一个游戏少年如何击败院士拿下诺奖
今天我要讲述一个科学领域无比励志的故事,一个听起来都不可思议的事迹:一个年轻游戏玩家击败科学院士拿下诺贝尔奖的故事。
是的,之前我讲过游戏显卡是如何引发算力革命进而孵化出AI行业,但今天这个故事,比那个还要不可思议,还要峰回路转。
有这么一个小伙,从小就被誉为天才,从小就热爱游戏,4岁的时候,就对国际象棋表现出浓厚的兴趣,到了8岁,已经能在国际象棋的官方赛事里拿冠军了。他用这份奖金给自己买了一份重要的礼物,一台电脑~并很快爱上了电脑游戏。
熟悉的操作,熟悉的剧情~
17岁那年,他选择进入游戏公司成为一名游戏设计师。
毕竟,既然这么热爱游戏,为什么不试试自己做一个呢?他进入了当时大名鼎鼎的牛蛙公司。
进入公司后一年,他就主导设计出了爆款游戏,那就是大名鼎鼎的《主题公园》。
简单来说,1994年的这款游戏是如今很多主题公园类和模拟经营类游戏的鼻祖,甚至我认为海岛大亨系列应该也受其影响。
几年后,他创办了自己的游戏公司,并陆续开发了《共和国》和《邪恶天才》这两款游戏,都是模拟经营类游戏。
显然,他非常喜欢模拟经营这个游戏类型。
文明5,启动!
到这里,这个故事似乎和过往提到的象棋天才电脑神童故事类似,
从小热爱游戏,有象棋围棋天赋,能自学计算机,最后进入游戏公司成为超级程序员,做出名震业内的爆款产品。
但这位小哥离谱的地方,才刚刚开始。
做出爆款游戏后,很快他就开始思考,电脑这个工具对于游戏的作用,他开始试着在游戏中加入AI功能。
很少有媒体提到这一点,但我作为一个资深游戏玩家,我觉得这很可能是前面几款游戏带来的影响。
因为经常玩模拟经营类的都能感觉到,在游戏后期,大量NPC存在的情况下,电脑算力会有明显短板,
文明5的后期,一回合经常卡爆电脑,
主题公园,天际线,海岛大亨等游戏后期,不但画面卡,而且市民的上下班路线非常不合理,哪怕你给他们建好了公交和地铁,甚至把住宅区和工作区放一块,他们都会四处乱跑把路堵死。
可能正是这些现象,激发了他对于AI的思考,这些游戏性问题,能否利用AI来优化游戏呢?
2010年,他创立了一家新的公司,其目标是“解决智能问题”,并尝试着用学习算法来掌握游戏。
2013年,他们创建了一种名为Deep Q-Network(DQN)的算法,可以以超越人类的水平玩电脑游戏。
测试结果显示,DQN在上手游戏太空侵略者这款游戏的30分钟内,就成为了该游戏内最优秀的玩家。
2016年,这家公司又发布了一款游戏AI,并打败了这个游戏原本的世界冠军。
——这次的AI,叫做AlphaGo。
是的,严格来说,你可以把围棋这项运动理解为一个游戏,把AlphaGo理解为一个游戏AI,
只是围棋这款游戏比较特殊,因为近乎无穷的计算变量,一度被认为无法破解,AlphaGo也比那些简单的电脑,疯狂的电脑要智能很多~
许多人震惊于这两年人工智能的发展浪潮时,往往将其视为一个单一的,突然出现的事情。
实际上不是的,这些年无数电子游戏的诞生,催生出了天量的对游戏AI的需求,很多玩家希望在游戏中对战更智能的AI,或者和更智能的NPC并肩作战,这些需求逼迫着程序员们不断加强对AI算法的探索。
从来不存在一个程序员异想天开说,我要不惜一切代价,研究一个更智能的AI,不是的。
现实情况是,你设计出一个好的算法,你的游戏更好玩,大赚一个亿,他的游戏更智能,大卖两个亿。是沉甸甸的一份份奖金,让大家有无穷的积极性投入到AI开发上来。
火药不是一开始就设计出来的,从来没有一个科学家说今天我就要发明火药,不存在的,是一堆希望长生的炼丹术士为了长生不老这个需求,天天捣鼓炼丹,今天加一点这个,明天试一点那个,最后发现硫磺硝石和木炭混一起居然会爆炸。
列文虎克一开始也没想发现微生物届,人家就是一个做镜片的,天天打磨镜片,结果突然有一天发现把镜片打磨到极致后,能看见肉眼看不到的东西。
我们故事的主人公也一样,一开始他想做游戏,后来想研究更智能的游戏,最后研究出了无比智能的游戏AI。
然后他们突然开始思考一个问题,
既然AI拥有自我学习能力,能够很快的掌握围棋和电子游戏规则,成为冠军玩家,
那如果我们将某个领域的科研也理解为一个“游戏”,AI能不能掌握呢?
2017年,在乌镇围棋峰会上,AlphaGo以3:0的比分干净利落击败世界围棋冠军柯洁后。
2018年,DeepMind又试着研发出了可预测蛋白质结构的AI系统,AlphaFold。尝试用AI来进行科研。
你肯定觉得这不靠谱,让一个最初为游戏设计的AI去研究科学,这也太天方夜谭了。
不是你一个人这么想,某位中科院院士,也是这么想的。
是的,就是咱们的老熟人,颜宁老师。
所以说世上的所有相遇,都是久别重逢,峰回路转咱们居然又碰上了~
常年以来,预测蛋白质结构主要三种办法,一是用 X 光照蛋白质晶体,二是核磁共振光谱,第三种就是昂贵的冷冻电镜拍照建模。
而颜宁团队就以第三种方法冷冻电镜的熟练操作而著称,别人拍照一次的时间,她的团队可以拍五次,效率高非常多。
而DeepMind他们的思路是,这种重复性极高的工作能不能靠 AI 解决呢?
如果咱们把冷冻电镜拍照建模这个过程理解为一个游戏,是不是能用AI去试着解决呢?
“他们不打算拍片子,而是选择了 AI :蛋白质既然由氨基酸构成,那只要利用各处公开的已知蛋白质结构,把这些蛋白质中每一对氨基酸的距离,链接角度,汇总起来做成一张图,再用神经网络消化完他们, AI 就能自己做出预测了”
最终结果是,AI的效率远超人工,一般团队效率是1,颜宁团队效率是5,AI则是十万,并且还在高速增长。因为AI不需要休息,且会不断自我进化。自他们取得突破以来,来自 190 个国家的 200 多万人都用上了 AlphaFold ,在他们的帮助下,科学家们不仅能够更加深入了解抗生素的耐药性,还设计出了可以消化塑料的酶类蛋白质。
如此颠覆性的成果,后面的故事你们应该猜到了,这项技术拿到了诺贝尔奖。这位热爱游戏,最初从业游戏设计师的小伙,就是今年的诺贝尔化学奖获得者,哈萨比斯。
事实证明,时代的发展会公平的甩飞每一个,当你被AI发展惊的目瞪口呆的时候,顶尖科学家可能也会看走眼。
2022年我们讨论AI的时候,AI对于颜宁他们的冲击已经被许多人观察到,从评论区来看,大家虽然都认可AI的发展,但大多认为取代顶尖科学家可能还要一定时间。(有几个小伙伴发言很有前瞻性,非常厉害)
颜宁自己可能也是这么想的,2022年颜宁自己的结论就是,AI的预测水平只能达到她们2017年水准。
这剧情和围棋行业简直一模一样,
一开始AlphaGo出来的时候大家都觉得没什么,也就能击败世界冠军而已,人类努力有机会赢回来。
但很快大家发现这观点错的离谱,因为人类学习是有老师有课本的,人类战斗力其实是站在前人经验上,加上多年学习的结果,而AI接触围棋不到一年~入门一年就给你围棋大师锤了,以后更不用看了。
2022年的时候颜宁觉得AI也就达到她们五年前水平,不足为虑。
问题是AlphaFold是2018年问世的,到2022年也就四年,一个四岁小孩就快追上你人类顶尖科学家了,这发展速度你还用常理去判断一定会大错特错。
所以这个故事告诉我们什么呢?
是科技发展,是AI革新,是人生际遇,还是生物就该转码农?
我觉得最大的启发在于,热爱。
回头展望,2007年颜宁已经是清华大学教授,博士生导师,是卓有名气的学术大师。
此时的戴密斯·哈萨比斯还是一个游戏设计师,别说学术大师了,他甚至都不能算学术界一员。
这个时候,你和他说你未来会击败科学院士拿到诺贝尔奖,他别说相信,甚至都无法想象。
一个默默无名的科学从业者一鸣惊人拿到诺贝尔奖,虽然不可思议,但好歹能说得通。
我一个臭打游戏的,怎么可能拿诺贝尔奖呢?诺贝尔也没有游戏奖啊?
世界的惊奇之处就在于此。
你并不真的热爱科研,可能是为了薪水,可能是为了稳定,可能是为了光鲜亮丽的灯光,你日复一日的干着类似的工作,并深感科研之不易。
他做的虽然只是游戏,但他发自内心的热爱游戏,结果钻研到极致,居然点出AI这条科技树,一回头居然是新时代的钥匙。
你说这是他运气好,可如果没有对游戏有极致的热爱,如果不是从根本上思考游戏的玩法,如果只是为了赚钱做些换皮游戏,这个故事可能发生吗?显然不可能。
是对热爱事物超越一切的热爱和钻研,帮助了他探破迷雾找到新的世界。
永远不要忘记,热爱你所热爱的。