DeepMind这几年

DeepMind最近又搞了个大新闻，所以我觉得应该根据能看到的资料，为大家稍微介绍一下这家我个人认为十分了不起的公司。

创始人和公司简介

创始人之一是Demis Hassabis（1976/07/27——），就是下面这位老兄：

DH应该是属于天才这样的人物，他从小开始学习编程。16岁的时候开始为Bullfrog公司工作，开发了“主题公园”这款游戏。他自己也是一位国际象棋好手。

DeepMind公司由他和另外两位联合创始人一起在2010年成立。2014年公司被Google收购，2015年成为Google母公司Alphabet Inc下的全资子公司。

公司的重要作品

2016年

2016年，DeepMind公司开始为人所知，因为在那一年，公司开发的AlphaGo在围棋正式比赛中击败了当时的世界顶尖选手李世石。五番棋的结果是4-1。

长久以来，围棋一直被认为是最不可能由“机器”来下出真正顶级水平的智力运动。AlphaGo之前，一些围棋机器人大概也只有业余几段的水平，根本不能和职业选手相对抗。

但AlphaGo横空出世，彻底颠覆了人类的成见。我承认，我当时是希望李世石能击败AlphaGo的。

2017年

2017年，AlphaGo又在3局比赛中击败了柯洁。

此时的引擎还是要依靠学习人类的比赛和经验（比如开局指南等）来获得“经验”。

2017年，AlphaGo的升级版出现，可以与人类顶级高手进行全对称信息对弈类游戏的竞争。这个升级版被命名为AlphaZero，可以进行国际象棋、围棋和日本将棋的对弈。

更令人震惊的是，这个版本完全是通过自我学习而在短时间内达到了人类难以企及的水平。AlphaZero的前一版本AlphaGo Zero只自学了3天，而且用了更加少的计算量，就在一次内部比赛中以100:0的可怕优势击败了AlphaGo。

另外值得一提的是，这一年也可以说是国际象棋引擎的爆发之年。在AlphaGo的激励下，全球出现了众多水平也极高的国际象棋引擎，如Stockfish, LeelaChess Zero, Komodo等等等等。

如今的国际象棋人类选手，已经习惯于用引擎来帮助自己训练。一旦在对弈中下出令职业选手都叹为观止的下法，人们也习惯用“Engine Move”来形容这一手。

2018年

这一年，基于DeepMind之前的研究，Google推出了第一个商用TTS产品：Cloud Text-to-Speech。它基于DeepMind的WaveNet项目。

2019年

这一年1月，DeepMind推出了AlphaStar，用来与人类高手进行星际争霸 II的对决。经过不断改进和限制“作弊”¹的举动，在这一年10月，AlphaStar已经在三个星际II种族的天梯比赛中，都达到了大师级别。

星际争霸和围棋、国际象棋不同，它是非对称信息的对战：你知道自己的兵力、科技树，但不可能完全知道对手的兵力、科技树；换句话说，对方在某种程度上是“隐形”的。

2020年

2020年的14届CASP会议上，DeepMind推出了AlphaFold，一个专注于蛋白质折叠的引擎。在43个蛋白质中，它最精确地预测出了其中25个蛋白质的空间折叠结构，达到了“实验室”精度。

蛋白质的空间折叠具有重要的现实应用价值。蛋白质只有在折叠成一个特定的空间结构时，才具有其作用；如果折叠后的结构不对，就会出问题，而且是涉及生命体健康的大问题！

如果我们能在AlphaFold的帮助下，快速、准确、低价地预测出蛋白质的空间结构，那必将大大造福于人类。

2021年

将近沉寂一年后，DeepMind又抛出了一个重磅新闻。4天前（2021年12月1日）的《自然》杂志上刊登了一篇文章，题为“DeepMind’s AI helps untangle the mathematics of knots”。

我认为，这次的DeepMind开始展现出真正的“人类”思考模式：从众多已知的现象中，开始进行归纳，并历史性地为人类提供思路：它一次性提出了两个数学猜想：一个涉及纽结的几何特征和代数特征之间的关联；一个涉及表示论。

搜狐的这篇报道说得很对：

首先我们要知道，证伪一个猜想相对简单，只需要找出一个反例即可。
但从零开始提出一个全新猜想这种工作，AI还是 首次参与进来。

人类的直觉（以及由此而来的归纳、演绎、推理）一直以来都是AI的难点，DeepMind跳出了之前（无论是全对称信息还是非全对称信息）游戏中还存在的由（卑微的）“人类”设置的规则，开始为人类发现、制定规则。这真的是“不明觉厉，细思恐极”的一步。

这才是人工智能的正确方向。