DeepMind创始人：AI 的强大，超乎我们的想象(8)

就发现新药而言，从确定目标到拥有一个候选药物大约需要10年时间，如果能在虚拟细胞中完成大部分工作，或许可以将时间缩短一个数量级。为了实现虚拟细胞，必须建立对生物学不同部分相互作用的理解。每隔几年，我们就会与跟 Paul 谈论这个问题。去年在 AlphaFold 之后，我说现在终于是我们可以去做的时候了，Paul 非常激动。我们与他的实验室有一些合作。在 AlphaFold 的基础上，相信生物学会有一些惊人的进步，目前也可以看到，在 AlphaFold 开源之后已经有社区在做了。

我认为有一天，人工智能系统可能会解决像广义相对论这样的问题，而不仅仅是通过对互联网或公共医疗上的内容进行处理。这将非常有趣，看它会能够想出什么。这有点像我们之前关于创造力发明围棋的辩论，不是仅仅想出一个好的围棋动作。如果想要获得像诺贝尔奖的奖项，那它需要做的是发明围棋，而不是由人类科学家或创造者来指定。

Lex Fridman：很多人确实把科学看作是站在巨人的肩膀上，而问题是你在巨人的肩膀上真正达到了多少？也许它只是吸收了过去的不同类型的结果，最终以新的视角提供了突破性的想法。

Demis Hassabis：这是一个很大的谜团，我相信在过去十年甚至未来几十年中，很多新的重大突破都会出现在不同学科领域的交叉点上，在这些看似不相干的领域之间会发现一些新的联系。人们甚至可以认为，深层思维是神经科学思想和 AI 工程思想间的一种交叉学科。

Lex Fridman：你有一篇论文是“通过深度强化学习对托卡马克等离子体进行磁控制”，所以你在寻求用深度强化学习来解决核聚变，做高温等离子体的控制。你能解释一下 AI 为什么最终能解决这个吗？

Demis Hassabis：过去的一两年里，我们的工作非常有趣和看到了成效，我们启动了很多我的梦想项目，这些是我多年来收集的同科学领域相关的项目。如果我们能参与推动，或许能带来具有变革性的影响，科学挑战本身就是一个非常有趣的问题。

目前，核聚变面临许多挑战，主要在物理、材料、科学和工程等方面，以及如何建造这些大规模的核聚变反应堆并容纳等离子体。

我们与瑞士洛桑联邦理工学院（EPFL）和瑞士技术研究所合作，他们有一个测试反应器愿意让我们使用。这是一个惊人的测试反应堆，他们在上面尝试各种相当疯狂的实验。而我们则看的是，当进入一个新领域如核聚变时，瓶颈问题是什么？从第一原理思考阻碍核聚变运作的底层问题是什么？