Max Jaderberg 与 Tuomas Sandholm：AlphaFold、博弈与科学发现

Lauren Crichton 介绍 Isomorphic Labs 的 Max Jaderberg 和计算博弈论研究者 Tuomas Sandholm。她概述蛋白质结构预测、不完全信息博弈以及 Sandholm 的肾脏交换研究，随后 Joel Hellermark 加入对话。

Hellermark 问 Jaderberg 如何从星际争霸转向医学。Jaderberg 说，深度学习、生成模型和强化学习构成共同工具箱：游戏用来测试方法，生物学与化学则是另一类应用领域。

他说，在 Isomorphic Labs，模型表示蛋白质、DNA 和 RNA；药物设计则寻找能够结合并调节疾病相关蛋白质的分子。目标输出从游戏动作变成候选分子。

Jaderberg 回忆 AlphaFold 最初是黑客松实验，后来发展为多年研究项目。他指向 CASP 蛋白质结构盲测竞赛，说明 AlphaFold 2 带来的性能跃升。

在这场 2024 年对话前不久发布的 AlphaFold 3，将结构预测扩展到蛋白质与 DNA、RNA 和小分子等其他分子的相互作用。Jaderberg 说，这有助于研究分子机器，而非孤立的蛋白质。

他回忆，一些专家认为游戏和蛋白质折叠方面的突破还需要很久，而内部成果已经开始出现。他强调，药物设计仍需要许多进一步突破；AlphaFold 3 不是终点。

Jaderberg 预计，更广泛的生物和化学基础模型将补充此前针对小数据集训练的模型。他认为，从结构预测任务中可能涌现分子相互作用和设计方面的有用能力。

为什么不直接使用语言模型？他说，许多科学信息不是文字：实验室测量、传感器输出和模拟结果需要合适的数据表示与模型架构。

专用模型可以融入相关物理、化学与生物学知识，同时复用部分深度学习核心组件。Jaderberg 希望未来系统最终能以统一形式表示更多科学数据。

Hellermark 转向 Sandholm 的扑克研究。Sandholm 说，不完全信息博弈很重要，因为许多真实互动都涉及其他参与者与隐藏信息，不像国际象棋的棋盘完全可见。

扑克也长期是博弈论的基准。Sandholm 的团队在 AI 社区已有基准的基础上，追求在双人无限注德州扑克中超越人类水平。

他说，Libratus 没有阅读人类扑克教材或牌局记录，而是通过自我对弈学习。它重新发现了熟悉的战术，也与某些常见的人类建议不同。

一个例子是平跟：跟上盲注，而不是加注或弃牌。Sandholm 说，尽管传统建议常常反对这样做，他们的系统仍在少数情况下使用这一策略。

对于现实应用，Sandholm 从双人零和场景入手，因为其中博弈论的保证尤其清晰。他说，合适策略即使面对出人意料的对手，也能避免被利用。

他认为强大的博弈能力需要专门的搜索与推理，并强调不完全信息子博弈求解。在他看来，单独使用通用生成模型无法达到专门构建的博弈系统水平。

Jaderberg 讨论让语言模型使用更多计算的可能方式：搜索可以探索并评分不同后续内容，扩散式生成则可能逐步完善整个序列。他指出，在当时，下一个词元预测仍是扩展最成功的方法。

基于已有数据训练的系统能否创造新科学？Jaderberg 提到 AlphaGo 对阵 Lee Sedol 时著名的第 37 手：这一步起初令人意外，战略价值在后续棋局中才更加明显。

他说，泛化与验证是核心问题，但他并不声称已完全解释新颖性如何产生。Sandholm 区分了从历史数据学习、优化和基于模拟的自我对弈，认为它们是得到 AI 解法的不同路径。

Sandholm 重视数据稀少、保密或具有误导性时的自我对弈。他认为，如果系统能够在有用的模拟器中实验，就不必继承人类示例的全部局限。

被问到语言模型为何尚未对经济造成更大冲击时，Sandholm 预计影响会扩大，但认为专家任务需要能超越现有人类材料创造知识的专用 AI。

Jaderberg 说，科学模型会犯错，就像导航系统一样。他把实验室检查比作抬头看路牌：低成本实验或人工检查可能比从头发现答案更容易验证一个方案。

谈到是否等待 AGI，Sandholm 认为有用系统需要战略推理引擎等专门组件。他对 AGI 持怀疑态度；Jaderberg 预计它最终会出现，但不声称知道可靠时间。

Jaderberg 认为，紧迫的科学和医学问题值得现在就开展针对性研究，而不是等待通用智能。他对医学进展的乐观时间判断是预测，并不证明相关疾病已被治愈。

展望十年后，Sandholm 预计人们会更广泛地理解哪些 AI 方法适合哪些应用。Jaderberg 认为，进展在短期内可能感觉渐进，但十年累积起来会非常显著。

Sandholm 最后提出一个关于科学本身的问题。他认为，某些计算出的解和理论描述可能过于复杂，无法让人直接理解；当不存在简短的人类可读解释时，发表和使用知识将面临挑战。