如何评价 DeepMind 公司？
2022-03-29 05:40:28
DeepMind，天下最大的 AI 酌量机构，烧了良众钱，他们原话是都拿去打逛戏了。一共公司卓殊有野心，由于有人又有钱，项目都是往大的搞，短期有没有效无所谓，终纵目的是通用人工智能 (AGI)；行动 OpenAI 创始人 Elon Musk 口中的 top concern，他们对我方的描写卓殊正确了：「一群试图解析聪明、兴盛科学、制福人类的业界精英」
「兴盛科学、制福人类」是我唾手翻译的，顺口但不伏贴，由于 friends with benefits 这种蝇头小利也可能叫 benefits，翻译成「回馈社会」都只是分，由于官方本意是谦逊、安慰吃瓜公众的。原谜底中，闭于终纵目的我写的原本不是 AGI 而是「人类升级」，由于 humanity 寻常阐明为人类但也可能阐明为文雅以及人生而为人的一种状况，依据我对 DeepMind 众年阐明觉得这才是对其野心的精确言语。此日看 Demis 我方做的 PPT 实锤了：
正好昨天 AlphaCode 公布（更始什么的我先不评议，但 DeepMind 自始自终把事项做到极致）接触 AI 久一点的该当都传闻过本领奇点 (singularity)，身边好久没人提过了，读高中那阵该当是这个观点最火的光阴。当时再有一部片子Transcendence，台湾译名《悉数进化》很伏贴，刚才温习了眼预告片依然全身鸡皮疙瘩：
部分阐明是当一个 AI 能给我方有主意性地写代码实行自我进化的光阴，便是奇点了。但原本 AlphaCode 离进化再有很大隔绝，由于目前没有一个模子可能真正事理上从书本获取学问，否则 AlphaGo 之类的模子就不消锻炼一切切场竞争这么众了——现正在的模子原本某种事理上来讲依然 brute-force. 当然还存心识上传这条道，Elon Musk 有公司正在做的脑机接口但离认识上传还很遥远。
总之，DeepMind 正在仰望星空，看似对 transcendence 有念法，更苛谨地说，DeepMind 关于本领奇点更像是 CERN 关于引力奇点：CERN 有大概不小心撞出黑洞；DeepMind 有大概「不小心」码出 AGI. 与此同时，他们也都脚坚固地地运用现有的学问狂妄鞭策科学进取。
就算 AlphaGo 之父 David Silver 再对峙「AI = DL + RL」，我以为只靠数据狂妄 RL 而脱节仿效人类笼统本领的研习编制是带不来奇点的。当年 AlphaGo 击败围棋天下冠军便是靠着约等于人类三十年的不吃不喝狂妄下棋，假如一个研习编制能像人类雷同通过教授和书本获取学问，会是谁学得疾一点呢？大概正在不久的来日咱们就会明了谜底。
围棋属员棋都是凭直觉，难以像象棋等棋种的玩家那样说出个整个的来龙去脉，堪比形而上学，而 DeepMind 最擅长的事便是修筑直觉，正在超大空间举行高效搜刮。2016 年 AlphaGo 打败李世乭，Demis 从韩邦回来当天就启动了 AlphaFold 项目。
卵白质折叠这个50年未解之题，Demis 从前就心心念念要做了，公然也是个能凭直觉求解的题目，围棋的阵型和卵白质的组织竟然殊途同归。察觉这种雷同的 DeepMind 顽强开首该题目拓荒 AlphaFold，竟然鄙人一届每两年一度的 CASP 竞赛种大放异彩，让众年没什么发展的组织预测剧情反转。此时就迎来了 DeepMind 最难的光阴，由于 AlphaFold 一经封神，优化到头了。此时他们做了一个辛苦的断定，大改架构，全部又从零开首，耗时一年，究竟察觉 AlphaFold 2 反超原版本。
其后 AlphaFold 全组一共磨刀五六年，究竟2021联结 EMBL-EBI 公然了人类最全卵白质数据库 AlphaFold DB，给基本科学酌量做了功劳。主流意见是 AlphaFold 乃目前 AI 对科学做出的最大功劳，但算法自己没有那么神，感兴致可能看AlphaFold 便宜和缺乏，但他们贯彻始终地挑拨我方，因此生机我写的缺乏很疾可能一起消灭！岂论怎样，行家对它的激情与称赞自己值得咱们这种投身生物界的人饱吹。此日追星得胜，得回 AlphaFold 之父 John Jumper 可爱合影！
刚公然数据库没众久，邦庆 DeepMind 又发 Nature Methods，搞垮台白质组织预测直接对准基因外达：人类编码卵白质的基因只占 DNA 的2%，看来 DeepMind 企图把剩下98%的非编码 DNA 也纳入黑妖术周围 (解读 Enformer).
12月1日 DeepMind 又又登上 Nature 封面，通过「指挥人类直觉」管理少少数知识题。答主正在数学系挣扎的光阴察觉良众光阴数学靠的所有是影象力，而 AI 的有用影象力是很恐怖的，加上找 pattern 是 DeepMind 最擅长的事项之一，闭于数学影象力我看过这个卓殊有同感的谜底。
再往前八月份再有眼科疾病的酌量，往后岁尾有量子化学的酌量，每天都正在继续发论文，吃瓜的都赶不上种瓜人的进度了，到此为止。
DeepMind 是一个允许、懂得并有本领回馈社会的公司，更像一个科研机构，珍贵鞭策科学兴盛与训诫。例如 DeepMind 供应了良众公然课而且结构员工去大学教学，并已正在三个大学一经设立 DeepMind Chair：AlbertaUCLCambridge.
网课正在Coursera、网易公然课、B站都有，提倡行家搜最新的，或者看看官网课程链接，知乎也有良众资源贴都挺好的。趁机附上 DeepMind 开源的项目，全都正在GitHub：
除了开源自家项目，这几天又收购并开源了物理引擎 MuJoCo，这个不光我方的 dm_control 卓殊依赖，OpenAI 也正在用。DeepMind 做好事留名，但好事是真做了。总之我还蛮心爱 DeepMind，卓殊有黑客精神，科研顶尖且允许砸钱正在科学上、政事精确（大概不是好词）、文明自正在，还回馈社会
创始人：DeepMind 创始人兼 CEO Demis Hassabis 本是象棋妙手，高中卒业就 gap year 去逛戏公司的斜杠青年，很难设念他有一个新加坡华裔母亲。剑桥卒业又开逛戏公司，因此正在 UCL 认知神经科学博士卒业之后再开公司以专心 AI 打逛戏为起始并不奇妙。但另一创始人 Mustafa Suleyman, CBE 从小就明白 Demis 而且聊过让天下变得更好这种题目，固然大概只是媒体前的议论，但正在全天下的监视下是会朝着制福人类的对象进展的。
公司境况：公司年青气氛自正在真的没啥槽点，地点就正在谷歌伦敦总部里，吃喝免费内置健身房，筑好之前时时绕着它夜跑，走两步就到大英藏书楼，楼下六条地铁线，火车直达巴黎爱丁堡……满满的都是回顾，独一大概有争议的点便是KX太乱。但这都和我不要紧，答主当年魔鬼同砚太众，AGI 就交给他们了。有念法的读者可能看下DeepMind researchers 都是什么专业的？
经费：DeepMind 钱哪来的？浅易地说亏了好久都是谷歌只身垫着，现正在究竟不亏了但100%的剩余依然谷歌等姐妹公司那来的。通用人工智能 (AGI) 还早，为了 justify 我方存正在的事理而且哄金主爸爸别哭，像谷歌舆图驾车期间估算、安卓编制省电算法都有 DeepMind 的巨大功勋。Alphabet 2020年收入 (revenue) 达1825亿美刀，而这个较为不争气的孩子·平昔从此每年就要亏几个亿美刀（众半人大概都忘了当年买 DeepMind 也就花了五六亿刀），究竟2020年它剩余了，赚了不到一个亿，但题目是 DeepMind 的非主流剩余形式是产物都卖给姐妹公司，因此原本它行动科研部便是个烧钱的部，和做基本科学的酌量所没有实质区别：人力物力加入极大，放眼科学兴盛，根基不正在乎短期收益。
带意睹的说一句-我以为deepmind做的research无论是和大学里比依然和工业界的research team比绝对是第一梯队内部的第一梯队。
DeepMind是神寻常的公司，举个栗子，其出品的AlphaFold本领可媲佳人类基因组铺排，当今百般基因疗法都得益于当年雄壮的基因组铺排，AlphaFold闪现的人工智能也将极大鞭策改日的药物研发。摘一段大神邢波教学的评议：
正在过去的三五年内部，让我印象比力深的事务之一是近来 DeepMind 用深度研习的设施对卵白质组织做预测的事务。我以为它里边有若干个思念上的更始，不是本领上更始。平日咱们正在做这种组织的预测，或者是正在做百般预测的光阴，都是用 connecting dots forward 的思绪，便是往前推演，线性逻辑。例如从因果来推，例如明了了原子因素和排序，卵白序列，也明了每个原子卵白序列的化学特点，或许用它来估计打算化学键，算最小能量，以此阴谋稳固组织，从一维序列，到二维组织，到三维组织，到四维组织组。咱们明了物理内部实质上便是用第一性的规定，first principle。第一性，然后最小能量，然后算作稳固状况，然后卵白组织，该当是这么一个东西。据我剖析，这份叫做 AlphaFold 的事务不是基于第一性规定弄出来的。它是用了间接的、有点舍近求远，是一个卓殊间接的 solution。它是先搜聚了全盘的结婚，便是说每个原子和分子对之间的隔绝，这是可能通过 X 光，核磁共振，通过百般各样的物理化学实行做到的，它先就搜聚了这么一个数据库。这实质上就供应了分子（从来是一维序列）的全盘二度干系新闻，即点到点之间的物理隔绝。它同时又搜聚了巨额已知的卵白质三维组织，然后用深度研习来做这两者的 input/output 的 blackbox mapping。最初做了从一维序列到二维 pairwise distance matrix 的模子。Pairwise distance matrix 的好处是获得了对卵白的二维整体观，由于把全盘的 n×n 的 pairwise distance 闪现正在一张图上，就像咱们平日的二维图像雷同。然后它再通过 pairwise distance 对这个一共卵白的组织做了黑匣子式的预测，也是通过监视式深度研习。它的思绪绕过了第一性规定——通过算最小能量值，或者是通过物理估计打算，通过模仿来发作最佳的解。AlphaFold 是直接通过整体的，通过因为组织而发作的 pairwise distance function 来做反推，反推什么样的组织才或许发作云云的 distance function。这个设施很意思。有点像咱们去旅逛的光阴，不明了我方的下一步目的，不过因为我明了到了下一步目的此后的再下一步目的，然后我来反推下一个目的正在哪，是这么一个思绪。这内部宽裕运用了深度研习的甜头，深度研习对大数据到大数据的 mapping 的研习本领很强，或许看到人看不到的少少 insights。从 a 到 b 这一步，呆板固然不特长学，不过从 a 到 c 反而是它或许学到的。人是不太容易学到 a 到 c 的，不过呆板研习很容易学到这一片面。然后再从 c 回到 b，这也是呆板研习能学的。因此它把 a 到 b 这一步团体 pass 过去了。我以为这个思绪卓殊存心思，为什么？由于从 a 到 b 是第一性，是限制的估计打算，必需得通过紧邻的原子分子的彼此效用一步步来 threading，就像一根线怎样徐徐地给它折叠起来，它是一步一步折叠的。但到了 c 的光阴，它一经酿成了 pairwise distance function，有整体的 information。正在预测每一个三维组织的光阴，它实质上是通过全数的二维 pairwise distance 来做预测。从整体到限制的预测，通过深度研习的设施来实行。这个头脑设施稀奇奇异，我以至以为有大概得回诺贝尔奖，通过呆板的设施实行了对数据的整体观，然后通过整体再来预测限制云云一个组织。正在人的估计打算历程中，咱们很难做整体的预测，由于它的估计打算量太大了，做不到这一点。我不明了有没有讲了解，但我以为它的思绪自己是有肯定的打破性。
结尾再举个例子注脚AlphaFold息争析卵白质组织的紧要性。1. 2020岁首新冠病毒的基因序列公然，大约1个半月后，2月19日UT Austin酌量职员通告得胜解析新冠病毒S卵白组织。2. 依据卵白组织，酌量察觉2019-nCoV与SARS-CoV具有无别的效力宿主受体细胞——ACE2。3. 进一步运用外观等离子共振动力学(SPR)来定量酌量这种卵白质彼此效用，察觉新冠病毒与ACE2胞外域团结的亲和力约为15 nM，要比SARS冠状病毒赶过10-20倍。新冠病毒与ACE2之间的高亲和力，大概导致人际之间急迅宣称。有了AlphaFold，用估计打算机急迅预测出确切度卓殊高的卵白质组织，可能大幅缩短解析新冠病毒S卵白组织的期间，不消再等1个半月，从而更疾助理行家阐明新冠病毒的特点。
deepmind卓殊生猛，卓殊具有创作力，能找到存心思的题目并百折不回地用工程师精神去打磨能利用的管理计划，这几样本领或许正在逐利的资金下或许维护住是相当阻挠易的。从我有限的体会来看，dm所具备的ml研发本领长短常厉害的，此中心不正在于或许霸众少榜，而正在于或许界说榜单自己，把生存中笼统的ml需务实体化，并且以至是良众不存正在的，未被察觉或寻觅的需求都发现出来，而且举行急迅的提供侧迭代更新，正在zero demand的情状下把产物原型做出来，就例如当年乔助主制iphone，的这种本领。这种宏大的提供侧market shaping的本领，是很值得珍贵，也大概是咱们目前所缺乏的。咱们从后视的角度去看dm的良众事务，都是理所当然的，都是带了幸存者过失的，不过以前向的角度，dm做的良众东西看起来都是虚无缥缈，不明了能不行落地的那种，对寻求短期回报率的资金毫无吸引力的玩意儿。把这种长线项目真正能做起来并得回承认，自己便是一个很宏大的本领。
正在环球，配得上说我方正在做通用人工智能或旨正在人类升级的机构，第一家是欧洲的 DeepMind，第二家是美邦的 OpenAI. 当然，对中邦来说，“通用人工智能是人工智能兴盛的最大故障”（黄铁军教学），因此咱们不凑这个吵杂，咱们才是真正的行家风范。（doge
一家公司最初要看创始人，创始人的特质断定了公司的基因，其创始人哈斯比斯从小是神童，十岁成为邦际象棋专家，本科剑桥CS，博士神经科学，他以为物理学和神经科学是最值得研习的学科，一个对外剖析宇宙，一个对内剖析我方，年青时就有云云认知的人，并不奇妙成年后探究的是人类的终极运道等题目，他以为，一朝管理了AGI的题目，全盘界限不再必要科学家再举行酌量，让AGI来就行，民众看到的alpha系列只是为了这一目的的所举行的测验，无论是围棋依然卵白质折叠
感恩谷歌养着云云一群高贵的高智商的人，固然贸易化并不堪利，不过，任何一个打破都大概改观人类运道的酌量，花点钱不该当吗？这些前沿项目离贸易化赢利隔绝寻常比力远，天下上赢利的公司一经太众了，不缺这一家
卵白质折叠预测一经博得了50年来最大的打破，大概治愈阿兹海默症，糖尿病等目前无解的病，花点钱又怎样了，又没花你一毛钱。
部分以为哈斯比思是比马斯克更伟大，马斯克管理的根本是工程题目，除了openAI，而deepmind的AGI一朝打破，科学家工程师酌量不出来的题目，AGI也许能管理，这是能让科学家赋闲的酌量对象，当然难度很大，贸易化更早期，被紧张低估
同样是公司，差别的公司的决计是不雷同的。Deepmind大有中邦古玩行业的“要么十年不做一件，要么做一件吃十年”的风范，这种公司的政策正在于搜捕巨大的难以企及的时机，要么成了就颤动天下，要不不行把钱给烧了。不过从持久来看，它的本领本领会转化为市集化的产物的，只是必要期间。
以前比力崇敬，现正在原本不这么以为了。更加是gopher出来的sample我察觉质料还不如我我方搞的LM高的光阴。（但webgpt坊镳依然很存心思的……）
但deepmind和openai有一个特色便是稀奇擅长搞几十个水准不错的酌量职员，估计打算资源管够，每人每年发一百万美元，分工互助做大项目，搞出来震恐天下。当然衰落的原本更众，比力出名的衰落项目例如openai的dota2 AI再有deepmind的星际AI，没啥名气的衰落项目更众，但得胜项主意收益足以cover不得胜项主意牺牲就行。
deepmind和openai的亮点事务，作家列外内部都是简直没有中邦人的名字，和ai这个大界限里中邦人、海外华人的占比所有不符。这注脚的原本是deepmind和openai正在存心识地排斥中邦人和海外华人。
中邦的酌量者我以为相仿质料的科研职员凑那么几十几百个并不是题目，中邦的钱也并不少。但却没法结构成一个相仿deepmind，openai的机构……每次看到的更始都是工资惟有deepmind百分之一的酌量生、操练生正在不到百分之一的估计打算资源下trick式的微更始，要么便是操练生拿着众一点的估计打算资源复现deepmind,openai一经搞出来的得胜模子。没有舍得高薪请懂本领的人来group起来干本领（而不是当收拾）的气概，也没有为未知的项目投几十亿就为听个响的气概。
邀请我。然而我并非target AI的从业职员。从我的视角来看，deepmind的本领轶群，事实那么众大佬坐镇。营销本领一流，将近和马斯克八两半斤，可落地本领不如前两项，但有Google交易和本领加持，正在业界也算首屈一指了，不过这一项的缺失（不是他本身本领题目。是现阶段AI近况的题目，IBM投了许众钱搞了那么众年的医疗AI也凉了。）也意味着它若是脱节Google，其天花板很低，顶众算顶级实行室酌量所，不过和当年的贝尔实行室，肖克利实行室等等比拟，相去甚远，因此也断定了不会成为下一个Google而是被谷歌收购并依赖于Google的人力财力交易本领。
昨天，让生物科学圈和人工智能圈为之欢喜的，肯定是DeepMind通告卵白质折叠预测题目已被其攻破的音书。
此音书一出，马上登上了Nature杂志封面，题目直接评论为：“它将改观全部！”李飞飞、马斯克等浩繁大佬纷纷点赞、转发。
关于AI界、围棋界来说，AlphaGo是一个划时期的产品，极大水准改观了人们对AI的认知，直接引颈了随后的创业高潮。而四年来，以深度研习为特性的AI本领，正在各个笔直行业里的落地并没有变成“摧枯拉朽之态”，少少“天赋性”的本领性困难还是待解。
也就正在此日，美邦普林斯顿大学教学、组织生物学家颜宁，就AlphaGo的收获揭晓了一条微博，外清楚我方的意见：“卵白组织预测不是一个鲜嫩学科，（AlphaFold）确实是打破，不过有了两年前的音讯做铺垫，现正在此次委实是预料之中。”
狂欢之余，一名“及格”的傍观者该当发出云云一个疑义：AlphaFold会不会是下一个AlphaGo，仅仅是一个“暴力估计打算”下的产品？
与AlphaGo正在围棋界纵横奔驰差别的是，AlphaFold是真的希望正在一部分类学科中、人类对人命演进的酌量中发作打倒性的影响。
许东教学向雷锋网体现，卵白组织预测这一巨大科知识题，正在三十众年前就有众人通告一经管理，但极其不靠谱，其后才有两年一次的双盲预测大赛CASP，用实情语言。
许东是美邦密苏里大学哥伦比亚分校Shumaker讲座教学，AAAS和AIMBE会士，曾由于卵白组织预测的事务得回2001年美邦“最非凡酌量与拓荒100人奖赏（邦际2001R&D 100 Award）”。
从1997年开首，许东教学就开首了卵白质组织预测这方面的酌量。他体现，从防病、治病的角度来看，卵白质组织蜕变预测，绝对长短常紧要。
“良众疾病都是正在卵白层面显露了题目，比方基因突变酿成氨基酸的突变，使得卵白组织爆发蜕变，不行行使效力。”
现正在，许东教学团队现正在和范德堡大学Jing-Qiong Kang教学的互助，就正在用组织预测来酌量癫痫，稀奇是为什么少少基因突变可能使得几个紧要的卵白组织酿成蜕变，酿成其片面效力亏损，以致癫痫发生。Jing-Qiong Kang教学把预测的结果与实行举行比拟，进而阐明疾病。
摩登药物民众的靶点是卵白，药物的策画简直都是基于卵白的组织来举行合理的策画。现正在，呆板研习或许博得卓殊好的预测结果，是否会庖代实行的卵白组织察觉设施？
许东教学体现，“会庖代很大一片面”，更加是正在低辨别率下，稀奇是用冷冻电子显微镜举行的组织察觉大概不如呆板研习做实在切。
AI药物研发公司晶泰科技CEO马健博士也向雷锋网(群众号：雷锋网)体现，组织断定性子。正在AlphaFold确切的预测的卵白组织之上，咱们可能更确切地预测药物分子和卵白的彼此效用，从源流上降低估计打算辅助药物察觉与策画实在切度。
同时，现正在能解出的卵白质很少，良众枢纽的卵白质十几、二十年都难以用实行解析出组织。有了这项本领，酌量职员就可能用这些古代上难解出组织的卵白行动药物靶点、策画新药。
1994年，马里兰大学公园分校的估计打算生物学家约翰·莫尔特（John Moult）与其它人联合创立了CASP。
AlphaFold正在CASP14中的出现，被誉为是组织生物学界限的地动，让众数该行业的学者为止兴奋。
然而，也有网友提出了少少差别的音响：运用估计打算机预测卵白质组织很早就正在做，只只是确切度平昔是一个题目。目前，估计打算机辅助药物策画，正在有卵白确凿单晶体机构的基本上尚且不行做到确切预测，更况且是“靠近于实行博得机构。”
晶泰科技CEO马健博士体现，现正在AlphaFold的结果一经卓殊领先。更让人觉得兴盛的是这背后AI演化兴盛的速率——从16年的AlphaGo, 17年的AlphaZero, 18年的AlphaFold, 到此刻的AlphaFold2, 云云的兴盛和迭代速率让咱们看到，人工智能的时期正正在加快到来。
同时，马健以为，AlphaFold正在管理卵白质折叠预测题目历程中所积聚的体会和Know-how，会发作本领溢出的结果，此中先辈的思念和理念将进一步正在AI药物察觉的其他枢纽和界限带来劝导和推动效用。
马健体现，下一步，正在卵白-卵白彼此效用组织、C端N端组织等界限，AlphaFold必要算得更准。
此外，目前AlphaFold预测的是最靠近实行的静态组织，改日正在药物研发的运用中，假使能将卵白和药物团结地点预测的更准，必要把卵白组织的动态蜕变探究进来。
一方面，这确实长短常大的收获。不单是卵白组织或者生物新闻学的巨大打破，也是科学史上的巨大打破。五十年来，卵白质折叠平昔是生物学的广大挑拨。
此外一方面，总归会有少少“泡沫”，存正在肯定的控制性。AlphaFold不是把全盘题目一起管理。不是光有组织，就或许策画药物。
许东教学先容到，AlphaFold可能知足95%以上的阐明效力、实行策画等需求，抵达了运用的准绳。
然而，它并不行老是抵达肯定的准绳。现正在，人、植物的卵白被酌量得卓殊广谱，不过正在微生物、病毒的卵白里再有良众新的fold。
“最新的AlphaFold编制正在全盘目的中总体得分中位数为92.4 GDT，夸大的是中位数，以至都不是均匀数。这就阐明，有些卵白的预测依然做的不太好。”
目前，冷冻电子显微镜（CryoEM）、核磁共振或X射线晶体学等实行本领，是卵白质3D组织察觉的向例军器。
一位行业专业人士体现，实行解析存正在肯定的控制性（比方X-射线晶体学必要最初对卵白质举行结晶操作，而结晶后的卵白质组织，未必与正在生物体内的实质组织划一；片面卵白质的三维组织大概持久无法通过实行门径举行解析），同时实行差错也是必要探究的。
马健也旌旗光显地外清楚我方的意见：“显微镜不会被所有庖代，不过大概很大一片面事务都可能用AlphaFold来告终，以至用估计打算发作的模板去指点解析实行。”
马健说到，卵白是个很纷乱的东西，实行有卓殊众的范围。有些卵白难结晶，不稳固，太小了的话又不实用于冷冻电镜。此刻有了AlphaFold供应组织，就可能指点实行将卵白质组织解出来。
“例如分享会上提到的af1503卵白质，德邦的Max Planck Institute得回卵白的实行数据已有近10年，永远无法解析出组织，用AlphaFold很疾就得回结束果。”
不过，低温电子显微镜仍具备肯定的上风，例如正在卵白-卵白彼此效用酌量上，但改日，AlphaFold很大概也可能实行确切预测卵白-卵白组织预测。
他体现，现正在估计打算预测实在切度并不行确保每一个组织都预测的卓殊准，稀奇是正在已知的组织库中所有没有雷同组织的，预测的结果不是很准。
“正在少少很枢纽的卵白，稀奇是要大范畴策画药物的卵白上，我以为依然必要做实行，由于对组织预测的精度更高。”
许东教学以为，施一公、颜宁这些生物学学者所做的少少更为详尽的酌量，不是仅靠卵白组织预测就能庖代，这此中搜罗卵白质的效力、机理、妆饰、彼此效用、动力学属性等等，依然必要巨额实行事务。不过良众寻常的实行组织解析，确实没有需要存正在了。
纵然良众人发出惊呼之声，不过，假使高度详细一下，AlphaFold的更始之处，你会提炼出哪几个枢纽词？
留心力机制的引入，管理了怎样更好地从众序列对齐（multiple sequence alignment）数据中提取特性以指点组织预测的题目。
正在此之前，较为主流的计划是从众序列对齐数据中提取共进化新闻，但DeepMind通过比拟察觉这种人工策画的特性提取会遗失片面枢纽新闻，而通过引入留心力机制可能较好地管理这一题目。
同时，留心力机制也运用正在了迭代更新序列-残基和残基-残基彼此效用的历程中，从而以迭代的形式获得更为确切的隔绝预测与三维组织。
许东教学体现，留心力机制确实正在卵白组织预测方面上了一个台阶。“AlphaFold可能把氨基酸之间的隔绝整合成三维组织。由于他们的算力良众，两年前他们固然设施和别人简直是雷同的，预测的隔绝却准的众，正在CASP里做得很好。”
不过，许教学以为，AlphaFold本年真正的更始之处正在于运用了留心力机制，可能把氨基酸之间的隔绝预测题目更为整体、团体的管理，同时对每一对隔绝的预测牢靠性有更好的评议，从而看出什么预测隔绝更靠谱，让其正在卵白三维组织重筑中外现更大效用。
“AlphaFold确实长短常大的更始，这种更始对酌量其他题目也有助助。例如，咱们现正在就念用相仿的思念去做单细胞数据筑模的少少酌量。
端到端研习的引入，使得从输入氨基酸序列到输出卵白质三维组织的历程，可能所有正在深度研习的框架内实行，从而使得优化历程可能获得更为直接的差错信号。
而之前的设施往往基于深度研习+古代组织筑模用具（比方Rosetta、I-TASSER等）的组合，云云组织筑模的差错信号不行直接用于对深度研习模子自己举行更新。
固然，正在许东教学、马健博士看来，古代实行室本领还是具备人命力。不过有一点值得坚信，AlphaFold的爆炸性收获，会对其他入局卵白质组织预测的厂商发作卓殊大的攻击——犹如一条“鲶鱼”雷同，搅动一共行业的现有本领和贸易方式。
此次收获公布之后，DeepMind联结创始人及CEO德米斯·哈萨比斯（Demis Hassabis）也第有时间向外界体现：“DeepMind背后的终极愿景平昔是修筑通用人工智能，运用通用人工智能来极大地加快科学察觉的程序，助助咱们更好地剖析四周天下。”
但值得留心的是，正在AI界限，酌量收获与贸易化之间还是存正在一条畛域，即使是有领先算法的DeepMind也不不同。
昨年，据外媒报道，谷歌母公司Alphabet旗下的人工智能子公司DeepMind2018年的营收简直翻了一倍，但净蚀本仍高达5.72亿美元。
从这项收获来看，AlphaFold实质依然基于深度研习本领，必要算力的接济（利用了大约128个 TPU v3 ——大致相当于100-200个 GPU ），这些都是必要真金白银的接济。
不过，行业专业人士向雷锋网体现，从估计打算资源需求上来看，128个TPU v3根本还正在可承担的周围内，同时学术界和工业界后续也势必会从算法和工程实行的角度，对估计打算效果陆续举行优化，来低落实质估计打算开销。
因而，纵然具有着卓殊前沿的AI本领，怎样将所糟塌的本钱转化为实实正在正在的贸易收益，也是DeepMind必要探究的实际题目。
印第安纳大学医学院主管数据科学的副院长黄昆教学以为，关于药厂来说，100-200个GPU自己投资并不算太大，要紧是怎样样设立或者维护一个这方面的团队。这就也出世了少少新的外包机缘。几年前，我就看到有草创公司用呆板研习来做组织筛药，不明了这个发展是会引过来更众这方面的创业依然反过来让DeepMind操纵一方。
许东教学也体现，这项本领的运用前景，良众水准上取决于DeepMind的贸易形式，是不是能给学术界盛开利用。从贸易的角度来看，良众制药公司会为此付费。
另外，AlphaFold并不是一个开源软件，不是全盘人都能拿到AlphaFold最好的版本。DeepMind也许会片面盛开，但不肯定盛开最好的版本。
“假使是必要收费，良众酌量组不睹得有钱去做这个事项。像BLAST那样举行序列比对，我以为再有一点隔绝。”
马健说到，算力现正在一经不是题目。100-200个GPU是锻炼的利用量，真正利用中的算力大概只是这个数字的零头。而估计打算将减省巨额的期间和实行本钱。
“估计打算机辅助药物策画与察觉以及AI的运用，历程了漫长的兴盛和近期的飞速兴盛，也一经有了质的奔腾，例如晶泰科技的智能药物研发平台，正在大片面卵白上都可能确切预测活性，选拔性，耐药性等药物枢纽性子，可能正在极少量的实行下得回理念的药物候选。”
正如马健所言，这项本领将开启一个药物研发和疾病酌量的新时期，可能从原子分子层面上助助阐明疾病的效用机理，同时，与疾病干系的卵白组织越来越众地被估计打算解析出来，会供应巨额的新靶点，宛如给药物察觉掀开了一道源流的闸门，为药企拓荒first-in-class药物创作更众新机缘。
他写道，我正在这个界限做了十几年的事务，众次插足过CASP大赛。现正在究竟看到这个题目被靠谱地管理了，是一件科学界限的幸事，可喜可贺！固然DeepMind是集大成者，但这个题目的管理是众数人几十年的结晶。
许东教学向雷锋网说到，我方正在橡树岭邦度实行室和徐鹰教学一块，做了少少卵白组织预测的事务，当时受到不少眷注，因而两人得回了2001 年美邦“最非凡酌量与拓荒100 人奖。另外，周耀旗教学、李明教学、许锦波教学、张阳教学、卜东波教学和我方系里的程筑林教学等正在这个界限里都做了卓殊好的事务。
稀奇是许锦波教讲课题组是真正第一个用深度研习来举行氨基酸隔绝预测的人，对这个界限起了很大的效用；密歇根大学张阳教学实行室的供职器好久正在CASP自愿预测大类里排名第一，获得了普及利用。
“因此，行家大概看到是最闪亮的那颗星，不过背后有良众人肃静为之斗争。此日AlphaFold的收获绝对是太众人积淀的结果。”
行业专业人士向雷锋网体现，AlphaFold的酌量团队卓殊阔绰，19位共统一作家内部有良众人是正在语音、估计打算机视觉、自然讲话解决、呆板研习、医疗影像、分子动力学、高能物理、量子化学等界限的出名学者。
行业专业人士坦言，和工程型团队比拟，学术型团队正在估计打算资源上一经不再是短板，而学术团队和工程团队的一个清楚不同正在于，学生很难做到工程职员能做的事项，公司正在这一点上可能做到极致。
“真正要把一件事项做好，必要每个component都做到极致。因而，从这个角度来看，很详尽才具做得很好，DeepMind是一个很优异的集成者。”
每到AI打败人类时，总有这种雷同的论调：XX职业要被AI庖代了。因而，当AlphaFold一出时，就有人预言到，组织生物学家都要赋闲。
颜宁正在微博里也就昭着体现，假使你对组织生物学的阐明还逗留正在20年前，那这么说也不是不可。不过组织生物学本身平昔正在兴盛着，一场冷冻电镜的辨别率革命更是令组织生物学今时差别往日了。
AlphaFold必定会成为这个时期中浓墨重彩的一笔。颜宁正在微博中的一段话，稀奇适合详细此次AlphaFold的时期事理。
我正在2015年主办一个seminar的光阴也曾评论过：structural biology的实质是biology，是阐明人命、是做出生物学察觉。不过正在X-射线晶体学为要紧门径的时期，得回民众半酌量对象的组织自己太难了，于是良众酌量者把“得回组织”自己行动了目的，让生手误认为组织生物学便是解组织。
不过我从进入这个界限之初，就被训诫的明认识白：组织自己只是门径，它们是为了答复题目、做出察觉。
人类对未知天下的渴求，对事实的谋求，才是AlphaFold正在这个AI时期最好的注脚。向全盘贡献正在这个界限的学者，致敬！
众年来，众个改日学家都对奇点、AGI举行过出世期间的预测，但他们从没公布过预测会是哪个结构会拓荒出AGI，而现正在，各类新闻阐明，DeepMind是最有大概创作出AGI的结构。
当然，这一点明白现正在还没获得普及认同，良众商讨AI的著作也还没特意商讨DeepMind，斯坦福一篇82页酌量AI的影响的论文竟然惟有三处提到DeepMind（这篇论文还说企图5年更新一次，线年一次这种速率能跟上AI的兴盛？），也没有独立一个章节商讨DeepMind的领先水准，这种情状改日会改观吗？
现正在DeepMind的推特粉丝50万，OpenAI粉丝60万，Elon粉丝6000万，跟着DeepMind公布越来越强的收获，不明了会兴盛成怎样样呢？Elon发个火箭的效用根基就没AGI强，信心太空的人，企图正在什么光阴苏醒过来？
当然，正在酌量奇点的圈子里，一经开首有人由于DeepMind企图添置Google的股票了（此外，我目前还没看到有由于OpenAI而买微软股票的人），卓殊欢娱能看到有这种家伙。