Month: July 2023

想象一下，如果每次想学习一道新的菜谱，你都必须重新学习如何切割、剥皮和搅拌在许多机器学习系统中，当面临新的挑战时，代理通常不得不从头开始学习然而，很明显，人们的学习效率比这要高：他们可以结合之前学到的能力就像有限的词典可以重新组合成几乎无限意义的句子一样，人们可以重复使用和重新组合他们已经掌握的技能来应对新的挑战

在2016年，我们推出了AlphaGo，这是第一个能够在古老的围棋游戏中战胜人类的人工智能（AI）程序两年后，它的继任者AlphaZero从零开始学习，掌握了围棋、国际象棋和将棋现在，在《自然》杂志上的一篇论文中，我们描述了MuZero，这是在追求通用算法的道路上迈出的重要一步MuZero可以掌握围棋、国际象棋、将棋和Atari，而无需知道规则，这要归功于它能够在未知环境中规划获胜策略的能力

现代人工智能系统处理识别图像中的物体和预测蛋白质的三维结构等任务，就像一个勤奋的学生为考试做准备一样通过在许多示例问题上进行训练，它们随着时间的推移减少错误，直到取得成功但这是一项孤独的努力，只是已知学习形式之一学习也可以通过与他人互动和游戏来进行一个人很少能够独自解决极其复杂的问题通过使问题解决具有类似游戏的特性，之前DeepMind的努力已经训练出能够玩捉旗战并在星际争霸中达到大师级别的AI代理这让我们想知道，基于博弈论的这种视角是否能够帮助解决其他基本的机器学习问题

去年12月我们宣布AlphaFold 2时，它被誉为解决了50年来的蛋白质折叠难题上周，我们发布了科学论文和源代码，解释了我们是如何创建这个高度创新的系统的，今天我们分享了人体中每一种蛋白质的形状的高质量预测，以及其他20种科学家在研究中依赖的生物体的蛋白质的预测

近年来，人工智能代理在各种复杂的游戏环境中取得了成功例如，AlphaZero在开始时只知道如何玩基本规则，却击败了国际象棋、将棋和围棋的世界冠军程序通过强化学习（RL），这个单一系统通过不断重复的试错过程来通过一轮又一轮的游戏学习但是AlphaZero仍然要单独训练每个游戏，不能简单地学习另一个游戏或任务而不需要从头开始重复RL过程强化学习的其他成功案例，如Atari、捉旗、星际争霸II、Dota 2和捉迷藏等，也是如此DeepMind致力于解决智能问题，推动科学和人类进步，这使我们探索如何克服这个限制，创建具有更通用和适应性行为的AI代理这些代理不再一次学习一个游戏，而是能够适应全新的条件，并玩遍各种游戏和任务，包括以前从未见过的

我们的生活与天气息息相关根据一项研究，在英国的任何时刻，据说有三分之一的人在过去一小时内谈论过天气，反映了天气在日常生活中的重要性在各种天气现象中，雨水尤为重要，因为它对我们的日常决策产生影响我应该带把伞吗？对于经历大雨的车辆应该如何规划路线？对于户外活动我们应该采取哪些安全措施？会不会发生洪水？我们最新的研究和先进的模型推动了降水即时预报科学的发展，即对未来1-2小时内雨水（和其他降水现象）的预测在与英国气象局合作撰写并发表于《自然》杂志的一篇论文中，我们直接应对了这个重要的天气预报大挑战这种环境科学与人工智能的合作关注为决策者创造价值，为雨水即时预报开辟了新的途径，并指出了人工智能在支持我们应对不断变化环境下的决策挑战中的机会

当人类基因组计划成功地绘制了人类基因组的DNA序列时，国际研究界对于能够更好地理解影响人类健康和发展的遗传指令感到兴奋DNA携带了决定从眼睛颜色到易感染某些疾病和疾病的遗传信息人体内大约有2万个DNA片段，即基因，包含有关蛋白质的氨基酸序列的指令，这些蛋白质在我们的细胞中执行许多重要功能然而，这些基因仅占基因组的不到2％剩下的碱基对——占基因组中30亿个“字母”的98％——被称为“非编码”，包含着关于基因在人体中何时何地应该产生或表达的较少理解的指令在DeepMind，我们相信人工智能可以解开这类复杂领域的更深层次理解，加速科学进步，并为人类健康带来潜在益处

一个多世纪之前，斯里尼瓦萨·拉马努金以他非凡的能力震惊了数学界，他能够看到其他人无法察觉到的数字中的显著规律这位来自印度的自学数学家将他的洞察力描述为深入的直觉和精神力量，往往是在生动的梦境中获得这些规律

语言及其在展示和促进理解或智能方面的作用是人类生活的基本组成部分它赋予人们交流思想和概念、表达想法、创建记忆和建立相互理解的能力这些是社交智能的基础部分这也是为什么我们在DeepMind团队研究语言处理和交流方面的因素，无论是在人工智能代理中还是在人类中

今天，我们与EMBL的欧洲生物信息学研究所（EMBL-EBI）合作，正在发布几乎所有已知的目录蛋白质的预测结构，这将使AlphaFold数据库的规模扩大了200倍，从近100万个结构增加到超过2亿个结构，有可能极大地增进我们对生物学的理解