Google DeepMind：AlphaGo 十年影响

Google DeepMind 宣布，十年前 AlphaGo 开创的技术已经从掌握复杂游戏演进为解决基础科学挑战，并为人工通用智能（AGI）的发展提供了参考。2016 年对世界冠军 Lee Sae Dol 的胜利表明，AI 可以超越模仿人类专家，发现新颖的策略，为将搜索和强化学习应用于现实科学问题提供了路线图。

AlphaGo 的技术基础

AlphaGo 通过将深度神经网络与先进的搜索和强化学习相结合，克服了围棋的极端复杂性——其可能的局面多达 $10^{170}$ 种。系统的学习过程分为两个主要阶段：

  1. Supervised Learning：AlphaGo 首先通过研究人类专家的对局，学习出一个合理走法的模型。
  2. Reinforcement Learning：随后系统与自身对弈数十万局，强化最强的取胜策略。

为了使问题可解，AlphaGo 分析了最有潜力的路径子集，以确定最有可能导致胜利的落子。该方法在 AlphaGo Zero 中进一步完善，后者完全通过随机对弈学习；AlphaZero 则是一个通用系统，仅凭游戏规则从零开始掌握围棋、国际象棋和将棋，并击败顶尖人类选手和诸如 Stockfish 等专用程序。

从游戏到科学突破的转变

DeepMind 将 AlphaGo 证明的在庞大搜索空间中导航的能力应用于现实世界，取得了多项高影响力的科学成就：

蛋白质折叠与 AlphaFold

2020 年，DeepMind 使用 AlphaFold 2 解决了预测蛋白质三维结构这一历时 50 年的重大挑战。该系统实现了对全部 2 亿已知蛋白质结构的折叠预测，这些数据现已在开源数据库中提供，已有超过 300 万研究人员用于疟疾疫苗和分解塑料酶的研究。该工作使 John Jumper 与 Demis Hassabis 于 2024 年获得了诺贝尔化学奖。

数学推理

AlphaProof，作为 AlphaGo 架构的直接衍生，结合语言模型与 AlphaZero 的强化学习和搜索算法，以证明形式化数学命题。与 AlphaGeometry 2 一起，AlphaProof 在国际数学奥林匹克（IMO）中达到了银牌水平。随后，Gemini 的 “Deep Think” 模式的高级版本在 2025 年 IMO 中实现了金牌水平的表现。

算法发现与科学协作

  • AlphaEvolve：一个由 Gemini 驱动的编码代理，探索计算机代码以寻找高效算法。它发现了一种用于矩阵乘法的新方法，而矩阵乘法是现代神经网络的核心操作。
  • AI Co-scientist：一个整合搜索与推理原理的系统，使代理能够“辩论”科学假设。在伦敦帝国学院的验证研究中，它独立提出了一个关于抗菌药物耐药性的假设，而该假设原本需要人类研究者多年才能提出。

DeepMind 还利用这些技术推动了基因组、聚变能源和天气预测等领域的研究。

通往人工通用智能（AGI）的路径

DeepMind 认为，实现 AGI 的路径需要整合三大核心要素：

  1. World Models：类似 Gemini 的多模态系统，能够理解语言、音频、视频、图像和代码。
  2. Search and Planning：由 AlphaGo 和 AlphaZero 开创的推理与搜索技术。
  3. Specialized Tool Use：通用模型调用专用 AI 工具的能力（例如使用 AlphaFold 进行蛋白质结构预测）。

虽然 “Move 37” 展示了 AI 超出常规思考的能力，DeepMind 将真正的原创发明定义为不仅能够精通已有游戏，还能创造出像围棋一样深邃且优雅的新游戏的能力。

Sources