新智元報道

　　編輯：傾傾

　　【新智元導(dǎo)讀】十年前，AlphaGo的神之一手讓專業(yè)棋手當(dāng)場沉默；十年后，Demis Hassabis說：那一刻，我們知道AI已經(jīng)準(zhǔn)備好去做真正重要的事了。從蛋白質(zhì)折疊到數(shù)學(xué)奧林匹克金牌，AlphaGo開創(chuàng)的技術(shù)路徑正在重塑科學(xué)本身。

　　2016年3月，首爾。

　　圍棋世界冠軍李世石，他的對手是一臺程序。

　　第二局，第37手落下，無論哪位職業(yè)棋手都不會下在這里。

　　解說員一度以為這是操作失誤，但在一百多手之后，AlphaGo贏了。

　　當(dāng)晚有2億人在看這場比賽的直播，全場的沉默持續(xù)了近一分鐘。

　　十年后，Demis Hassabis在回顧這段歷史時說，它下出「第37手」這一刻，他意識到：技術(shù)已經(jīng)準(zhǔn)備好了。

　　不是準(zhǔn)備好贏圍棋，而是準(zhǔn)備好去攻克真正的科學(xué)難題。

　　那個判斷，現(xiàn)在看來完全正確。

　　數(shù)億種局面，一次窮舉都沒有

　　圍棋棋盤上有10的170次方種可能的局面，這個數(shù)字遠超宇宙中所有原子的總數(shù)。

　　傳統(tǒng)的窮舉+剪枝方法，在國際象棋上已經(jīng)走到了極限，在圍棋面前根本不夠用。

　　AlphaGo把深度神經(jīng)網(wǎng)絡(luò)、強化學(xué)習(xí)、蒙特卡洛樹搜索合在一起。

　　先從人類棋譜中學(xué)習(xí)哪些落子是合理的，建立一個初步的直覺模型。

　　然后自我對弈數(shù)十萬局，讓強化學(xué)習(xí)機制不斷強化勝率更高的策略。

　　最后在實戰(zhàn)中只搜索最有價值的分支。

　　這套組合的本質(zhì)是用學(xué)習(xí)代替規(guī)則，用搜索代替蠻力，讓AI從經(jīng)驗中涌現(xiàn)出超越人類經(jīng)驗的策略。

　　AlphaGo之后，DeepMind繼續(xù)推進。

　　AlphaGo Zero完全拋棄了人類棋譜，從隨機落子開始自我學(xué)習(xí)，最終成為史上最強棋手。

　　再往后是AlphaZero。同一套系統(tǒng)，從零開始，幾小時之內(nèi)學(xué)會了國際象棋，并且擊敗了當(dāng)時最強的專用象棋引擎Stockfish，同時還下出了人類棋手從未見過的新策略。

　　Hassabis對這段歷史的總結(jié)只有一句話：

　　這證明了方法是對的，是時候用到真實世界了。

　　從棋盤到實驗室：AlphaGo的技術(shù)遷移

　　AlphaGo證明了，AI可以通過學(xué)習(xí)+搜索找到人類從未到達過的解。

　　這個方法，在科學(xué)領(lǐng)域的遷移直接且強力。

　　蛋白質(zhì)折疊

　　這是人類研究了50年的難題。

　　蛋白質(zhì)從氨基酸序列折疊成三維結(jié)構(gòu)，決定了它的功能。

　　理解這個結(jié)構(gòu)，對于攻克疾病和開發(fā)新藥至關(guān)重要，但預(yù)測計算量巨大。

　　2020年，AlphaFold 2解決了這個問題。

　　隨后，DeepMind把2億個已知蛋白質(zhì)的結(jié)構(gòu)全部預(yù)測出來，放進開源數(shù)據(jù)庫，免費向全球開放。

　　現(xiàn)在，全球超過300萬名研究人員在用AlphaFold數(shù)據(jù)庫工作。

　　2024年，Demis Hassabis和John Jumper因此獲得諾貝爾化學(xué)獎。

　　數(shù)學(xué)推理

　　這是AlphaGo最直接的傳承方向。

　　AlphaProof用語言模型加上AlphaZero的強化學(xué)習(xí)和搜索算法，學(xué)習(xí)證明形式化的數(shù)學(xué)陳述。

　　它本質(zhì)上和AlphaGo「找最優(yōu)解」是同一套框架，只是搜索空間從棋盤換成了數(shù)學(xué)命題空間。

　　2025年，AlphaProof和AlphaGeometry 2聯(lián)手，首次在國際數(shù)學(xué)奧林匹克中達到銀牌水平。

　　后來，Gemini Deep Think走得更遠。

　　它用一套受AlphaGo啟發(fā)的方法，在2025年IMO上拿下了金牌。

　　算法發(fā)現(xiàn)

　　AlphaEvolve是這個方向的代表。

　　就像AlphaGo搜索下一步最優(yōu)落子，AlphaEvolve搜索的是「下一個更高效的算法」。

　　它找到了一種新的矩陣乘法方式。這是驅(qū)動幾乎所有現(xiàn)代神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)操作，被研究了數(shù)十年，AlphaEvolve發(fā)現(xiàn)了人類從未找到過的方案。

　　Hassabis把這稱為「AlphaEvolve的第37手時刻」。目前它正在被用于優(yōu)化數(shù)據(jù)中心和量子計算問題。

　　科學(xué)協(xié)作

　　AI協(xié)作科學(xué)家系統(tǒng)（AI co-scientist）將AlphaGo的辯論式搜索原則嵌入科研流程。

　　它讓多個AI智能體「辯論」科學(xué)假設(shè)，篩選最有價值的方向。

　　在帝國理工學(xué)院的驗證研究中，這套系統(tǒng)分析了數(shù)十年的文獻，獨立推導(dǎo)出了研究人員花了數(shù)年時間才驗證出的同一個抗菌素耐藥性假設(shè)。

　　十年后，AlphaGo在Gemini里延續(xù)

　　AlphaGo證明的那套方法，現(xiàn)在正在Gemini里運行。

　　最新一代Gemini模型的推理機制，用到了AlphaGo和AlphaZero開創(chuàng)的搜索與規(guī)劃技術(shù)。

　　Gemini從一開始就被設(shè)計為多模態(tài)。不是把圖像和音頻轉(zhuǎn)成文字再處理，而是直接在多種模態(tài)上同時建立對世界的理解。

　　在Hassabis的設(shè)想中，通向AGI的路徑需要三件事同時成立：Gemini提供的世界模型，AlphaGo式的搜索和規(guī)劃能力，以及AlphaFold這類專用工具的協(xié)同調(diào)用。

　　這三者加在一起，才是「真正通用」的AI。

　　他在文章里還講了一個更高維度的標(biāo)準(zhǔn)：

　　真正的AGI，不只是能在圍棋里找到人類從未想到的策略，而是能發(fā)明一款像圍棋一樣深邃、優(yōu)雅、值得人類研究幾百年的游戲。

　　這兩件事的差距，大約就是「找到答案」和「提出問題」之間的距離。

　　目前的AI在前者上已經(jīng)走得很遠，后者還沒人知道需要多久。

　　文章末尾，Hassabis引用了李世石本人的話。

　　這位曾被AlphaGo擊敗的世界冠軍，如今是韓國蔚山科學(xué)技術(shù)院的兼職教授。他這樣評價那場比賽：

　　我認為AlphaGo給出的最重要的啟示，是對人工智能時代的一次決定性預(yù)告——證明了這不是某個遙遠、模糊的未來，而是一個正在到來的現(xiàn)實。它就像一份來自未來的路線圖，向人類發(fā)出了清晰的信號：世界正在改變。

　　十年過去了，那張路線圖上的很多節(jié)點，DeepMind已經(jīng)走到了。

　　從蛋白質(zhì)折疊到數(shù)學(xué)金牌，從算法優(yōu)化到AI協(xié)作科研，AlphaGo的技術(shù)遺產(chǎn)已經(jīng)溢出了棋盤，滲進了科學(xué)本身的運作方式里。

　　下一個「第37手」，會發(fā)生在哪里？

　　Hassabis沒有給出答案，但他說，目標(biāo)已經(jīng)在地平線上了。

　　參考資料：

　　https://x.com/GoogleDeepMind/status/2031399096267718847