Simone如何评价 DeepMind 公司？
的有关信息介绍如下：
DeepMind，世界最大的 AI 研究机构，烧了很多钱，他们原话是都拿去打游戏了。整个公司非常有野心，因为有人又有钱，项目都是往大的搞，短期有没有用无所谓，终极目标是通用人工智能 (AGI)；作为 OpenAI 创始人 Elon Musk 口中的 "top concern"，他们对自己的描述非常精确了：「一群试图解析智慧、发展科学、造福人类的业界精英」
「发展科学、造福人类」是我随手翻译的，顺口但不恰当，因为 friends with benefits 这种蝇头小利也可以叫 benefits，翻译成「回馈社会」都不过分，因为官方本意是谦虚、安抚吃瓜群众的。原答案中，关于终极目标我写的其实不是 AGI 而是「人类升级」，因为 humanity 一般理解为人类但也可以理解为文明以及人生而为人的一种状态，根据我对 DeepMind 多年理解感觉这才是对其野心的正确措辞。今天看 Demis 自己做的 PPT 实锤了：
正好昨天 AlphaCode 发布（创新什么的我先不评价，但 DeepMind 一如既往把事情做到极致）接触 AI 久一点的应该都听说过技术奇点 (singularity)，身边很久没人提过了，读高中那阵应该是这个概念最火的时候。当时还有一部电影 Transcendence，台湾译名《全面进化》很恰当，刚刚复习了眼预告片还是全身鸡皮疙瘩：
个人理解是当一个 AI 能给自己有目的性地写代码实现自我进化的时候，就是奇点了。但其实 AlphaCode 离进化还有很大距离，因为目前没有一个模型可以真正意义上从书本获取知识，不然 AlphaGo 之类的模型就不用训练一千万场比赛这么多了——现在的模型其实某种意义上来讲还是 brute-force. 当然还有意识上传这条路，Elon Musk 有公司在做的脑机接口但离意识上传还很遥远。
总之，DeepMind 在仰望星空，看似对 transcendence 有想法，更严谨地说，DeepMind 对于技术奇点更像是 CERN 对于引力奇点：CERN 有可能不小心撞出黑洞；DeepMind 有可能「不小心」码出 AGI. 与此同时，他们也都脚踏实地地利用现有的知识疯狂推动科学进步。
就算 AlphaGo 之父 David Silver 再坚持「AI = DL + RL」，我认为只靠数据疯狂 RL 而脱离模仿人类抽象能力的学习系统是带不来奇点的。当年 AlphaGo 打败围棋世界冠军就是靠着约等于人类三十年的不吃不喝疯狂下棋，倘若一个学习系统能像人类一样通过老师和书本获取知识，会是谁学得快一点呢？可能在不久的将来我们就会知道答案。
从 AlphaGo 到 AlphaZero 大家应该看出来了 DeepMind 擅长的这套方案解决的究竟是什么类型的问题：1. 首先要难，能 brute-force 的都不叫难，比如组合搜索空间如同围棋一样的叫难，围棋有 种组合, 这个数字比全宇宙原子多；2. 目标明确，能定义目标方程来优化；3. 数据要多
围棋手下棋都是凭直觉，难以像象棋等棋种的玩家那样说出个具体的前因后果，堪比玄学，而 DeepMind 最擅长的事就是构建直觉，在超大空间进行高效搜索。2016 年 AlphaGo 战胜李世乭，Demis 从韩国回来当天就启动了 AlphaFold 项目。
蛋白质折叠这个50年未解之题，Demis 早年就心心念念要做了，竟然也是个能凭直觉求解的问题，围棋的阵型和蛋白质的结构居然异曲同工。发现这种相似的 DeepMind 果断着手该问题开发 AlphaFold，果然在下一届每两年一度的 CASP 竞赛种大放异彩，让多年没什么进展的结构预测剧情反转。此时就迎来了 DeepMind 最难的时刻，因为 AlphaFold 已经封神，优化到头了。此时他们做了一个艰难的决定，大改架构，一切又从零开始，耗时一年，终于发现 AlphaFold 2 反超原版本。
后来 AlphaFold 全组一共磨刀五六年，终于2021联合 EMBL-EBI 公开了人类最全蛋白质数据库 AlphaFold DB，给基础科学研究做了贡献。主流观点是 AlphaFold 乃目前 AI 对科学做出的最大贡献，但算法本身没有那么神，感兴趣可以看 AlphaFold 优点和不足，但他们持之以恒地挑战自己，所以希望我写的不足很快可以全部消失！不论如何，大家对它的激情与赞誉本身值得我们这种投身生物界的人激动。今天追星成功，获得 AlphaFold 之父 John Jumper 可爱合影！
不得不说 DeepMind 的研究深度广度都令人惊叹：AlphaFold 2 中 Transformer 的使用结合 AlphaFold CNN 的经验；最近发 ConvNeXt 对 CNN 固有 inductive bias 的正名也结合 Transformer 的各种经验，来回自我提高、面面俱到，像极了 AlphaGo 自己跟自己玩的训练模式。研究里出现的难点疑点全都可以自行消化跨组解决，实名羡慕。
刚公开数据库没多久，国庆 DeepMind 又发 Nature Methods，搞完蛋白质结构预测直接瞄准基因表达：人类编码蛋白质的基因只占 DNA 的2%，看来 DeepMind 准备把剩下98%的非编码 DNA 也纳入黑魔法范围 (解读 Enformer).
12月1日 DeepMind 又又登上 Nature 封面，通过「引导人类直觉」解决一些数学问题。答主在数学系挣扎的时候发现很多时候数学靠的完全是记忆力，而 AI 的有效记忆力是很可怕的，加上找 pattern 是 DeepMind 最擅长的事情之一，关于数学记忆力我看过这个非常有同感的答案。
再往前八月份还有眼科疾病的研究，往后年底有量子化学的研究，每天都在不停发论文，吃瓜的都赶不上种瓜人的进度了，到此为止。
DeepMind 是一个愿意、懂得并有能力回馈社会的公司，更像一个科研机构，重视推动科学发展与教育。比如 DeepMind 提供了很多公开课并且组织员工去大学教学，并已在三个大学已经设立 DeepMind Chair：Alberta, UCL, Cambridge.
关于培养人才他们还做了很多：
网课在 Coursera、网易公开课、B站都有，建议大家搜最新的，或者看看官网课程链接，知乎也有很多资源贴都挺好的。顺便附上 DeepMind 开源的项目，全都在 GitHub：
除了开源自家项目，这几天又收购并开源了物理引擎 MuJoCo，这个不仅自己的 dm_control 非常依赖，OpenAI 也在用。DeepMind 做好事留名，但好事是真做了。总之我还蛮喜欢 DeepMind，非常有黑客精神，科研顶尖且愿意砸钱在科学上、政治正确（可能不是好词）、文化自由，还回馈社会
创始人：DeepMind 创始人兼 CEO Demis Hassabis 本是象棋高手，高中毕业就 gap year 去游戏公司的斜杠青年，很难想象他有一个新加坡华裔母亲。剑桥毕业又开游戏公司，所以在 UCL 认知神经科学博士毕业之后再开公司以专注 AI 打游戏为起点并不奇怪。但另一创始人 Mustafa Suleyman, CBE 从小就认识 Demis 并且聊过让世界变得更好这种问题，虽然可能只是 媒体前的言论，但在全世界的监督下是会朝着造福人类的方向前进的。
谷歌/公司结构：DeepMind 和 Google 早已没有附属关系，团队之间的文化影响肯定有，但他俩都是 Alphabet 旗下行政自由的公司。DeepMind 专门有 DeepMind for Google (DMG) team 进行科研成果转化，所以 DeepMind 整体是很纯粹的。但 DeepMind 最近因不当使用160万病人的数据被法律公司 Mishcon de Reya 起诉，并不意外。
公司环境：公司年轻氛围自由真的没啥槽点，位置就在谷歌伦敦总部里，吃喝免费内置健身房，建好之前经常绕着它夜跑，走两步就到大英图书馆，楼下六条地铁线，火车直达巴黎爱丁堡……满满的都是回忆，唯一可能有争议的点就是KX太乱。但这都和我没关系，答主当年妖怪同学太多，AGI 就交给他们了。有想法的读者可以看下 DeepMind researchers 都是什么专业的？
AlphaFold 1&2：不是拍脑袋想出来的。哈佛教授 Chris Sander 11年的论文 就做到基于 MSA 解蛋白质结构；再早些 UCL 教授 Dr David Jones 99年的论文 用双神经网络做这事给领域奠基了，他是 DeepMind 在 AF 开发早期的顾问，后来参与编写 DeepMind 的 AlphaFold 文章。AlphaFold 站在了很多很多的前辈肩膀上烧钱，但 John Jumper 带领团队确实实现了很多精妙处理。
经费：DeepMind 钱哪来的？简单地说亏了很久都是谷歌独自垫着，现在终于不亏了但100%的盈利还是谷歌等姐妹公司那来的。通用人工智能 (AGI) 还早，为了 justify 自己存在的意义并且哄金主爸爸别哭，像谷歌地图驾车时间估算、安卓系统省电算法都有 DeepMind 的重大功劳。Alphabet 2020年收入 (revenue) 达1825亿美刀，而这个较为不争气的孩子·一直以来每年就要亏几个亿美刀（多数人可能都忘了当年买 DeepMind 也就花了五六亿刀），终于2020年它盈利了，赚了不到一个亿，但问题是 DeepMind 的非主流盈利模式是产品都卖给姐妹公司，所以其实它作为科研部就是个烧钱的部，和做基础科学的研究所没有本质区别：人力物力投入极大，放眼科学发展，根本不在乎短期收益。
