諾貝爾獎連續(xù)“頒給AI”，背后最大贏家竟是Google？

硅星人·2024-10-14

Google的“家底”依然深厚

編者按：本文來自微信公眾號硅星人Pro（ID：Si-Planet），作者：Jessica，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

2024年的諾貝爾化學獎一半授予大衛(wèi)·貝克（David Baker），“以表彰在計算蛋白質(zhì)設計方面的貢獻”；另一半則共同授予德米斯·哈薩比斯（Demis Hassabis）和約翰·M·詹珀（John M. Jumper），“以表彰他們在蛋白質(zhì)結(jié)構(gòu)預測方面的成就”。

David Baker 是華盛頓大學蛋白質(zhì)設計研究所所長，被譽為蛋白質(zhì)設計領域先驅(qū)。2003年起，他成功設計出全新的Top7等多種創(chuàng)新蛋白質(zhì)，廣泛應用于藥物、疫苗、納米材料、微型傳感器等領域。并在1999年就提出了蛋白質(zhì)結(jié)構(gòu)預測算法RoseTTA，早于Deepmind的AlphaFold。

另兩位獲獎者就更不陌生。Demis Hassabis是Google DeepMind聯(lián)合創(chuàng)始人兼CEO，John M. Jumper現(xiàn)任Google DeepMind總監(jiān)。兩人通過領導團隊開發(fā) AI 模型 AlphaFold 2，解決了困擾科學界50年的難題：從氨基酸序列預測蛋白質(zhì)的復雜結(jié)構(gòu)。

蛋白質(zhì)是生命的基礎化學工具，它們控制并推動著所有生物化學反應，擔任激素、信號物質(zhì)、抗體和組織構(gòu)建的關鍵角色。在蛋白質(zhì)中，氨基酸以長鏈的形式連接在一起，并折疊成三維結(jié)構(gòu)。自上世紀70年代以來，研究人員一直嘗試根據(jù)氨基酸序列預測蛋白質(zhì)結(jié)構(gòu)，無奈進展緩慢，直至四年前DeepMind帶來的驚人突破。

2020年，Demis Hassabis和John Jumper在初代 AlphaFold 的基礎開發(fā)了AlphaFold 2。它幾乎能夠預測所有已被研究人員識別的2億個蛋白質(zhì)的結(jié)構(gòu)，至今已被引用超過2萬次，被來自190個國家200多萬人使用，在推動包括瘧疾疫苗、癌癥治療、酶設計和抗生素耐藥性研究等領域取得了巨大進展。實際上在諾獎以前，兩人已于去年獲得素有“科學界奧斯卡”之稱的生命科學突破獎和“諾獎風向標”拉斯克獎，以表彰他們?yōu)榛A醫(yī)學研究做出的突出貢獻。

瑞典皇家科學院在聲明中稱，“沒有蛋白質(zhì)，生命無法存在。如今我們能夠預測蛋白質(zhì)結(jié)構(gòu)并設計自己的蛋白質(zhì)，這為人類帶來了巨大的福祉?！?/p>

得知獲獎消息后，Google DeepMind官方第一時間發(fā)文“報喜”。

Demis Hassabis也發(fā)表聲明稱：

“獲得諾貝爾獎是我一生的榮譽。感謝瑞典皇家科學院，感謝John Jumper和AlphaFold團隊，感謝更廣泛的DeepMind和Google團隊，以及所有為這一時刻做出貢獻的同事。我將我的職業(yè)生涯奉獻給AI的進步，因為它擁有無與倫比的潛力，能夠改善數(shù)十億人的生活。AlphaFold已經(jīng)被200多萬研究人員用于推進關鍵工作，從酶設計到藥物發(fā)現(xiàn)。我希望未來我們能將AlphaFold視為AI加速科學發(fā)現(xiàn)巨大潛力的第一個實證?！?/p>

John Jumper隨即表示：“這是AI能夠加速科學研究并最終幫助理解疾病和開發(fā)治療方法的一個重要證明。這項工作歸功于Google DeepMind的優(yōu)秀團隊，這個獎項也認可了他們的杰出貢獻。”

至此，加上此前率先獲得物理學獎，并引發(fā)高度討論度的“AI教父”杰弗里·E·辛頓（Geoffrey E. Hinton），這些今年最受關注的獲獎者背后，共同的交集很明顯——辛頓是承載Google早期AI野心的Google Brain的核心人物，而Demis Hassabis是承載Google近年來AI研究任務的Google Deepmind的靈魂。

怪不得連“諾貝爾派對”都直接在Google園區(qū)舉辦了。

在諾貝爾獎連續(xù)發(fā)給AI科學家背后，Google也“贏麻了”。

Google的進攻

從時間線上來看，谷歌絕對是最早入局人工智能的大公司玩家。

盡管在許多故事版本中，都將2012年冬天那場發(fā)生在美國太浩湖旁賭場酒店里的秘密競拍，描述為Google、微軟、百度三家科技巨頭與DeepMind之間，圍繞Hinton剛成立、除了幾篇論文外沒有任何實質(zhì)產(chǎn)品的小公司DNNResearch的公平競爭。但事后回看，這場競拍的結(jié)局其實早已注定。因為它的起源之一，正是來自6個月前Google的推動。

2012年6月，Google Brain公開啟動“谷歌貓（The Cat Neurons）”項目，用算法識別YouTube視頻中的貓。由吳恩達領導，Jeff Dean參與，并獲得公司創(chuàng)始人Larry Page的大力支持。

項目構(gòu)建了一個擁有10億個連接的大型神經(jīng)網(wǎng)絡，使用來自YouTube的1000萬段未標注視頻，在16,000個CPU上進行訓練。通過無監(jiān)督學習，該系統(tǒng)成功自主學會了識別貓臉，準確率達74.8%，并能識別人臉等其他物體。

不過，吳恩達在項目后期選擇了激流勇退，臨走前向Google舉薦了自己的老師Hinton接替工作。Hinton表示自己不會離開大學，只愿意去Google“待一個夏天”。就這樣，他成為Google歷史上最年長的實習生。

作為深度學習領域的權(quán)威，Hinton很快就意識到項目的缺陷，指出谷歌貓“運行了錯誤的神經(jīng)網(wǎng)絡，并使用了錯誤的計算能力?！庇谑窃诙虝旱摹皩嵙暺凇苯Y(jié)束后，Hinton馬上召集學生Ilya Sutskever和Alex Krizhevsky組建團隊，開發(fā)了新的神經(jīng)網(wǎng)絡架構(gòu)AlexNet。并帶著僅4顆英偉達GPU訓練出來的成果參加了2012年ImageNet圖像識別比賽，最終以84%的準確率取得顛覆性勝利。

同年10月，Hinton團隊在佛羅倫薩計算機視覺會議上正式介紹了冠軍算法AlexNet。一支學界團隊逆襲擊敗硬件和研發(fā)資源對比懸殊的Google，引發(fā)學術界和產(chǎn)業(yè)界徹底轟動。AlexNet論文也成為計算機科學史上最有影響力的論文之一，被引次數(shù)超過12萬。

接下來，三人的DNNResearch公司注冊成立。后續(xù)競拍的發(fā)展就更加順理成章，當身價被提高到4400萬美元時，Hinton叫停了拍賣，與兩名學生一起正式加入谷歌，擔任Google Brain副總裁和工程研究員。

當時的Hinton在一篇聲明中寫道：“我會繼續(xù)在多倫多大學兼職任教，但在Google，我能夠看到我們?nèi)绾翁幚沓笮陀嬎??！?/p>

在直到2023年5月的十年谷歌生涯中，Hinton繼續(xù)參與大規(guī)模人工神經(jīng)網(wǎng)絡研究，為Bard和ChatGPT等現(xiàn)代AI系統(tǒng)的底層技術奠定了基礎性貢獻。他也參與開發(fā)了開源機器學習軟件庫TensorFlow，推動了圖像識別、語言理解等AI應用的能力提升，并將深度學習技術廣泛應用于Google的各類產(chǎn)品和服務中。

Google對人才和技術的聚集從未放緩。在收購DNNResearch僅兩年后，當年參與競拍的對手之一， Hassabis創(chuàng)立的DeepMind也被它納入囊中。

據(jù)悉，Google當時還專門包了架私人飛機帶Hinton去倫敦”驗貨“，并且專門改造了座椅，解決他背痛不能坐飛機的問題。而當時被Google擠走的Facebook在錯失DeepMind后，則轉(zhuǎn)而高價挖走了“深度學習三巨頭”之一的Yann LeCun。

Deepmind的故事

來到DeepMind這邊，其實被Google收購前，DeepMind已經(jīng)在財務方面遇到了困難，公司一直在燒錢，卻未能找到可持續(xù)的商業(yè)模式，甚至瀕臨破產(chǎn)。

谷歌的6億美元收購拯救了DeepMind，不僅保留了核心技術團隊，還為其提供了強大的計算資源，包括云計算平臺和數(shù)據(jù)中心支持。這讓DeepMind能夠利用更強的算力來訓練深度神經(jīng)網(wǎng)絡，特別是在AlphaGo的開發(fā)中，大幅提升了計算速度和模型精度。除此之外，谷歌還提供了專門設計的TPU（張量處理單元），進一步優(yōu)化了深度學習模型的訓練和推理效率，AI基礎工具TensorFlow也被廣泛應用到DeepMind的研究之中，協(xié)助加強AlphaGo的表現(xiàn)。

AlphaGo是DeepMind團隊開發(fā)的一款人工智能圍棋程序。它通過分析數(shù)百萬局棋譜，用自我對弈進行強化學習，掌握了復雜的圍棋策略，能夠超越人類頂尖圍棋選手。2016年，AlphaGo在與圍棋世界冠軍李世石的比賽中取得了4比1的勝利，從此一戰(zhàn)成名，震驚全球。

然而在Hassabis眼中，通過棋盤游戲驗證AI解決復雜問題的潛力只是開始。更重要的是用它來引導通用學習系統(tǒng)，應對現(xiàn)實世界的挑戰(zhàn)，從而真正改善人類生活、革新行業(yè)并推進科學發(fā)展。

于是在幾個月內(nèi)，DeepMind便迅速雇傭生物學家，組建了一支跨學科團隊，專注于解決蛋白質(zhì)折疊難題，最終在2018年促成了AlphaFold項目誕生。經(jīng)過多次迭代，AlphaFold已憑借其突破性的蛋白質(zhì)結(jié)構(gòu)預測能力，徹底改變了生物學研究，展現(xiàn)了AI在科學領域的強大應用前景。

就在今年5月，Google Deepmind再次官宣，與Isomorphic Labs聯(lián)合推出新一代蛋白質(zhì)預測模型AlphaFold 3，相關論文一舉登上《Nature》雜志。

與之前的版本相比，AlphaFold 3不僅在蛋白質(zhì)折疊預測上取得了進展，還首次實現(xiàn)了對蛋白質(zhì)、DNA、RNA及配體等生命分子的結(jié)構(gòu)及其相互作用的高精度預測。這一突破幫助科學家更深入地理解疾病機制和生命過程，同時大幅縮短了研發(fā)時間和成本。無論是開發(fā)可再生材料，還是加速藥物設計和基因組學研究，AlphaFold 3都為生物分子領域打開了更廣泛的應用空間。

不僅如此，團隊還基于AlphaFold 3推出了一個名為AlphaFold Server的免費平臺，供全球科學家進行非商業(yè)性研究，進一步推動科學探索的普及。

通過DeepMind，Google不斷吸引著全球頂尖的科研人才，并提供長期的資金支持，使其能夠?qū)Ｗ⒂谕黄菩匝芯浚槐匾蕾嚩唐诘纳虡I(yè)回報。Google還賦予了DeepMind高度的戰(zhàn)略自主權(quán)，使其能夠自由選擇研究方向。正是這種獨立性和長期支持，為DeepMind進行前瞻性研究奠定了堅實基礎。

除游戲領域和生物學突破外，DeepMind還開發(fā)了用于谷歌助手的逼真語音合成模型WaveNet，提升了語音交互體驗。通過視覺-語言-動作模型RT-2增強了機器人在多樣環(huán)境中的任務執(zhí)行能力。其研究還涉及天氣預測、核聚變反應堆等復雜問題，并通過AlphaCode和AlphaDev等項目推動了計算機算法的進一步發(fā)展。

Google的“家底”依然深厚

在今天的人工智能競爭中，OpenAI和Anthropic等明星公司的迅速崛起、ChatGPT、Claude之于Gemini的“碾壓”，一度讓人們對Google的AI策略產(chǎn)生了質(zhì)疑。特別在生成式AI產(chǎn)品和開發(fā)者工具的商業(yè)化進程上，OpenAI們的快速發(fā)展與Google相對緩慢的步伐形成了鮮明對比。

然而眼前的兩項諾貝爾獎似乎在提醒我們，Google深厚的科研土壤和技術積累仍是其他公司難以復制的優(yōu)勢。

在2006年之前，深度學習的現(xiàn)狀可以用開爾文男爵的那句名言來概括：“深度學習的大廈已經(jīng)基本建成，只不過在陽光燦爛的天空下，漂浮著三朵小烏云?！?/p>

這三朵小烏云分別是算法、算力和數(shù)據(jù)。

而Google恰恰在這些關鍵領域擁有明顯優(yōu)勢。首先，它掌握了全球領先的龐大數(shù)據(jù)資源，依托YouTube、Google Scholar和Google Search等平臺，Google為視覺、語音識別和自然語言處理等AI模型提供了豐富且多樣化的訓練數(shù)據(jù)。

其次，Google在計算資源方面具有顯著優(yōu)勢。其自主開發(fā)的TPU硬件大大加快了深度學習模型的訓練速度，Google Cloud不僅為內(nèi)部研究提供了強大的計算能力，還為全球開發(fā)者提供了工具，幫助他們快速構(gòu)建和部署復雜的AI應用。

在算法研發(fā)領域，Google也處于行業(yè)前沿。誕生于Google Brain團隊的Transformer架構(gòu)奠定了現(xiàn)代自然語言處理的基礎，推動了今天幾乎所有前沿AI模型的發(fā)展。這些技術不僅推動了學術界的進步，還廣泛應用于Google的核心產(chǎn)品中。