MIN:下一个“AI王炸” 别只盯着OpenAI DeepMind也在憋大招

过去几个月，OpenAI风头无两，各大科技公司争先恐后地跟进大语言模型这一技术路线。

对比之下，OpenAI的老对手DeepMind，显得有些低调和沉默。微软靠OpenAI打了一场胜仗，而谷歌推出的Bard翻了车，和谷歌同属AlphaBeta的DeepMind却没有出来力挽狂澜的意思。

同样是半学术、半企业科研性质的前瞻性AILab，DeepMind也瞄准了通用人工智能AGI，但实现路径上，却有着和OpenAI不同的选择。

这段时间我们能看到科技圈在集体“追风口”，大量资源都被投入到OpenAI引领的大语言模型热潮中，有些高校甚至出现了“不做LLM就没有算力用”的局面。“中国没有自己的OpenAI”也被认为是创新滞后的现实证明。

有人说OpenAI的AI属于“精英教育路线”，一路砸钱供它读到博士，一毕业就是王炸，惊艳全场，这点确实没错，也是非常值得很多国内AILab学习的。

追逐OpenAI的赛道已经十分拥挤。别忘了，DeepMind默默烧钱、长期锚定的很多研究方向，也非常具有前沿性和想象力，2016年的AlphaGo、2020年的AlphaFold都曾一鸣惊人。下一个“AI王炸”，可能就是DeepMind做出来的。

欧科云链链上大师：身份管理或成下一个千亿市场:近日，欧科云链链上大师发布研报《Web 3.0不可或缺的核心组件——身份管理，下一个千亿市场？（一）》，从传统互联网与Web 3.0 世界的数据安全和身份遗失等问题出发，深度剖析了去中心化身份体系（Decentralized Identifier）的分层结构与场景探索等课题。

报告指出，DID架构通常可以分为标识符标准、基础设施、凭证、应用程序四大部分。中心化导致的数据滥用、平台割裂和用户对数据主权的丧失是孕育出DID的现实土壤。目前来看，与DeFi、NFT、DAO等相比，DID仍是一个被忽视的领域，但链游等场景却又因身份缺失面临各方面的发展限制。作为Web 3.0不可或缺的组件，DID扮演着基础设施的角色，未来也将衍生出更丰富的玩法。[2022/2/24 10:12:21]

大家知道有种新闻叫“震惊体”，每一次出现“AI王炸”级产品，就会有大量“震惊体”出现，比如“阿尔法狗要取代人类”“AlphaFold抢了生物学家的工作”“有了ChatGPT人类还有价值吗？”

感到“震惊”，有时真的只是因为知道的太少、太晚，在这些“AI王炸”技术尚在成长阶段，忽视了它们，等能力发展到实用程度，又开始恐慌、焦虑。

届时，我们会不会又会陷入新一轮的追逐跟风，接着抱怨“中国没有自己的DeepMind”呢？

所以，我们不妨来预测一下，DeepMind正在憋的大招里，哪些可能成为下一个王炸，读者们可以有个心理准备，提前对“震惊体”脱敏。

AI要取代科学家，够不够震惊？

ChatGPT走红之后，很多白领人士都担心自己的岗位要被取代了。而科学家可是智力水平站在金字塔顶端的人类，职业生涯肯定稳稳的吧？

声音 | Ran NeuNer：亚马逊作为下一个推出加密货币的企业是最符合逻辑的:CNBC主持人Ran NeuNer发布推文称，亚马逊作为下一个推出加密货币的企业是最符合逻辑的。虽然Facebook拥有更多用户，但亚马逊拥有更多交易。NeuNer认为，其货币会出现一种根据在生态系统中的支出升值的网络效应。[2019/6/21]

AI+科学，正是DeepMind长期锚定的赛道，已经产出了很多突破性的研究成果，覆盖了数学家、物理学家、生物学家的专业领域。

已经问世的AlphaFold和AlphaFold2就在生物学界掀起了海啸级的影响，彻底改变了蛋白质结构预测的传统方法，也引发了各大高校和科研机构的复现、优化、应用。基于这一新技术，DeepMind一夜之间改变了生物制药行业，也因此成为“数字生物学”这一新兴领域的先驱。

目前，AI+生物学的潜力还没有完全释放出来，AI技术在生物制药和生命科学中的应用，还停留在少数环节中探索、案例级尝试的阶段。DeepMind也正在与行业展开合作，比如与IsomorphicLabs合作，以“AI-FIRST”原则重构药物发现过程，在著名的生物医学研究中心弗朗西斯·克里克研究所，建了一个湿实验室，加强AI技术与生物实验的结合，同时还在不断扩大AIforscience团队，加快基础生物学的研究。

或许，下一个抗癌新药、生物计算领域的大突破，就会在DeepMind诞生。

声音 | Mati Greenspan：BTC的下一个阻力位是2万美元:市场分析师Mati Greenspan认为，BTC的下一个主要阻力位是2万美元，FOMO（追涨）阶段还在后面，另外持有LTC和BNB是最佳选择。[2019/5/28]

你可能会说，生物学是一门实验科学，有成熟的程式，被AI技术改变很合理。数学、物理这样的基础科学，突破几乎来自天才式的直觉和灵感，有的数学家甚至是在梦中取得突破。比如阿基米德就是在洗澡时灵光一现，发现了浮力定律；拉马努金在梦中发现了3900个公式……AI估计就不好使了吧？

数学、物理，这些涉及抽象世界和人类深层直觉的领域，DeepMind也已经取得了突破。

帮助数学家发现他们从未发现的发现——DeepMind发表在《自然》杂志上的一篇论文显示，研究人员与顶级数学家合作，为一个几十年来都没有结局的数学猜想，通过机器学习找到了突破口。

使用AI来处理海量或无法直接推理的数据，可以大大增强数学家的洞察力，从而更快地找到证明猜想和新公式的方法，已经被DeepMind证明是可行的。

牛津大学数学系教授MarcusDuSautoy形容AI技术在纯数学中的应用，“就像伽利略拿起望远镜，能够深入凝视数据宇宙，看到以前从未发现过的东西”。

未来随着探索的增多，很多未被证实的数学猜想，都有可能因AI的加入而突破。希望届时大家不会又以为AI进化出了什么超能力，被“AI取代数学家”之类的标题给了。

声音 | 加密分析师：今年晚些时候或将进入下一个牛市的开始阶段:据bitcoinexchangeguide报道，根据加密分析师和交易员Magic Poop Cannon的最新分析，比特币正在为可能出现的回调做准备。200EMA和50 EMA之间似乎正在建立一个黄金交叉(Golden?Cross)。如果确实在未来几周内建立黄金交叉，那么将是熊市已结束的一个巨大迹象，并且将处于进入下一个牛市的过渡阶段，今年晚些时候将进入下一个牛市的开始阶段。在短期内，Cannon认为即将看到比特币回到4000美元的区域，有可能会达到4300美元即接近上行通道的底部。他确信在与上行通道顶部接触后，比特币将会回调。[2019/4/16]

AI参与核聚变的研究进程——核物理无论从学术还是社会经济的角度，都是非常重要的。大家可能都听过中国核物理学家造原子弹的艰苦故事，其中很多工作和牺牲能不能由AI来代劳呢？DeepMind还真搞成了。

它们与瑞士等离子体中心，合作开发了一个AI系统，通过强化学习，控制系统可以很好地协调TCV，确保等离子体永远不会接触容器壁，这样就可以减少核聚变的热量损失。同时，还能将等离子体精确地雕刻成不同的形状，方便科学家研究等离子体在不同条件下的反应，从而提高对核聚变反应堆的理解。

声音 | LEX：稳定币将是下一个颠覆性创新:据石木资本LEX发文，目前稳定币大部分是作为价值储存、交易媒介和锚定借贷的工具。他认为稳定币崛起的一个很重要的结果就是传统全球金融产业和加密货币产业的结合，因为稳定币代表着全球加密货币市场中大家希望共同开发的基础设施建设的新高度。这是区块链的另一项创新，这是结合了电脑编程、金融以及法律的创新。20年后我们再回头看全球区块链和加密货币行业的早期发展，稳定币可能会是促进我们生态发展和成功的各个因素中最据颠覆性的一个新发展。[2018/9/30]

总之，在过去的几年里，DeepMind在数学、物理、化学、生物学、量子、气象、材料等多个科学领域，创造性地探索了大量AIforscience的可能，带来了全新的科学研究方法，必然会催生全新的科学发现和技术突破，下一个“AI王炸”很可能就在其中。

现实版《西部世界》够不够炸裂？

DeepMind的目标也是实现通用人工智能。具体怎么做呢？OpenAI专心搞语言，DeepMind就专注“训狗”——搞强化学习。

弱人工智能，只能在有限的环境中解决特定问题，没有发展出人类身上那种通识智能。那种“通用”智能的机器，大概就类似于《西部世界》或者《底特律》中的机器人，能够在复杂的环境里执行任务。

实现AGI，OpenAI是用大量数据和充分训练来促成大语言模型的“智能涌现”，而DeepMind则选择了“正向教育”——希望通过强化学习，给AI系统以“奖励最大化”的刺激，驱使智能体自主去学习复杂的能力。因为只有表现出这些能力，智能体才能获得奖励。

听起来，是不是跟工作犬执行主人的口令，主人根据结果来进行奖励或惩罚是一个路子？

在一篇论文中，DeepMind的研究人员写道：“奖励足以推动智能体表现出通用智能的迹象和行为，包括学习、感知、社会智能、语言、概括和模仿。”

上一只震惊世界的狗是击败人类棋手的“阿尔法狗”，而下一只可能就是被DeepMind用强化学习训练出来的AI了。

比如这只机器狗，就通过强化学习不断试错，从而具备了两个重要的能力：

一是使用历史经验，一般来说电机控制的AI智能体，一开始不知道对每个关节施加什么力，需要大量数据才能迈出步子，不然就会随机抽搐并迅速摔倒，而借助RL可以利用以前学到的运动技能，从而缓解“起步”时的尴尬。

二是减少特殊行为，此前智能机器人一般会用一种很不自然、不够人性化的方式来避障，虽然看起来很有趣，但不够实用。DeepMind采用强化学习训练，偏向于让智能体学习更多的自然行为，可以安全高效地控制真实世界的机器人/机器狗，将机械控制与认知智慧相结合。

类似的强化学习实验还有很多，比如让智能体在网络游戏中展开随机互动，让智能体在模拟的三维世界里搭积木、打扫房间……基本逻辑都是基于人类反馈的奖励模型。

ChatGPT只能解决语言问题，《西部世界》里的人机融合新物种，更灵活的通用家政机器人，可能还真得靠DeepMind的强化学习路线来实现。

像人脑一样思考的AI，够不够有趣？

DeepMind虽然没有跟风推出类ChatGPT的大语言模型，但并不代表它对这个领域毫无建树，只不过二者关注的技术方向不太一样罢了。

随着使用者的增多，大家可能都发现了类ChatGPT模型的一些限制，比如非常注重数据和语料。

深度学习靠规模数据、庞大算力、充分训练而“大力出奇迹”的暴力美学，在大模型时代发挥到了极致。

这带来了一系列问题，比如中文语料不足，训出来的大模型效果不好，有的中文LLM会用英文语料进行训练，再将答案翻译回中文，这种做法当然是符合业界常规的，但问题在于很多价值观、常识性的东西，是没有办法对齐和翻译的。

而且“暴力计算出奇迹”的大炼模型，打造的语言模型是不可解释的黑盒，金融、政务、工业等行业是不敢用的，无法支撑可靠的决策。

不知道OpenAI和国内厂商打算怎么解决“暴力计算”的弊病，反正DeepMind倒是一直在琢磨不同的路线——不搞暴力美学，大搞神经科学。

DeepMind认为大脑才是机器智能模仿的对象，希望通过对脑科学、神经运动学、元学习等“人类本位”的研究，来提升深度学习模型的鲁棒性、可解释性、可靠性等，让AI达到人类水平的理解能力。

比如重新认识大脑的工作机制，借鉴多巴胺通过调节神经元之间突触连接的强度，提出了一种基于奖励的强化学习理论；在3D游戏世界中创建了模拟心理学实验室Psychlab，能够实施经典的心理实验，显著改进了智能体UNREAL的性能；发现在人工神经网络倾向于避开精确设计的代码，倾向于对成本函数进行暴力优化，而人脑的机制却往往会专注在任务实现和奖励上，从这个角度去优化深度神经网络的结构。

2023年发表的一篇新论文中，DeepMind则针对大脑中的回放机制，提出这是一种组合计算的形式，可以衍生出新的知识，在神经网络中整合回放机制，有望让AI用极少的数据学到新东西，提高认知智能，更接近“智能涌现”。

大脑的智慧让人类爬上了万物之灵的宝座，AI不靠人工而靠智能，为什么不可能呢？

当初OpenAI要走NLP这条“冷门”的路，很多人也觉得不可能，直到产品虽不成熟、但能力十分惊艳的ChatGPT出现，人们才开始纷纷夸赞OpenAI的长期主义。这些年DeepMind默默搞的研究，可能就是下一个“王炸”。

我们都希望中国AI也能诞生影响世界的元创新，其实AI领域并没有那么多独门秘技，很多灵感或技术路线都是公开的，但我们为什么总是听过就算、见过就忘呢？

除了灵光一现的idea，OpenAI和DeepMind不断投入的耐心，强大的工程能力，前沿研究与商业化的平衡，也是值得学习和借鉴的。

不能总是热泪盈眶，总是不长记性，直到下一个《震惊！XXX的XXX又颠覆世界了》……

来源于：36氪

标签：MININDMINDEPMCrypto Gaming UnitedCoinDDMINDOLEPM价格

BNB热门资讯