因此，当他们公布自己的人工智能模型AlphaFold通过蛋白质数据库的数据训练，已经预测出蛋白质3D形状时，这个系统不仅被纽约时报、福布斯等杂志称为“一流的科学成就”，还被看作是“一个历史性的时刻”。
图片来自福布斯
当然，虽然行业人士认为有朝一日 Deepmind科学家有可能获得诺贝尔奖。但就像大部分诺贝尔奖获得者一样，这只是一种开创性的“基本见解”。
而将基本见解转化为现实世界中创造商业与社会价值的产品，还需要几十年的时间。
因此，短期来看，我们有权利向Deepmind提出质疑：是否思考过3~5年内有效的商业化路径？谷歌是如何看待它持续的研究贡献和与之不匹配的商业贡献？
实际上，早在2017年Deepmind CEO哈萨比斯带领技术团队来到中国乌镇对战中国围棋国手们时，我们有幸在现场亲眼见证了历史。而谷歌当时，就曾明确提及了关于强化深度学习的两个技术应用方向——
一个是游戏设计；而另一个，则是医疗领域的特定疾病预测与筛检。
Deepmind创始人兼CEO，现年45岁的哈萨比斯
但由于当时大众未受到技术启蒙，人工智能本身还在散发着巨大的舆论威力。因此，那时极少有人会关注它们发表的一系列关于强化与深度学习的论文，究竟能够给企业带来什么不菲的收入。
而实际上，这项技术其实仅能应用于非常狭窄的特定环境。
Wired曾披露，Deepmind开发的参与《星际争霸》游戏的AI选手，能力非常有限。如果说在一张地图上启用某单一角色，它的效果可能会比人类好。但在不同地图上启用不同角色，效果就会差很多。
如果要切换角色，你需要从头训练系统。
“在某种程度上，深度强化学习有点像是‘死记硬背’记忆法，使用它的系统能产生很棒的结果，但他们对自己正在做的事情只有一个肤浅理解。
因此，体系缺乏灵活性，无法在世界发生变化时进行补偿，有时甚至是微小变化都无法应对。”
而这样的结果，也同样阻碍了他们的医疗实际应用进程。
在2019年8月，Deepmind曾经在《自然》杂志上发表了一篇论文，声称自己在疾病预测方面取得重大突破——人工智能能够在急性肾损伤(AKI)发生两天前做出预测。
但实际情况是，它没有任何实操性预测。
公司只是获得了一个相关的病人数据集，使用神经网络找出了AKI与病人之间的模式。此外，这种预测模式只在某些时候起作用，总体准确率为55.8%，预测越早，准确率越低。
更重要的一点是，这项研究几乎完全针对男性，更确切地说，是一组90%以上为男性的退伍军人数据。这对于具有数据偏见和歧视性的人工智能来说，很明显存在极大漏洞。
当然，由于医疗数据必然会涉及到病人隐私，从2016年开始，DeepMind就被卷入了一场关于合法数据应用的“社会与机构审判”中。2017年，英国的数据监管机构曾裁定，DeepMind在几个主要方面侵犯了病人的权利。
以上便是Deepmind在医疗健康领域奋战至少5年，但商业化收效甚微的关键原因。当然，运行极其隐蔽、规整且很有自己一套作风的英国国家医疗体系，也是技术公司难以撼动的客观因素之一。
总的来说，2016~2017年大部分人工智能公司之所以最喜欢用游戏来搞噱头，是因为游戏有严格边界设定的特质；
而现实世界中，却少有存在明确边界的问题。
谷歌保持沉默，但行动告诉了我们结果
站在市值万亿，每年收入高达千亿美金的谷歌角度，每年拨出5亿美元并不是一个巨大的赌注。但是，如果通往商业生存能力的道路比预期时间更长，超过5年风险仍有攀升趋势，那么，就不可能有任何一家企业会冒这样的风险。
譬如，于今年1月正式被谷歌关停的互联网气球项目Google Loon，曾在2011年成立时发出“让全球最贫穷偏远的最后10亿人用上互联网”的壮志豪言。然而，他们在2016年时就已被大幅削减开支，最终没能挺过疫情肆虐，收入来源归零的2020年。
对了，2017年Loon项目组穿着卡通鲨鱼拖鞋的谷歌工程师们，也曾表示机器学习帮了他们一个大忙——系统可以根据风向来操控气球移动的角度，让它们能够在某一地区小范围盘旋。
Loon实验室的工程师
Loon并不是特别的，谷歌每年亏损几十亿美元的登月业务Other bets，每年都会有很多创新项目或无疾而终，或被CFO和投资者杀人般的眼神不断“凌迟”。
而近几年来，人工智能给谷歌带来的技术声誉，逐渐被前者涉及到的数据隐私、道德伦理问题所掩埋。
特别是在谷歌去年开除人工智能伦理研究员后，大众对谷歌这家商业组织的质疑和道德批判，达到了历史的最巅峰状态。
而相比之下，Deepmind今年从“发布蛋白质3D形状预测算法平台”再到“不惜一切代价改写财报收入数字”，像是在试图说服谷歌和投资者的同时，想重新燃起过去几年世人被逐渐浇灭的对人工智能的热情。
图片来自华尔街日报
值得注意的是，华尔街日报曾在今年5月爆料，Deepmind多年来一直在与母公司Alphabet谈判，希望获得更多自主权，特别是重新建立一套“非盈利组织使用的法律架构”，而原因就在于，他们认为自己做的人工智能研究不应由单一企业实体控制。
这一说法并非没有缘由。
譬如，2020年在美国Darpa（国防高级研究计划局）的一次演示中，一架AI控制的F16战斗机轻松击败了一名人类飞行员。而这家军用技术公司采用的强化学习算法灵感，便来自于Deepmind。
而在2020年12月，美国空军利用人工智能程序控制了一架 U-2间谍飞机上的雷达系统，灵感也来自于DeepMind。这一算法通过数千次模拟任务学会了如何引导雷达，以便识别地面上的敌方导弹系统，这在实际任务中对防御至关重要。
因此，我们不难发现，这家早在2015年便发表公开声明，敦促世界各国政府禁止研发致命性人工智能武器的公司，其实陷入了一种两难的境地——
坚持基础研究和无歧视、道德感更强的崇高愿望，与“不得不寻找商业化路径，靠Alphabet续命才得以继续研究工作”之间的矛盾。
但Deepmind最终在“争取更多独立权”的谈判中失败了。哈萨比斯亲自将这个结果在今年4月告诉了员工们。
而外媒对此结果并不惊讶，甚至观点大体一致：“Alphabet如何会放弃一个输血超过数十亿美元，并且将全球最聪明的人掌握在自己手里的机会呢？”
我还记得，2017年，在乌镇AlphaGo的结束致辞上，气氛其实有点压抑。哈萨比斯说了很少的话，他一直用一种很慈祥的目光望着流泪的柯洁，并拥抱了他。但对于人工智能的能力边界，目光却温和而坚定：
“我也不清楚人工智能会走向何方，但它的强大会超乎想象。人类科学家不可能在所有数据中正确导航并找到洞察力。我们需要机器学习和人工智能帮我们在这些领域找到突破。
但所有的技术本质上都是中性的，它们可以用于好的或坏的方面，所以，我们必须确保它被负责任地使用。”
祝福Deepmind。细微且长期的影响终会迎来变革性的一天。
