注意：本文是2021年9月在CERN Sparks! Serendipity Forum上发表演讲的摘要，可以在这里观看。
当人们想象一个拥有人工通用智能（AGI）的世界时，更容易想到的是机器人，而不是解决社会最棘手问题的能力。但我相信后者更接近真相。人工智能已经在解决基本挑战方面取得了巨大进展：从解决蛋白质折叠到准确预测天气模式，科学家们越来越多地使用人工智能推断支撑复杂现实领域的规则和原则-这些是他们可能无法在无人帮助的情况下发现的。
人工通用智能研究的进展将极大地推动社会应对和管理气候变化的能力-这不仅是因为气候变化的紧迫性，而且还因为其复杂而多方面的性质。
掌控
从今天的人工智能研究领域来看，科学家们关注的问题通常有两个常见类别：预测和控制。预测模型试图了解一个领域（例如天气模式）的演化方式，而控制模型则促使代理在该环境中采取行动。构建通往人工通用智能的成功路径需要在这两个空间中理解和开发算法，考虑到自然和社会环境对我们所面临的各种变化，例如病毒的突变、语言随时间的演变以及如何利用聚变能源产生能量。DeepMind的科学家们正在为解决气候变化、同时开发构建人工通用智能所需的内容做出贡献，其中涉及天气预测和聚变等真实领域。
天气模式几乎不可能精确建模-这是自然变化的极端例子。然而，可以根据大量历史数据推断出因果关系。DeepMind的科学家们与英国国家气象局（Met Office）合作，将用于生成图像和视频剪辑的生成模型应用于学习天气模式，已经开发出可以根据20分钟的天气数据生成多个雷达地图的假设，并准确预测接下来90分钟的大雨。
关键是，这些模型将帮助气象学家提供预测，为紧急服务、能源管理和洪水预警系统的决策提供帮助-从而更好地为和响应极端天气事件做准备，这些事件在全球范围内变得越来越常见。通过预测重要天气事件来预测准确的天气模式，是AI研究在变得更加普遍适用和“智能”时如何产生有意义影响的一个例子。
全球挑战
除了应对气候变化的影响，解决其根源同样重要，甚至更为重要。聚变是一种清洁、无限、自持的单一能源，虽然难以捉摸，但仍然是世界上最有前途的解决方案之一-我相信这需要开发一种通用算法，可以同时解决许多不同的组成部分。我们已经看到在一个组成部分中取得了进展，即保持新型等离子体形状以实现更好的能量输出和等离子体的稳定性，这是一个极具挑战性的问题。
通过与瑞士等离子体中心和洛桑联邦理工学院的世界知名专家合作，我们能够超越现有的手工制作模型，将最初用于机器人学的深度强化学习算法应用于等离子体控制。结果是一个控制器，每秒可以成功操纵不同的等离子体形状和配置。
没有专家的合作，人工智能研究人员无法在现实世界领域取得重大进展。在这些领域确定正确的前进路径需要跨学科的合作伙伴关系，利用共同的科学方法来开发和使用人工智能来解决社会最紧迫需求的复杂问题。这就是为什么与各种自然科学和社会科学家一起梦想人工通用智能可能会如何改变世界如此重要。
随着我们开发人工通用智能，解决气候变化等全球挑战不仅对我们的世界至关重要和有益，而且还将推动人工通用智能科学的发展。许多其他类别的人工通用智能问题尚未解决-从因果关系到高效学习和迁移-随着算法变得更通用，将逐渐解决更多的现实世界问题，逐步为最终能够帮助解决其他一切的系统做出贡献。