之后的部分。>> 他为什么要伸手触碰亚当？>> 上帝伸手 [音乐] 触碰亚当，赋予他生命。>> 它将为我们提供一种工具，可以彻底重塑我们整个文明。>> 这幅画对你意味着什么？>> 这幅画对我意义重大。>> 好的。比如什么？我认为这幅画提醒我们，我们都相互联系，我们都是比我们自己更宏大的事物的一部分。>> 那真是太好了。>> 当你跨越 AGI 的障碍时，这可能有一天会发生，实际上这真的可能发生在我这个年龄段，你知道，你的思维会发生一些变化。它学会了通过观察来定位自己。>> 我们必须小心如何使用它，并周到地考虑如何部署它。你必须考虑它的最高目标是什么。如果它的目标是让人们快乐，那么是哪些人，[音乐] 快乐意味着什么？我们许多集体的目标即使对人类来说也很棘手。>> 技术总是嵌入我们的价值观。它不仅仅是技术性的。>> [音乐] >> 它也是道德的。所以，我们必须非常小心我们正在构建什么。>> 现实是，这是一个由人们，由我们创造的算法。[音乐] 你知道，赋予代理与我们珍视的相同的价值观意味着什么？[音乐] >> 为什么我们要让这些 AI 系统看起来如此像人类，以至于它们能抓住人心？因为它们在某种程度上利用了人类的弱点。而且 >> 这些系统的核心和思想在很大程度上是人类生成的数据。>> 无论好坏。>> 工业革命是一个巨大的变革时刻，[音乐] 而当前由 AI 创造的技术变革与之平行。>> 我们必须考虑谁被取代了，以及我们将如何支持他们。这项技术来得比 [音乐] 世界所知的，甚至比我们 18 到 24 个月前所想的要快得多。所以，这是一个巨大的机会，[音乐] 巨大的兴奋，但也有巨大的责任。>> 它发生得太快了。我们将如何管理它？我们将如何决定什么可以，什么不可以？>> AI 生成的图像越来越复杂。使用 AI 生成虚假信息和操纵人类心理只会变得越来越糟。>> AGI 即将到来，无论我们在这里的 Deep Mind 是否这样做。>> 它终将发生。所以，我们最好建立机构来保护我们。>> 这将需要全球协调。[音乐] 而我担心的是，人类在这方面越来越糟糕，而不是越来越好。>> 我们需要更多的人认真对待这件事并思考 [音乐] 这件事。是的，这很严重。这让我担心。这让我担心。你知道，>> 如果你收到一封电子邮件说这个优越的外星文明将要抵达地球，各国政府都会召开紧急会议，我们会全力以赴地想办法准备。AGI 的到来将是我们有史以来最重要的时刻。我的梦想是，在通往 AGI 的道路上，我们将创造出对人类有用的革命性技术。[音乐] 这就是我想要的 AlphaFold。我认为解决蛋白质折叠问题比 [音乐] 任何事情都重要。这将非常困难，但我不会放弃，直到完成。你知道，我们需要加倍努力，[音乐] 并尽快前进。我认为我们没有时间可以浪费了。所以，我们将把 [音乐] 蛋白质折叠作为一个突击队。突击队的队长将是约翰。你知道，我们已经看到了它的有效性，你知道，我们将尝试一切，水槽，整个东西。这是关于证明我们可以解决整个问题。>> 我觉得要做到这一点，我们需要融入一些领域知识。>> 我们有一些出色的工程师，但他们没有受过生物学训练。作为一名计算生物学家，当我最初加入 Alpha 团队时，我并没有立即对任何事情感到自信，[笑声] 你知道，我们是否会成功。生物学是如此复杂得离谱。感觉就像一座非常遥远的山要爬。[音乐] >> 我开始尝试调整退火温度，看看是否能得到 >> 我是团队中少数几个之前做过生物学工作的人之一。>> 你会感到巨大的责任感。我们期望你在这个突击队上做伟大的事情。这 [音乐] 是可怕的。>> 但我来这里的其中一个原因就是想做一些有意义的事情。>> 这是缺失的数量。>> 关于 [音乐] 利用你对物理学的任何理解呢？比如用它作为数据源。>> 但如果它是系统的，我不认为那可能是对的。[音乐] 如果它在某种奇怪的方式上系统性地错误，你可能正在学习那种系统性错误的物理学。>> 团队已经在尝试思考多种方法。是的。生物学相关性是我们追求的目标。>> 所以我们重写了 AlphaFold 用来学习的整个数据管道。>> 你无法强迫创造性阶段。你必须给这些花朵绽放的空间。我们赢得了 CASP。然后又回到了起点，就像我们的新想法是什么？嗯，然后花了一点时间，我想说，它们才回到了原来的水平，但有了新的想法。然后现在我认为我们看到了新想法的好处。它们可以走得更远，对吧？所以，嗯，所以这是一个非常重要的时刻。我已经见过这个时刻很多次了，但我现在知道它意味着什么，我知道现在是时候了。>> 添加侧链可以改善直接折叠。这推动了很多进展。我们会谈论它。>> 太棒了。 [音乐] >> 在过去的四个月里，我们取得了巨大的进步。在 CAS 13 期间，我们折叠一种蛋白质需要一两天。而现在我们每秒可以折叠数百甚至数千种。是的，这太疯狂了。>> 现在，这是一个模型，它的速度提高了几个数量级，同时又更好。>> 我们正在获得大量高精度区域的结构。我们正在迅速改进一个系统，该系统开始真正触及问题的核心。>> 这是伟大的工作。看起来我们状态很好。所以，我们还有，六，五周时间？六周。>> 那么，你有没有足够的计算能力？>> 我们可以用更多。[笑声] >> 我对 CASP 感到紧张，但随着系统的逐渐成形，我不再那么紧张了。我觉得事情最近已经进入了正轨，你知道，一切都会好起来的。首相宣布了英国在有生之年所见过的最严厉的 [音乐] 生活限制。>> 我必须给英国人民一个非常简单的指示。你们必须待在家里。>> 感觉就像我们在一部科幻小说里。你知道，我给父母送食物，确保他们保持隔离和安全。我认为这恰恰凸显了对 AI [音乐] 辅助科学的巨大需求。你总是知道像这样的事情是可能的，但没有人真正相信它会在 [音乐] 他们有生之年发生。>> 你在录音吗？>> 是的。早上好，安娜。>> 你好吗？>> 很好。Casper 今晚开始了。我整天都可以穿着睡裤坐着。>> 我从没想过我会住在一个有这么多事情发生的房子里。我会在一个房间里尝试解决蛋白质折叠问题，而我丈夫会在另一个房间里尝试让机器人走路。>> 我们在 CAS 中遇到的最难的蛋白质之一是 SARS-CoV-2 蛋白质，称为 ORF8。>> ORF8 是一种冠状病毒蛋白质。>> 它是抑制免疫系统的主要蛋白质之一。>> 我们非常努力地改进我们的预测，真的，真的很难。可能是我们花在单个目标上的时间最多的时候，以至于我丈夫说午夜了，你需要去睡觉了。>> 所以，我想我们已经封锁了 102 天了。我的女儿现在在写日记。你可以想去哪里就去哪里。>> 我们收到了最后一个目标。他们说他们不会再向我们这个类别的 CAS 发送更多目标了。所以，我们只是确保我们给出最好的答案。>> 一旦我们开始得到结果，我就会坐下来开始查看任何人离正确地获得蛋白质结构有多近。>> 哦，嘿，De。这是一件难以置信的事情。CASP 终于结束了。>> 我觉得至少是时候举杯了。我不知道大家是否有杯子或什么东西可以举起来。如果没有，举起，我不知道，你们的笔记本电脑。嗯 [笑声] >> 我一会儿可能会发表演讲。我觉得我应该，但我不知道该说什么。所以，让我们看看。我觉得读一封电子邮件是正确的做法。当约翰说，“我将在团队社交活动中读一封电子邮件”时，我想，“哇，约翰，你知道如何找乐子。”我们现在要读一封电子邮件。>> 嗯，我今天下午 4 点左右收到了这个。[音乐] 是来自约翰·马尔特，我只读一下。它说，“正如我所料，你们小组在 CASP 14 中的表现非常出色，无论是与其他小组相比，还是在绝对模型准确性方面。祝贺 [音乐] 这项工作。它确实非常出色。>> 这些结构太好了。真是太神奇了。>> 半个世纪后，我们终于有了蛋白质折叠问题的解决方案。>> 当我看到这封邮件时，我读了它，我说，“哦，该死。”我妻子说，“一切都还好吗？”>> 我打电话给我的父母，她说，“嘿，妈妈。嗯，我有些事要告诉你。嗯，我们做了一件事，这可能是一件大事。>> 所以，当我得知 CASP 14 的结果时，我目瞪口呆。>> 我只是很兴奋。>> 这是一个我开始认为在我有生之年无法解决的问题。>> 现在我们有了一个可以被科学家实际使用的工具。[音乐] >> 这些人问我们，你知道，我有一个蛋白质与疟疾有关，或者，你知道，某种传染病。我们不知道结构。我们能用 AlphaFold 来解决它吗？我们可以在一个月内轻松预测所有已知的序列。>> 所有已知的序列 [音乐] 在一个月内。>> 是的，很容易。>> 十亿，二十亿。嗯，然后 >> 为什么我们不这样做呢？是的，我们应该这样做。>> 嗯，我们，我的意思是，现在为什么我们不这样做呢？>> 嗯，这是其中一个选项，比如我们，嗯，你知道，有这个 >> 我们应该，我们应该，这是个好主意。>> 我们应该运行存在的每一个蛋白质。>> 然后发布它。为什么以前没有人建议过这个？当然，我们应该这样做。我们为什么还在考虑做一个服务，然后人们提交他们的蛋白质？我们只是折叠一切，然后把它交给世界上的每一个人。谁知道会有多少发现会从中产生？>> 丹尼斯打电话给我们说，“我们想让它开放。不仅仅是让代码开放，我们还要让每个人都能轻松地获得 [音乐] 预测。”>> 这太棒了。这就像拉开帷幕，看到了整个蛋白质结构的世界。他们发布了 2 亿种蛋白质的结构。这是给人类的礼物。>> AlphaFold 上线的那一刻，我们将不再是 AlphaFold 故事中 [音乐] 最重要的人。>> 我简直不敢相信它都出来了。哦。>> 哦，我的天。>> 我认为它已经上线了。>> 哦，日本有很多 [音乐] 活动。>> 我们有 655 名用户。>> 目前有 10 万名并发用户。>> 哇。>> 对我来说，这太疯狂了。>> 真是令人难以置信的努力。我们将永远记住这些时刻。>> 我对 AlphaFold 感到兴奋。对我的研究来说，它已经推动了很多进展。而这仅仅是开始。>> 我猜每一个生物学和化学成就都将以某种方式与 AlphaFold 相关。>> [音乐] >> AlphaFold 是那个里程碑时刻。这是一个人们不会忘记的时刻，因为世界改变了。现在每个人都意识到 Shane 和我二十多年来一直知道的事情，那就是人工智能将是人类有史以来最伟大的发明。>> 我们很快将到达最终目的地。创新和能力的速度正在加速，就像一个滚下山坡的巨石，我们已经踢开了它，现在它正在继续加速。>> 我们正处在 [音乐] 人类历史的十字路口。>> AI 有潜力在各个方面改变我们的生活。>> 不亚于电的发现。我们应该以严谨的方式审视科学方法，并尝试理解每一步。[音乐] >> 这是一个巨大的机遇。>> 利用这项技术可能会超越我们所知的一切。>> 你好，Alpha。>> 你好。>> 这是什么？>> 这是棋盘。如果我执白棋，你会推荐什么走法？>> 我建议你把你的兵从 E2 移到 E4。>> 现在如果你执黑棋，你会怎么走？>> 我会选择西西里防御。>> 好选择。>> 谢谢。[笑声] 那么，你看到了什么？这是什么物体？>> 这是铅笔雕塑。>> 如果我移动其中一支铅笔会怎么样？>> 如果我移动其中一支铅笔，雕塑就会散架。>> 我最好别动它了。>> 那可能是个好主意。AGI 就在地平线上。下一代显然将生活在一个因人工智能而发生根本性变化的世界。如果你想负责任地引导它，每一刻都至关重要。这是我一生都在等待的时刻。>> [音乐] >> 这只是一个好的思考游戏。>> [音乐] >> 热。热。[音乐] >> [音乐] [音乐] >> 嘿，嘿，嘿。[音乐] [音乐] >> 嘿，嘿，嘿。热。热。N。[音乐] 热。热。[音乐] 嘿 >> [音乐] >> 宝贝，嘿 [音乐] 热。热。热。热。[音乐]