TED科技大咖对话：AI破解2亿种蛋白质之谜，为人类加速抗癌药物研发

（关注公众号并设为🌟标，第一时间获取最新人工智能资讯和产品）

全文约8000 字，阅读约需 8分钟 

人类生存的最大挑战之一莫过于疾病，尤其是癌症等顽疾。

然而，在这场艰巨的抗争中，人工智能正逐渐成为我们最有力的盟友。在一场富有远见的对话中，Google DeepMind联合创始人兼首席执行官Demis Hassabis与TED负责人Chris Anderson深入探讨了人工智能的发展历程及其令人惊叹的潜力。

Hassabis重点介绍了AlphaFold这一突破性的AI模型。它在不到一年的时间里，成功预测了科学界已知的全部2亿种蛋白质的三维结构。这一成就不仅是科学milestone，更为新药研发，尤其是抗癌药物的开发开辟了新途径。通过快速、准确地解析蛋白质结构，AI正在前所未有的速度下推动科学发现，为人类健康带来新的希望。

文稿整理

主持人Chris Anderson: Demis，很高兴你能来这里。

嘉宾Demis Hassabis: 来到这里真是太棒了，谢谢你，Chris。

DeepMind成立和发展

Chris Anderson: 你曾对《时代》杂志说过，“我想理解那些大问题，那些真正大的问题，通常你如果对它们感兴趣，你会去学哲学或物理学。我认为构建人工智能将是回答这些问题的最快方式。” 为什么你会这么认为？

Demis Hassabis: （笑）嗯，我猜当我还是个孩子的时候，我最喜欢的科目是物理学，我对所有大问题都感兴趣，比如现实的基本性质，什么是意识，你知道的，所有那些重大的问题。通常，如果你对此感兴趣，你会去学物理学。但我阅读了很多伟大的物理学家，一些我一生崇拜的科学英雄，如费曼等。我意识到，在过去的大约20、30年里，我们在理解一些这些基本法则上没有取得多少进展。所以我想，为什么不构建一个终极工具来帮助我们呢，那就是人工智能。同时，通过这样做，我们也许还能更好地了解我们自己以及大脑。所以，它不仅是一个了不起的工具，它本身也对一些大问题有用。

Chris Anderson: 非常有趣。显然人工智能可以做很多事情，但我认为对于这次对话，我很想专注于它可能如何解锁真正的大问题，那些巨大的科学突破，因为这一直是推动你和你的公司的一个主题。

Demis Hassabis: 我的意思是，人工智能能做的一件大事，我一直在思考的，是我们从20、30年前互联网时代和计算机时代开始，就在产生大量数据，还有科学数据，对于人类的大脑来说，这在很多情况下是无法理解的。我认为人工智能的一个用途是在大量数据中找到模式和洞察力，然后将这些信息呈现给人类科学家来理解并提出新的假设和推测。所以在我看来，这与科学方法非常兼容。

Chris Anderson:  对。但是游戏在你的旅程中扮演了巨大的角色，你是如何理解这个事情的？

Demis Hassabis: 那个是我，我想我当时大概九岁。我是英格兰11岁以下队的队长，我们正在参加一个四国锦标赛，这就是为什么我们都穿红色。我想我们是和法国、苏格兰还有威尔士对战。

Chris Anderson: 这太奇怪了，因为这也发生在我身上。在我的梦中。（笑声）而且不仅仅是国际象棋，你喜欢各种游戏。

Demis Hassabis:  是的，我喜欢各种游戏。

Chris Anderson: 当你启动 DeepMind 时，很快，你就开始让它处理游戏玩法。为什么？

Demis Hassabis: 嗯，看吧，实际上游戏最初让我对AI产生兴趣，因为当时我们会和英格兰队一起去训练营等。实际上那时是在80年代中期，我们会使用非常早期的国际象棋电脑来训练，除了彼此对战。那些是大块的塑料，你知道的，是实体棋盘，你们中有人可能还记得，需要实际按下棋盘上的方格，会有LED灯亮起。我记得实际上，我不仅仅是在思考国际象棋，我实际上对这块塑料本身很着迷，有人编程让它变得聪明并能以非常高的水平下棋。这让我对思考产生了兴趣。这让我思考大脑是如何产生这些思维过程、这些想法的，然后也许我们如何能用计算机模仿这一点。所以，这确实是我一生的一个主题。

Chris Anderson: 但你筹集了这么多资金来启动 DeepMind，很快你就开始使用它来做比如这个。这是一个奇怪的用途。这里发生了什么？

Demis Hassabis: 嗯，我们一开始就用游戏开始 DeepMind。这是在2010年，大约10年前，我们的第一个重大突破。因为我们从1970年代的经典雅达利游戏开始，那些是最简单的电脑游戏。我们使用游戏的一个原因是它们非常方便测试你的想法和算法。它们的测试速度非常快。而且随着你的系统变得更强大，你可以选择更难的游戏。这实际上是我们的机器第一次让我们惊讶的时刻，这是许多次中的第一次，它在一款名为 Breakout 的游戏中发现了一个策略，你可以把球送到墙的后面，实际上这是摧毁所有墙上瓷砖的更安全的方法。这是一个经典的雅达利游戏。这是我们第一次真正的顿悟时刻。

AlphaZero为什么打败李世石

Chris Anderson: 所以这个系统并没有被编程去执行任何策略，它只是被告知尝试找到一种赢的方式。你只需要移动底部的球拍，看看你能否找到一种赢的方法。

Demis Hassabis: 那时真的是一场革命。这是在2012年、2013年，我们创造了“深度强化学习”的术语。关键在于，这些系统是直接从屏幕上的像素，原始像素中学习的，除此之外没有被告知任何信息。所以它们被告知要最大化分数，这里是屏幕上的像素，30000个像素。系统必须从最基本的原则自己理解正在发生什么，它在控制什么，如何得分。这也是一开始使用游戏的另一个好处。它们有明确的目标，赢得比赛，得到分数。所以你可以很容易地衡量你的系统是否在进步。

Chris Anderson: 但从那到几年后的这一刻有一条直线，那时韩国和亚洲的许多其他地区，实际上是全世界都为之疯狂——疯狂于什么？

Demis Hassabis: 是的，这是2016年——我们玩游戏工作的顶峰，所以我们做了雅达利，做了一些更复杂的游戏。然后我们达到了顶峰，那就是围棋游戏，亚洲人玩围棋而不是国际象棋，但围棋实际上比国际象棋复杂得多。用于解决国际象棋的那些暴力算法在围棋上是不可能的，因为围棋是一种更基于模式的游戏，更直观的游戏。所以即使在90年代Deep Blue击败了Garry Kasparov，我们的程序AlphaGo也用了另外20年才打败围棋世界冠军。我们一直认为，我和多年来在这个项目上工作的人，如果你能构建一个系统，能打败围棋世界冠军，那么它一定做了一些非常有趣的事情。在这种情况下，我们用AlphaGo做的，基本上是它通过对自己玩数百万局游戏，自学了关于围棋的想法，正确的策略。事实上，它发明了围棋界从未见过的新策略，尽管我们已经玩了2000多年的围棋，它是现存最古老的棋类游戏。所以，这实在是令人震惊。它不仅赢得了比赛，还提出了全新的策略。

Chris Anderson: 你继续用一种新的策略，甚至没有真正教它关于围棋的任何东西，而只是设置系统，让它们从基本原则开始玩，这样它们就可以从零开始自学围棋或国际象棋。谈谈AlphaZero以及那时在国际象棋中发生的惊人事情吧。

Demis Hassabis: 在此之后，我们从给AlphaGo提供互联网上玩的所有人类游戏开始。所以这是它知识的基本起点。然后我们想看看如果我们从零开始会发生什么，从字面上的随机玩开始。这就是AlphaZero的由来。名字中的“零”意味着它从零先验知识开始。我们这样做的原因是因为这样我们可以构建一个更通用的系统。AlphaGo只能玩围棋，但AlphaZero可以玩任何两人游戏，它是通过最初随机玩，然后逐渐、增量地改进。嗯，其实不是很慢，在24小时内，它从随机玩到比世界冠军水平还要好。

Chris Anderson: 这对我来说太神奇了。我对国际象棋比对围棋更熟悉。几十年来，成千上万的AI专家致力于建立令人难以置信的国际象棋电脑。最终，它们变得比人类更好。几年前，你有一个时刻，在九小时内，AlphaZero自学了比任何以前的系统都要好的国际象棋玩法。谈谈那时发生的事情。

Demis Hassabis: 实际上那是一个非常不可思议的时刻。所以我们开始在国际象棋上进行设置。正如你所说，国际象棋和AI有着丰富的历史，其中有这些专家系统，它们被编程了国际象棋的想法、国际象棋算法。你知道，我非常清楚地记得那一天，你坐在系统旁边，它从随机开始，早上，你去喝一杯咖啡，回来的时候，我还能勉强赢它，可能勉强。然后你再让它运行四个小时。到了晚餐时间，它就成了有史以来最伟大的国际象棋实体。你知道，看着那些在你眼前发生的事情真是太神奇了，像国际象棋这样你很擅长的东西，实际上就这样目睹了。然后你推断它接下来能在科学或其他领域做些什么，当然，游戏从来都不是目的本身。它们只是我们理念的训练场，为了在不到五年的时间里，从雅达利游戏到围棋取得快速进展。

人们对AI复杂情绪

Chris Anderson: 我的意思是，这就是人们对人工智能感到敬畏同时又有些恐惧的原因。这不仅仅是逐步改进。事实上，几小时内你就能实现几个世纪以来数百万人无法实现的成就。这让人不得不深思。

Demis Hassabis: 的确如此，这是一项极其强大的技术。它将带来令人难以置信的转变。我们必须非常谨慎地使用这种能力。

Chris Anderson: 那么谈谈这种用途，因为这又是你所做工作的另一个延伸，现在你将其转向对世界极其有用的事物。左边的所有字母是什么，右边的是什么？

Demis Hassabis: 这一直是我从小对AI的目标，即使用它来加速科学发现。实际上，自从我在剑桥大学本科时代以来，我就一直有一个为AI准备的问题，它被称为蛋白质折叠问题。这是生物学中一个有50年历史的巨大挑战。这很简单易懂。蛋白质是生命的基石。它们是生命的构建块。你身体中的一切都依赖于蛋白质。蛋白质可以通过其氨基酸序列来描述，你可以把它大致视为描述蛋白质的遗传序列，那就是那些字母。

Chris Anderson: 每一个字母本身代表一个复杂的分子吗？

Demis Hassabis: 没错，每个字母都是一个氨基酸。你可以将它们想象成一串珠子，就在下面，左边，对吗？但在自然界中，在你的身体或动物中，这串序列变成了右边的这种美丽的形状。那是蛋白质。这些字母描述了那个形状。这就是它在自然中的样子。而关于这种三维结构的重要之处在于，蛋白质的三维结构在很大程度上告诉你它在身体中的功能是什么，它的作用是什么。所以蛋白质折叠问题就是：你能否直接从氨基酸序列预测出三维结构？所以如果你给机器、AI系统字母，它能否产生右边的三维结构？这就是我们的程序AlphaFold所做的。

Chris Anderson: 它不是从这些字母计算出来的，它是观察其他已知折叠蛋白的模式，然后从这些模式中学习，可能这就是实现它的方式？

Demis Hassabis:  当我们开始这个项目时，实际上是在AlphaGo之后马上，我觉得我们已经准备好了。一旦我们解决了围棋问题，我感觉我们终于在差不多20年的研究后，准备好解决一些科学问题了，包括蛋白质折叠问题。我们从仔细地，在过去40多年里，实验生物学家们使用非常复杂的X射线晶体学技术和其他复杂的实验技术，拼凑出大约150,000个蛋白质结构开始。经验法则是，一个博士生的整个博士期间，大概四五年时间，用来揭示一个结构。但自然界已知的蛋白质有2亿个。所以你可以想象，用传统方法去做将会花费无限的时间。因此，我们使用AlphaFold在一年内成功折叠了科学已知的所有这2亿个蛋白质。这节省了十亿年的博士研究时间。（掌声）

Chris Anderson: 对我来说令人惊奇的是它的可靠性。我的意思是，这显示了，你有模型，你做实验。果然，蛋白质的实际结果与模型相同。乘以2亿次。

Demis Hassabis: 当你更深入地研究蛋白质时，你会开始欣赏它们的精致。我的意思是，看看这些蛋白质有多美。每一种都在自然界中执行一种特殊功能。它们几乎就像艺术品一样。今天我仍然对AlphaFold能够预测的准确性感到惊讶，绿色是真实的基准，蓝色是预测，它的预测准确度平均达到原子宽度，这是生物学家使用它所需要的准确性，用于药物设计和疾病理解，这正是AlphaFold所解锁的。

Chris Anderson: 你做了一个令人惊讶的决定，那就是公开你的2亿个蛋白质的实际结果。

Demis Hassabis:  我们开源了AlphaFold，并将所有数据放在一个巨大的数据库中，与我们出色的合作伙伴，欧洲生物信息学研究所一起分享。（掌声）

Chris Anderson:  我的意思是，你是谷歌的一部分。有没有接到电话说，“嗯，Demis，你刚做了什么？”

Demis Hassabis:   你知道，我很幸运我们有非常支持的，谷歌真的非常支持科学并理解这对世界的好处。而且，你知道，这里的论点是我们可能只触及了我们能用这个做到的事情潜力的表面。这可能像科学界用它做的事情的百万分之一。全世界有超过一百五十万的生物学家使用了AlphaFold及其预测。我们认为几乎世界上每一个生物学家现在都在使用这个，每家制药公司都是如此。所以我们可能永远也不会知道它所有的全部影响。

Chris Anderson:  但你正在一个名为Isomorphic的从谷歌分离出来的新公司中继续这项工作。

Demis Hassabis: 是的，Isomorphic。

Chris Anderson:  给我们一点关于那里的愿景的感觉。那个愿景是什么？

Demis Hassabis:  AlphaFold是一种基本的生物学工具。比如，这些3D结构是什么，它们在自然中可能做什么。然后，如果你知道这个，你会对此感到兴奋的原因是，这是理解疾病的开端，也可能有助于设计药物。所以如果你知道蛋白质的形状，然后你可以弄清楚你将用你的药物化合物针对蛋白质表面的哪个部分。Isomorphic正在扩展我们在AlphaFold中做的工作到化学领域，我们可以设计化学化合物，这些化合物将精确地结合到蛋白质上正确的位置，同时也很重要的是，不与身体中的其他任何东西结合。所以它没有任何副作用，也不是有毒的等等。我们正在建立许多其他的AI模型，类似于AlphaFold的姐妹模型来帮助在化学领域做出预测。

Demis Hassabis:  那么我们可以期待在未来几年看到一些相当戏剧性的健康医疗突破。

对的ChatGPT看法

Chris Anderson:  追求这些惊人的医学突破和科学突破，然后突然有点像从左边的领域来的，OpenAI与微软发布了ChatGPT。世界为之疯狂，突然间大家都说，“哇，AI是......”，你知道，每个人都可以使用它。感觉就像是摩洛克陷阱在行动。我认为微软CEO Satya Nadella实际上说过，“谷歌是搜索领域的800磅大猩猩。我们想让谷歌跳舞。”怎么样？而且确实，谷歌跳了舞。你的角色发生了变化，你接管了整个谷歌AI的努力。产品被匆忙推出。你知道，Gemini，有些部分令人惊叹，有些部分令人尴尬。我不会问你关于Gemini的问题，因为你在其他地方已经解释过了。但这感觉就像是摩洛克陷阱正在发生，你和其他人被推动去做一些在这种催化竞争的情况下你不会做的事情。Meta也做了类似的事情。他们匆忙推出了一个开源版本的AI，这本身可以说是一种鲁莽的行为。这对我来说似乎很可怕。是可怕吗？

Demis Hassabis:  看，这是一个复杂的话题，当然。首先，我有很多话要说。首先，我们一直在研究许多大型语言模型。而且，显然，正如你所知，谷歌研究实际上发明了Transformers，这是五、六年前使所有这些成为可能的架构。所以我们内部有很多大型模型。我认为ChatGPT时刻改变的事情是，公平地说，他们也有点惊讶，公众已经准备好了，你知道，普通公众已经准备好接受这些系统，并且实际上发现这些系统有价值。尽管它们令人印象深刻，我猜当我们在研究这些系统时，大多数时间你都在关注它们的缺陷和它们不做的事情以及你们现在都熟悉的幻觉。我们在想，鉴于它做了这个那个，有人真的会觉得它有用吗？我们希望它们先改进这些问题，然后再推出。但有趣的是，即使存在这些缺陷，数以千万计的人仍然发现它们非常有用。因此，这是一个有趣的更新，也许是产品与科学的融合，实际上，我们一直在实验室里做的所有这些令人惊奇的事情，实际上已经准备好在科学的稀薄世界之外进行广泛使用。我认为这在很多方面都是非常令人兴奋的。

Chris Anderson:  目前，我们有这些令人兴奋的产品阵列，我们都在享受。你知道，所有这些生成性AI的东西都是令人惊奇的。但让我们把时间向前推进一点。据报道，微软和OpenAI正在建设或投资大约1000亿美元，打造一个绝对庞大的数据库超级计算机，它可以提供比今天任何我们拥有的都要大几个数量级的计算能力。据估计，它需要大约五千兆瓦的能量来驱动，这是纽约市驱动一个数据中心的能量。因此，我们正在将所有这些能量投入到这个巨大的、广阔的大脑中。谷歌，我想是会匹配这种类型的投资，对吗？

Demis Hassabis:  嗯，我的意思是，我们不谈论我们的具体数字，但你知道，我认为我们将在一段时间内投资超过那个数额。这也是我们在2014年与谷歌合作的原因之一，我们知道要实现AGI，我们将需要大量的计算能力。这正是所发生的事情。而且，谷歌过去和现在都拥有最多的计算资源。

Chris Anderson: 所以地球正在建造这些巨大的计算机，这些巨大的大脑，将为未来经济的很大一部分提供动力。而且这一切都是由彼此竞争的公司完成的。我们如何避免某个公司领先，另一家公司在他们的项目上投资了1000亿美元的情况？难道不会有人说，“等一下。如果我们在这里使用强化学习，或许让AI调整自己的代码并重写，让它变得[强大]，我们可能能在周末的九个小时内赶上他们的进展。冒险一试，该死的，我们别无选择。否则我们将为我们的股东损失一大笔钱。”我们如何避免这种情况？

Demis Hassabis: 是的，当然，我们必须避免这种情况。我的观点是，当我们接近AGI时，我们需要更多的合作。好消息是，参与这些实验室的大多数科学家彼此非常了解。我们在会议和其他活动上经常交谈。这项技术仍然相对初生。所以可能目前发生的情况还可以接受。但当我们接近AGI时，我认为作为一个社会，我们需要开始考虑构建的架构类型。当然，我非常乐观，这就是为什么我一生都在研究AI并致力于AGI。但我怀疑有许多方法可以安全、稳健、可靠且以可理解的方式构建架构。我认为几乎肯定会有以某种形式构建不安全或有风险的架构的方式。所以我看到了一种瓶颈，我们必须让人类通过，那就是作为第一种类型的AGI系统构建安全的架构。在那之后，我们可以有一种多样化的不同类型的系统的繁荣，这些系统理想情况下是从那些安全架构中分裂出来的，它们理想情况下具有一些数学保证或至少一些实际保证，围绕它们的功能。

个人成长经历

Chris Anderson: 政府在这里是否有一个必要的角色，来定义什么是公平竞争的环境，什么是绝对禁忌的？

Demis Hassabis:  是的，我认为这不仅仅是——实际上我认为政府、民间社会、学术界以及社会的所有部分在这里都扮演着关键的角色，以塑造我们接近AGI时，与行业实验室一起，应该是什么样子的合作和所需的协作，以防止那种失控的竞赛动态发生。

Chris Anderson: 好的，听起来你仍然保持乐观。这张图片是什么？

Demis Hassabis:  这实际上是我最喜欢的图片之一。我称它为，像是，所有知识的树。你知道，我们已经谈了很多关于科学的事情，而很多科学可以归结为如果你想象世界上存在的所有知识是一棵知识之树，然后也许我们今天作为一个文明所知道的是那个树的一小部分。我看到AI是这样一个工具，它允许我们作为科学家，有一天可能探索整棵树。我们有这个关于根节点问题的想法，像AlphaFold，蛋白质折叠问题，如果你能破解它们，它会解锁一个全新的发现分支或新的研究。这就是我们在DeepMind和Google DeepMind尝试专注于破解的。如果我们做对了，那么我认为我们可能会处于一个令人难以置信的新时代，充满激进的丰盛，治愈所有疾病，将意识传播到星辰。你知道，最大化人类的繁荣。

Chris Anderson:  我们的时间到了，但在你的梦中，有没有最后一个例子，你认为在你的有生之年，AI可能会带我们达到的梦想问题？

Demis Hassabis:  我的意思是，一旦AGI建立，我想用它来尝试理解现实的基本性质。所以在普朗克尺度上做实验。你知道，最小可能的尺度，理论上的尺度，这几乎就像是现实的分辨率。

Chris Anderson: 你知道，我是在宗教中长大的。在《圣经》中，有一个关于知识之树的故事，结果并不是很好。（笑声）有没有任何情况，我们发现了宇宙说，“人类，你们可能不应该知道这个。”

Demis Hassabis:  可能。我的意思是，可能有一些不可知的事物。但我认为科学方法是人类迄今为止发明的最伟大的发明。你知道，启蒙运动和科学发现。这就是构建我们周围这个令人难以置信的现代文明和我们使用的所有工具的基础。所以我认为这是我们拥有的最好的技术，用于理解我们周围宇宙的巨大性。

Chris Anderson:  嗯，Demis，你已经改变了世界。我想可能在场的每个人都会为你继续加速朝着正确方向前进的努力而为你加油。

Demis Hassabis: 谢谢。

Chris Anderson: Demis Hassabis。（掌声）

---

对了，喜欢就别忘了点赞、收藏、转发支持一下！期待在评论区听到你对AI观点和看法!

往期回顾

---

我们AI团队旨在企业与个人将先进科技与创新想法完美融合!

想要掌握人工智能，但不知从何开始？告诉我们你的需求，零成本学习AI让你优先抓住这波技术浪潮

告别昂贵服务和缺人烦恼,再见漫长交付周期

无限创意风格,分分钟生成专业级作品

感受 AI 带来的全新工作体验！

欢迎各大品牌方、媒体、企业和个人等

请联系负责人微信：Milo-1101

--END--