上一期我們聊了 Demis Hassabis 的純粹與盲點。一個科學家帶著對智慧的信仰走進矽谷的權力場，他的純粹讓他做對了幾乎所有重大決定，也讓他看不見 Peter Thiel 跟他不在同一個遊戲裡。
這一期要講的是這份純粹之後發生的事，如果說上一期的關鍵字是「純粹」，那這期就是「覺醒」。AlphaFold 證明他的路線是對的，但 ChatGPT 的出現，讓他必須變成另一種人。
深度學習之父 Geoffrey Hinton 辭職說「我的直覺是我們完蛋了」，Sam Altman 被開除又被請回來，這些事件一個接一個，把 Hassabis 從科學家的位置上推到帝國指揮官的位置。
迫不急待先分享一個很讚的消息：下週有機會訪到作者《The Infinity Machine》作者 Sebastian Mallaby，如果你有想進一步了解的問題，也歡迎直接回信或留言給我！
這期的內容會有：
- AlphaGo 對李世乭：當 AI 第一次顯得有創造力
- AlphaFold：科學家路線走到最遠的地方
- OpenAI 的誕生：Hassabis 如何催生自己的對手
- ChatGPT 戰時狀態：加速已成定局
- 軍事紅線的消失：從 DeepMind 合約到達沃斯的舞台
喜歡這期的內容，歡迎分享給朋友一起訂閱《VK科技閱讀時間》，祝你今天一切順利~
AlphaGo 對李世乭：當 AI 第一次顯得有創造力
上一期我們講過 Hassabis 的解題信念，他在乎的只有問題本身，沒去想賺錢或打敗誰。這一期先看這條科學家路線做到的兩件事，一件是 AlphaGo 打敗李世乭，另一件是 AlphaFold 解開蛋白質摺疊。
時間倒回 2016 年 3 月，南韓首爾的四季飯店，AlphaGo 對李世乭那五盤棋全世界兩億人在看。這甚至超越了當年 IBM 深藍擊敗 Kasparov 的觀看人數。圍棋一直是 AI 領域的聖杯，因為棋盤上可能的局面比宇宙中的原子還多，深藍那套窮舉所有走法的策略在這裡根本行不通。
DeepMind 贏下了這場，原本被認為還要十年以上才可能的比賽。
這不是 Hassabis 一個人的故事。DeepMind 核心團隊裡有位來自台灣工程師黃士傑（Aja Huang），除了本身也有不錯的圍棋水準，他的博士研究也與圍棋有關。在場對弈中，他是真正把黑子放到首爾棋盤上的那隻手，也被稱為「AlphaGo 之手」。
他坐在黑皮椅上，看著電腦螢幕的指示，替 AlphaGo 把棋子下在棋盤上。在第二局第 37 手被評論員稱為「美麗的一手」，也是他放下去的。這一手 AlphaGo 將黑子下在一個幾乎空無一子的區域，違反了人類圍棋界幾千年來累積的直覺和定石，沒有任何一個職業棋手會這樣下。這也是第一次有人看到 AI 展現出類似人類的創造力。
這不僅讓李世乭愣了整整 12 分鐘，連負責解說的西方頂尖圍棋手 Michael Redmond 也完全看傻了眼，甚至把棋子放上去又拿起來，喃喃自語：「不，這不對吧」。
在五局結束的那天晚上，DeepMind 的首席研究員、AlphaGo 專案的主導者 David Silver 走在Hassabis 旁邊，兩個人在熱切地討論。
Silver 是強化學習領域的重要學者，從 2013 年就跟 Hassabis 一起把這條路線推到極限。「我告訴你，我們可以解決蛋白質摺疊的問題。」Hassabis 興奮說道。「這就像是……我的意思是，這絕對是一件大事。」
「我之前就覺得我們可以做到，但現在我非常確定我們可以做到了。」Silver 形容這個瞬間：「當 Demis 解決了某個大問題，他不會停下來享受成就。」
Hassabis 剛贏下一場兩億人在看的比賽，DeepMind 一夜之間成為 AI 領域最知名的公司，但他當晚腦子裡已經在想下一個科學問題。
蛋白質摺疊這個問題在他心裡已經很久了。從大學時代就夢想過用 AI 推進科學的邊界，當時選擇去劍橋的原因之一是他看了一部關於發現 DNA 雙螺旋結構的科學家 James Watson 與 Francis Crick 的電影《Life Story》。他當時對自己的期許是也想找到屬於自己的「諾貝爾等級問題」。
對 Hassabis 來說，蛋白質摺疊，這個生物學界的費馬最後定理，是他遇到過最誘人的謎題。
當 AlphaGo 贏了，他知道時候到了，AlphaGo 是一場遊戲的勝利。他心裡真正在等的，是更難、也更重要的那一題。
上一期我們看到，Hassabis 的執著讓他在募資、合約、收購談判中做對了不少大決定。但那些決定都是手段，是為了保護一個空間讓他可以繼續做科學。AlphaFold 這條線不一樣，它就是他真正想做的事：用 AI 去解一個沒人解得出的科學題。
DeepMind 團隊花了 5 年時間解這個懸宕 50 年的生物學難題，賺錢、打敗對手、戰略防禦，這些都不在 Hassabis 的考量之內。
AlphaFold：跟大自然下棋
往下介紹 Alphafold 以前，不知道你會不會有和我一樣的疑惑，蛋白質摺疊的問題困難在哪裡？過去的人如何試圖解決這問題？
蛋白質折疊問題有多難？
蛋白質是生命運作的基石，細胞裡的訊息傳遞、肌肉收縮、免疫反應都靠它。而蛋白質怎麼作用，取決於它摺疊後的立體形狀。如果能精準預測這個形狀，新藥設計、疫苗開發、疾病機制研究都能往前跳一大步，因為所有這些工作都建立在「搞清楚蛋白質長什麼樣子」這件事上。
問題是這個形狀幾乎只能靠 X 光晶體學慢慢解開，得先把蛋白質結晶化，丟進體育場大小的粒子加速器，再從 X 光繞射圖反推結構。一個博士生可能要花幾個月、甚至幾年，才能解出一個蛋白質，但世界上的蛋白質有幾億個。光是人體裡的 2 萬個蛋白質，就有超過 80% 沒被解出來。
1972 年諾貝爾化學獎得主 Christian Anfinsen 提出過一條理論上的捷徑：胺基酸序列決定了蛋白質怎麼摺疊，所以應該能直接從序列推出形狀。如果這條路走得通，預測一個蛋白質的時間可以從幾年縮到幾分鐘，但這條路搜索空間大到離譜。
有多大呢？因為一條平均大小的胺基酸鏈有 10 的 300 次方種可能摺法，比圍棋可能的位置多 10 的 130 次方倍。五十年來沒人破解過。
AlphaFold 的團隊一開始試著把 AlphaGo 的成功公式直接套用過來，但失敗了。
