新智元報(bào)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(chǎng)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(duì)手是一臺(tái)程序。

第二局，第37手落下，無論哪位職業(yè)棋手都不會(huì)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(chǎng)比賽的直播，全場(chǎng)的沉默持續(xù)了近一分鐘。

十年后，Demis Hassabis在回顧這段歷史時(shí)說，它下出「第37手」這一刻，他意識(shí)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(gè)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(gè)數(shù)字遠(yuǎn)超宇宙中所有原子的總數(shù)。

傳統(tǒng)的窮舉+剪枝方法，在國(guó)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(qiáng)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(gè)初步的直覺模型。

然后自我對(duì)弈數(shù)十萬局，讓強(qiáng)化學(xué)習(xí)機(jī)制不斷強(qiáng)化勝率更高的策略。

最后在實(shí)戰(zhàn)中只搜索最有價(jià)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(yàn)中涌現(xiàn)出超越人類經(jīng)驗(yàn)的策略。

AlphaGo之后，DeepMind繼續(xù)推進(jìn)。

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

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

Hassabis對(duì)這段歷史的總結(jié)只有一句話：

這證明了方法是對(duì)的，是時(shí)候用到真實(shí)世界了。

從棋盤到實(shí)驗(yàn)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(dá)過的解。

這個(gè)方法，在科學(xué)領(lǐng)域的遷移直接且強(qiáng)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(gè)結(jié)構(gòu)，對(duì)于攻克疾病和開發(fā)新藥至關(guān)重要，但預(yù)測(cè)計(jì)算量巨大。

2020年，AlphaFold 2解決了這個(gè)問題。

隨后，DeepMind把2億個(gè)已知蛋白質(zhì)的結(jié)構(gòu)全部預(yù)測(cè)出來，放進(jìn)開源數(shù)據(jù)庫(kù)，免費(fèi)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(kù)工作。

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

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(qiáng)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(guó)際數(shù)學(xué)奧林匹克中達(dá)到銀牌水平。

后來，Gemini Deep Think走得更遠(yuǎn)。

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(gè)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(gè)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(dòng)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(shí)刻」。目前它正在被用于優(yōu)化數(shù)據(jù)中心和量子計(jì)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(gè)AI智能體「辯論」科學(xué)假設(shè)，篩選最有價(jià)值的方向。

在帝國(guó)理工學(xué)院的驗(yàn)證研究中，這套系統(tǒng)分析了數(shù)十年的文獻(xiàn)，獨(dú)立推導(dǎo)出了研究人員花了數(shù)年時(shí)間才驗(yàn)證出的同一個(gè)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(yùn)行。

最新一代Gemini模型的推理機(jī)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(jì)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(shí)建立對(duì)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(shí)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(gè)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(yuǎn)，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(guó)蔚山科學(xué)技術(shù)院的兼職教授。他這樣評(píng)價(jià)那場(chǎng)比賽：

我認(rèn)為AlphaGo給出的最重要的啟示，是對(duì)人工智能時(shí)代的一次決定性預(yù)告——證明了這不是某個(gè)遙遠(yuǎn)、模糊的未來，而是一個(gè)正在到來的現(xiàn)實(shí)。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(hào)：世界正在改變。

十年過去了，那張路線圖上的很多節(jié)點(diǎn)，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(jìn)了科學(xué)本身的運(yùn)作方式里。

下一個(gè)「第37手」，會(huì)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