因此，當他們公佈自己的人工智能模型AlphaFold通過蛋白質數據庫的數據訓練，已經預測出蛋白質3D形狀時，這個系統不僅被紐約時報、福布斯等雜誌稱為「一流的科學成就」，還被看作是「一個歷史性的時刻」。
圖片來自福布斯
當然，雖然行業人士認為有朝一日 Deepmind科學家有可能獲得諾貝爾獎。但就像大部分諾貝爾獎獲得者一樣，這只是一種開創性的「基本見解」。
而將基本見解轉化為現實世界中創造商業與社會價值的產品，還需要幾十年的時間。
因此，短期來看，我們有權利向Deepmind提出質疑：是否思考過3~5年內有效的商業化路徑？谷歌是如何看待它持續的研究貢獻和與之不匹配的商業貢獻？
實際上，早在2017年Deepmind CEO哈薩比斯帶領技術團隊來到中國烏鎮對戰中國圍棋國手們時，我們有幸在現場親眼見證了歷史。而谷歌當時，就曾明確提及了關於強化深度學習的兩個技術應用方向——
一個是遊戲設計；而另一個，則是醫療領域的特定疾病預測與篩檢。
Deepmind創始人兼CEO，現年45歲的哈薩比斯
但由於當時大眾未受到技術啟蒙，人工智能本身還在散發着巨大的輿論威力。因此，那時極少有人會關注它們發表的一系列關於強化與深度學習的論文，究竟能夠給企業帶來什麼不菲的收入。
而實際上，這項技術其實僅能應用於非常狹窄的特定環境。
Wired曾披露，Deepmind開發的參與《星際爭霸》遊戲的AI選手，能力非常有限。如果說在一張地圖上啟用某單一角色，它的效果可能會比人類好。但在不同地圖上啟用不同角色，效果就會差很多。
如果要切換角色，你需要從頭訓練系統。
「在某種程度上，深度強化學習有點像是『死記硬背』記憶法，使用它的系統能產生很棒的結果，但他們對自己正在做的事情只有一個膚淺理解。
因此，體系缺乏靈活性，無法在世界發生變化時進行補償，有時甚至是微小變化都無法應對。」
而這樣的結果，也同樣阻礙了他們的醫療實際應用進程。
在2019年8月，Deepmind曾經在《自然》雜誌上發表了一篇論文，聲稱自己在疾病預測方面取得重大突破——人工智能能夠在急性腎損傷(AKI)發生兩天前做出預測。
但實際情況是，它沒有任何實操性預測。
公司只是獲得了一個相關的病人數據集，使用神經網絡找出了AKI與病人之間的模式。此外，這種預測模式只在某些時候起作用，總體準確率為55.8%，預測越早，準確率越低。
更重要的一點是，這項研究幾乎完全針對男性，更確切地說，是一組90%以上為男性的退伍軍人數據。這對於具有數據偏見和歧視性的人工智能來說，很明顯存在極大漏洞。
當然，由於醫療數據必然會涉及到病人私隱，從2016年開始，DeepMind就被捲入了一場關於合法數據應用的「社會與機構審判」中。2017年，英國的數據監管機構曾裁定，DeepMind在幾個主要方面侵犯了病人的權利。
以上便是Deepmind在醫療健康領域奮戰至少5年，但商業化收效甚微的關鍵原因。當然，運行極其隱蔽、規整且很有自己一套作風的英國國家醫療體系，也是技術公司難以撼動的客觀因素之一。
總的來說，2016~2017年大部分人工智能公司之所以最喜歡用遊戲來搞噱頭，是因為遊戲有嚴格邊界設定的特質；
而現實世界中，卻少有存在明確邊界的問題。
谷歌保持沉默，但行動告訴了我們結果
站在市值萬億，每年收入高達千億美金的谷歌角度，每年撥出5億美元並不是一個巨大的賭注。但是，如果通往商業生存能力的道路比預期時間更長，超過5年風險仍有攀升趨勢，那麼，就不可能有任何一家企業會冒這樣的風險。
譬如，於今年1月正式被谷歌關停的互聯網氣球項目Google Loon，曾在2011年成立時發出「讓全球最貧窮偏遠的最後10億人用上互聯網」的壯志豪言。然而，他們在2016年時就已被大幅削減開支，最終沒能挺過疫情肆虐，收入來源歸零的2020年。
對了，2017年Loon項目組穿着卡通鯊魚拖鞋的谷歌工程師們，也曾表示機器學習幫了他們一個大忙——系統可以根據風向來操控氣球移動的角度，讓它們能夠在某一地區小範圍盤旋。
Loon實驗室的工程師
Loon並不是特別的，谷歌每年虧損幾十億美元的登月業務Other bets，每年都會有很多創新項目或無疾而終，或被CFO和投資者殺人般的眼神不斷「凌遲」。
而近幾年來，人工智能給谷歌帶來的技術聲譽，逐漸被前者涉及到的數據私隱、道德倫理問題所掩埋。
特別是在谷歌去年開除人工智能倫理研究員後，大眾對谷歌這家商業組織的質疑和道德批判，達到了歷史的最巔峰狀態。
而相比之下，Deepmind今年從「發佈蛋白質3D形狀預測算法平台」再到「不惜一切代價改寫財報收入數字」，像是在試圖說服谷歌和投資者的同時，想重新燃起過去幾年世人被逐漸澆滅的對人工智能的熱情。
圖片來自華爾街日報
值得注意的是，華爾街日報曾在今年5月爆料，Deepmind多年來一直在與母公司Alphabet談判，希望獲得更多自主權，特別是重新建立一套「非盈利組織使用的法律架構」，而原因就在於，他們認為自己做的人工智能研究不應由單一企業實體控制。
這一說法並非沒有緣由。
譬如，2020年在美國Darpa（國防高級研究計劃局）的一次演示中，一架AI控制的F16戰鬥機輕鬆擊敗了一名人類飛行員。而這家軍用技術公司採用的強化學習算法靈感，便來自於Deepmind。
而在2020年12月，美國空軍利用人工智能程序控制了一架 U-2間諜飛機上的雷達系統，靈感也來自於DeepMind。這一算法通過數千次模擬任務學會了如何引導雷達，以便識別地面上的敵方導彈系統，這在實際任務中對防禦至關重要。
因此，我們不難發現，這家早在2015年便發表公開聲明，敦促世界各國政府禁止研發致命性人工智能武器的公司，其實陷入了一種兩難的境地——
堅持基礎研究和無歧視、道德感更強的崇高願望，與「不得不尋找商業化路徑，靠Alphabet續命才得以繼續研究工作」之間的矛盾。
但Deepmind最終在「爭取更多獨立權」的談判中失敗了。哈薩比斯親自將這個結果在今年4月告訴了員工們。
而外媒對此結果並不驚訝，甚至觀點大體一致：「Alphabet如何會放棄一個輸血超過數十億美元，並且將全球最聰明的人掌握在自己手裏的機會呢？」
我還記得，2017年，在烏鎮AlphaGo的結束致辭上，氣氛其實有點壓抑。哈薩比斯說了很少的話，他一直用一種很慈祥的目光望着流淚的柯潔，並擁抱了他。但對於人工智能的能力邊界，目光卻溫和而堅定：
「我也不清楚人工智能會走向何方，但它的強大會超乎想像。人類科學家不可能在所有數據中正確導航並找到洞察力。我們需要機器學習和人工智能幫我們在這些領域找到突破。
但所有的技術本質上都是中性的，它們可以用於好的或壞的方面，所以，我們必須確保它被負責任地使用。」
祝福Deepmind。細微且長期的影響終會迎來變革性的一天。
