芯耀
341
當(dāng)前，人工智能領(lǐng)域正經(jīng)歷一場深刻的變革。
當(dāng)大眾目光聚焦在大語言模型（LLM）所引發(fā)的交互革命，以及它們在整合、處理和高效呈現(xiàn)人類已有知識方面的卓越能力時(shí)，另一股更具顛覆性的力量——以谷歌DeepMind為代表的“AI for Science”正在悄然崛起，并展現(xiàn)出改變科學(xué)研究格局的潛力。
谷歌DeepMind首席執(zhí)行官Demis Hassabis在最新一期CBS《60分鐘》采訪中表示，AI將在未來十年內(nèi)可能幫助消滅所有疾病。
與主流大語言模型專注于學(xué)習(xí)、消化和再現(xiàn)已知信息不同，DeepMind所探索的方向展現(xiàn)了一種全新的路徑。從AlphaZero、AlphaFold到近期嶄露頭角的AlphaProof，這些標(biāo)志性成果的核心目標(biāo)，并不僅僅是對現(xiàn)有知識的處理與應(yīng)用，而是希望成為推動科學(xué)發(fā)現(xiàn)本身的引擎。
科學(xué)的本質(zhì)在于突破已知的邊界，創(chuàng)造全新的認(rèn)知與原理，DeepMind的“AI for Science”正將人工智能的力量直接應(yīng)用于科學(xué)探索，致力于推動人類在這一最前沿領(lǐng)域?qū)崿F(xiàn)突破。或許，這預(yù)示著人工智能發(fā)展的下一條關(guān)鍵脈絡(luò)，甚至可能率先突破大語言模型所面臨的“知識邊界”限制。
01、Alpha系列的創(chuàng)新路徑，從規(guī)則到發(fā)現(xiàn)
為了更好地理解DeepMind所走的這條獨(dú)特路線，我們需要重新審視其“發(fā)現(xiàn)”能力的本質(zhì)。Alpha系列模型（如AlphaZero、AlphaFold）的運(yùn)作方式，與大語言模型有本質(zhì)區(qū)別。它們并非通過學(xué)習(xí)海量文本數(shù)據(jù)中的統(tǒng)計(jì)規(guī)律來“模仿”或“預(yù)測”人類的答案。相反，這些模型是在一個(gè)由精確規(guī)則（如圍棋規(guī)則、物理定律、數(shù)學(xué)公理）定義的世界中，進(jìn)行深度探索和創(chuàng)新。
Alpha系列模型的核心機(jī)制通常結(jié)合了深度學(xué)習(xí)（用于模式識別和狀態(tài)評估）與強(qiáng)化學(xué)習(xí)/搜索算法（如蒙特卡洛樹搜索）：
定義問題空間：將復(fù)雜問題（例如下棋、蛋白質(zhì)折疊、定理證明）轉(zhuǎn)化為一個(gè)龐大且有明確規(guī)則的搜索空間。
探索與評估：模型通過模擬（如自我對弈、模擬物理過程）或推理，探索該空間中的無數(shù)可能性。它并不依賴現(xiàn)有數(shù)據(jù)中的“正確答案”，而是根據(jù)預(yù)設(shè)目標(biāo)（如贏得棋局、最小化能量函數(shù)、找到證明路徑）和規(guī)則，通過試錯(cuò)學(xué)習(xí)來評估每一步探索的優(yōu)劣。
發(fā)現(xiàn)新穎解法：經(jīng)過大量探索與優(yōu)化，模型能夠發(fā)現(xiàn)超越人類直覺的解決方案，甚至提出在人類數(shù)據(jù)中從未出現(xiàn)過的創(chuàng)意。例如，AlphaZero發(fā)現(xiàn)的非傳統(tǒng)圍棋策略，AlphaFold預(yù)測的高精度、先前未知的蛋白質(zhì)結(jié)構(gòu)，都是這種“涌現(xiàn)式發(fā)現(xiàn)”的典型體現(xiàn)。
這種機(jī)制的核心在于從基本原理出發(fā)進(jìn)行推理與創(chuàng)造，而非對現(xiàn)有知識的歸納與復(fù)述。正是這種方式使得Alpha系列模型能夠在突破人類認(rèn)知局限、產(chǎn)生真正新知識方面，展現(xiàn)出獨(dú)特的優(yōu)勢。
02、為什么說DeepMind的AI for Science可行？
一些觀點(diǎn)認(rèn)為，DeepMind的“AI for Science”路徑是可行的，可能因?yàn)橐韵聨c(diǎn)原因：
里程碑式的成功驗(yàn)證：AlphaZero不僅完勝人類圍棋冠軍，其展現(xiàn)的創(chuàng)新策略甚至啟發(fā)了人類棋手；AlphaFold的成就更為直觀——其開源的AlphaFold蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫（AlphaFold DB）目前已包含超過2億個(gè)蛋白質(zhì)結(jié)構(gòu)預(yù)測，被全球超過100萬研究人員使用，極大地加速了生命科學(xué)和藥物研發(fā)進(jìn)程。多項(xiàng)成果被《Nature》和《Science》等頂級期刊認(rèn)證，這些充分證明了該技術(shù)路線的有效性和潛力。
科學(xué)問題與方法的天然契合：許多前沿科學(xué)挑戰(zhàn)，如尋找新型催化劑提升綠氫生產(chǎn)效率，或設(shè)計(jì)具備特定性能（如室溫超導(dǎo)、高效儲能）的新材料，實(shí)質(zhì)上是在龐大的可能性空間中依照物理化學(xué)規(guī)則進(jìn)行優(yōu)化搜索。傳統(tǒng)試錯(cuò)法效率低下，而Alpha系列模型擅長大規(guī)模、規(guī)則驅(qū)動的探索。比如，一個(gè)AI模型能在幾天內(nèi)評估數(shù)百萬種電池電極材料結(jié)構(gòu)，尋找最佳的能量密度和穩(wěn)定性平衡，這是人力所無法比擬的速度和規(guī)模。
超越“人類數(shù)據(jù)”的知識源：與依賴人類創(chuàng)造的文本和代碼的大語言模型不同，“AI for Science”能夠利用更基礎(chǔ)、廣泛的知識源——如物理定律、化學(xué)方程式、生物學(xué)通路和數(shù)學(xué)公理。更重要的是，模型還可以通過模擬環(huán)境如物理仿真、自我對弈等自主生成大量訓(xùn)練數(shù)據(jù)，這在一定程度上避免了大語言模型可能面臨的數(shù)據(jù)天花板問題。（當(dāng)然，即使是模擬數(shù)據(jù)，建立準(zhǔn)確、可靠的模擬環(huán)境本身就是巨大的挑戰(zhàn)）。
算力等資源優(yōu)勢：驅(qū)動這些模型需要驚人的計(jì)算資源。例如，AlphaFold的訓(xùn)練便動用了數(shù)百個(gè)TPU/GPU核心，持續(xù)數(shù)周之久。作為母公司，谷歌能夠提供充足算力資源支持和持續(xù)的研發(fā)投入，這是DeepMind能夠攻克這些“硬核”科學(xué)難題的關(guān)鍵保障。同時(shí)，谷歌將“AI for Science”作為核心戰(zhàn)略方向，確保了資源長期聚焦。
03、LLM 與 AI for Science相輔相成，開創(chuàng)AI新局面
盡管大語言模型與DeepMind的科學(xué)發(fā)現(xiàn)引擎在技術(shù)側(cè)重點(diǎn)上有所不同，但它們并非對立或相互取代，而是AI發(fā)展的兩條互補(bǔ)主線，具有顯著的協(xié)同潛力：
大語言模型的角色：作為強(qiáng)大的通用智能接口和知識處理助手，大語言模型擅長理解自然語言、整合跨領(lǐng)域信息、輔助編碼、生成報(bào)告、激發(fā)創(chuàng)意，甚至在用戶與復(fù)雜科學(xué)模型的交互中充當(dāng)“翻譯器”。它們能夠顯著提升研究人員在信息處理、思想交流以及工具利用等方面的效率。
AI for Science的角色：作為深度問題解決者和新知識的創(chuàng)造者，科學(xué)發(fā)現(xiàn)引擎專注于在規(guī)則明確的復(fù)雜系統(tǒng)中進(jìn)行深度搜索與優(yōu)化，擅長發(fā)現(xiàn)非直觀的解決方案，推動特定科學(xué)或工程領(lǐng)域的突破。
未來的AI發(fā)展圖景可能是協(xié)同進(jìn)化的：
研究人員可以利用大語言模型快速梳理文獻(xiàn)、提出初步假設(shè)，甚至協(xié)助編寫模擬代碼。
隨后，AI for Science（Alpha類模型）可以對這些假設(shè)進(jìn)行嚴(yán)格的模擬、計(jì)算或證明，進(jìn)行深度探索和驗(yàn)證。
大語言模型還可以幫助科學(xué)家理解和解釋由科學(xué)發(fā)現(xiàn)引擎產(chǎn)生的復(fù)雜結(jié)果。
甚至，未來可能出現(xiàn)融合二者優(yōu)勢的混合型AI，既具備強(qiáng)大的理解與交互能力，又能夠在特定領(lǐng)域進(jìn)行深度推理與發(fā)現(xiàn)。因此，這兩條技術(shù)路徑可以共同推動AI向更遠(yuǎn)的未來邁進(jìn)。
04、深遠(yuǎn)影響：AI for Science有望重塑多個(gè)行業(yè)格局
可以預(yù)見，“AI for Science”的持續(xù)進(jìn)步將推動對高性能計(jì)算的巨大需求。這種“發(fā)現(xiàn)型AI”對算力的需求將是持續(xù)且巨大的。無論是訓(xùn)練復(fù)雜的強(qiáng)化學(xué)習(xí)模型，還是在龐大的可能性空間中進(jìn)行搜索，都需要強(qiáng)大的計(jì)算能力。AlphaFold的成功驗(yàn)證了這一點(diǎn)，未來，隨著更復(fù)雜的科學(xué)問題例如氣候模型、新材料設(shè)計(jì)、宇宙學(xué)模擬和數(shù)學(xué)定理的探索，AI對高性能計(jì)算芯片的需求將不斷攀升。
因此，不斷增長的“AI for Science”需求，將成為推動半導(dǎo)體產(chǎn)業(yè)增長的關(guān)鍵力量。
除了半導(dǎo)體產(chǎn)業(yè)外，“AI for Science”還將根本改變多個(gè)行業(yè)的研發(fā)模式和創(chuàng)新速度，這些進(jìn)展將極大地加速各行業(yè)的研發(fā)進(jìn)程，推動技術(shù)革新，進(jìn)而重塑整個(gè)產(chǎn)業(yè)格局。
生物醫(yī)藥與健康：以AlphaFold為開端，AI將革命性地推動新藥靶點(diǎn)發(fā)現(xiàn)、候選藥物分子設(shè)計(jì)、臨床試驗(yàn)優(yōu)化和個(gè)性化精準(zhǔn)醫(yī)療等領(lǐng)域，顯著縮短研發(fā)周期、降低成本，助力攻克癌癥、阿爾茨海默癥等重大疾病。
材料科學(xué)與能源：AI將加速新材料的發(fā)現(xiàn)，如更高效的太陽能電池、更高容量的電池電極、更環(huán)保的催化劑及更輕、更強(qiáng)的結(jié)構(gòu)材料等，為解決能源危機(jī)、環(huán)境問題和推動制造業(yè)升級提供關(guān)鍵技術(shù)支持。
化學(xué)與化工：AI能夠優(yōu)化化學(xué)反應(yīng)路徑，設(shè)計(jì)更高效、更環(huán)保的生產(chǎn)工藝，甚至發(fā)現(xiàn)新的合成方法，推動化學(xué)工業(yè)向綠色轉(zhuǎn)型。
基礎(chǔ)科學(xué)研究：AI將在數(shù)學(xué)領(lǐng)域協(xié)助證明復(fù)雜定理（如AlphaProof項(xiàng)目），在物理學(xué)領(lǐng)域幫助分析粒子對撞機(jī)數(shù)據(jù)、模擬宇宙演化或探索量子現(xiàn)象，并改進(jìn)氣候科學(xué)的預(yù)測模型。
工程與設(shè)計(jì)：AI將優(yōu)化航空航天器的空氣動力學(xué)設(shè)計(jì)，改進(jìn)芯片布局，提升復(fù)雜系統(tǒng)（如物流網(wǎng)絡(luò)、電網(wǎng)調(diào)度等）的運(yùn)行效率，推動工程技術(shù)的創(chuàng)新。
“AI for Science”的核心目標(biāo)是加速科學(xué)發(fā)現(xiàn)，推動人類在認(rèn)識和改造世界的能力上實(shí)現(xiàn)指數(shù)級飛躍。它不僅是現(xiàn)有AI技術(shù)版圖的重要補(bǔ)充，更可能成為人類通向新知識領(lǐng)域的關(guān)鍵路徑。隨著技術(shù)不斷進(jìn)步，我們將見證一種全新的知識誕生模式，這不僅將深刻變革科學(xué)研究的方式，還將推動人類在多個(gè)領(lǐng)域?qū)崿F(xiàn)認(rèn)知與技術(shù)的重大突破。
掃碼關(guān)注我們
