一个游戏少年如何击败院士拿下诺奖

来源：诗翰

今天我要讲述一个科学领域无比励志的故事，一个听起来都不可思议的事迹：一个年轻游戏玩家击败科学院士拿下诺贝尔奖的故事。

是的，之前我讲过游戏显卡是如何引发算力革命进而孵化出AI行业，但今天这个故事，比那个还要不可思议，还要峰回路转。

有这么一个小伙，从小就被誉为天才，从小就热爱游戏，4岁的时候，就对国际象棋表现出浓厚的兴趣，到了8岁，已经能在国际象棋的官方赛事里拿冠军了。他用这份奖金给自己买了一份重要的礼物，一台电脑~并很快爱上了电脑游戏。

熟悉的操作，熟悉的剧情~

17岁那年，他选择进入游戏公司成为一名游戏设计师。

毕竟，既然这么热爱游戏，为什么不试试自己做一个呢？他进入了当时大名鼎鼎的牛蛙公司。

进入公司后一年，他就主导设计出了爆款游戏，那就是大名鼎鼎的《主题公园》。

简单来说，1994年的这款游戏是如今很多主题公园类和模拟经营类游戏的鼻祖，甚至我认为海岛大亨系列应该也受其影响。

几年后，他创办了自己的游戏公司，并陆续开发了《共和国》和《邪恶天才》这两款游戏，都是模拟经营类游戏。

显然，他非常喜欢模拟经营这个游戏类型。

文明5，启动！

到这里，这个故事似乎和过往提到的象棋天才电脑神童故事类似，

从小热爱游戏，有象棋围棋天赋，能自学计算机，最后进入游戏公司成为超级程序员，做出名震业内的爆款产品。

但这位小哥离谱的地方，才刚刚开始。

做出爆款游戏后，很快他就开始思考，电脑这个工具对于游戏的作用，他开始试着在游戏中加入AI功能。

很少有媒体提到这一点，但我作为一个资深游戏玩家，我觉得这很可能是前面几款游戏带来的影响。

因为经常玩模拟经营类的都能感觉到，在游戏后期，大量NPC存在的情况下，电脑算力会有明显短板，

文明5的后期，一回合经常卡爆电脑，

主题公园，天际线，海岛大亨等游戏后期，不但画面卡，而且市民的上下班路线非常不合理，哪怕你给他们建好了公交和地铁，甚至把住宅区和工作区放一块，他们都会四处乱跑把路堵死。

可能正是这些现象，激发了他对于AI的思考，这些游戏性问题，能否利用AI来优化游戏呢？

2010年，他创立了一家新的公司，其目标是“解决智能问题”，并尝试着用学习算法来掌握游戏。

2013年，他们创建了一种名为Deep Q-Network（DQN）的算法，可以以超越人类的水平玩电脑游戏。

测试结果显示，DQN在上手游戏太空侵略者这款游戏的30分钟内，就成为了该游戏内最优秀的玩家。

2016年，这家公司又发布了一款游戏AI，并打败了这个游戏原本的世界冠军。

——这次的AI，叫做AlphaGo。

是的，严格来说，你可以把围棋这项运动理解为一个游戏，把AlphaGo理解为一个游戏AI，

只是围棋这款游戏比较特殊，因为近乎无穷的计算变量，一度被认为无法破解，AlphaGo也比那些简单的电脑，疯狂的电脑要智能很多~

许多人震惊于这两年人工智能的发展浪潮时，往往将其视为一个单一的，突然出现的事情。

实际上不是的，这些年无数电子游戏的诞生，催生出了天量的对游戏AI的需求，很多玩家希望在游戏中对战更智能的AI，或者和更智能的NPC并肩作战，这些需求逼迫着程序员们不断加强对AI算法的探索。

从来不存在一个程序员异想天开说，我要不惜一切代价，研究一个更智能的AI，不是的。

现实情况是，你设计出一个好的算法，你的游戏更好玩，大赚一个亿，他的游戏更智能，大卖两个亿。是沉甸甸的一份份奖金，让大家有无穷的积极性投入到AI开发上来。

火药不是一开始就设计出来的，从来没有一个科学家说今天我就要发明火药，不存在的，是一堆希望长生的炼丹术士为了长生不老这个需求，天天捣鼓炼丹，今天加一点这个，明天试一点那个，最后发现硫磺硝石和木炭混一起居然会爆炸。

列文虎克一开始也没想发现微生物届，人家就是一个做镜片的，天天打磨镜片，结果突然有一天发现把镜片打磨到极致后，能看见肉眼看不到的东西。

我们故事的主人公也一样，一开始他想做游戏，后来想研究更智能的游戏，最后研究出了无比智能的游戏AI。

然后他们突然开始思考一个问题，

既然AI拥有自我学习能力，能够很快的掌握围棋和电子游戏规则，成为冠军玩家，

那如果我们将某个领域的科研也理解为一个“游戏”，AI能不能掌握呢？

2017年，在乌镇围棋峰会上，AlphaGo以3:0的比分干净利落击败世界围棋冠军柯洁后。

2018年，DeepMind又试着研发出了可预测蛋白质结构的AI系统，AlphaFold。尝试用AI来进行科研。

你肯定觉得这不靠谱，让一个最初为游戏设计的AI去研究科学，这也太天方夜谭了。

不是你一个人这么想，某位中科院院士，也是这么想的。

是的，就是咱们的老熟人，颜宁老师。

所以说世上的所有相遇，都是久别重逢，峰回路转咱们居然又碰上了~

常年以来，预测蛋白质结构主要三种办法，一是用 X 光照蛋白质晶体，二是核磁共振光谱，第三种就是昂贵的冷冻电镜拍照建模。

而颜宁团队就以第三种方法冷冻电镜的熟练操作而著称，别人拍照一次的时间，她的团队可以拍五次，效率高非常多。

而DeepMind他们的思路是，这种重复性极高的工作能不能靠 AI 解决呢？

如果咱们把冷冻电镜拍照建模这个过程理解为一个游戏，是不是能用AI去试着解决呢？

“他们不打算拍片子，而是选择了 AI ：蛋白质既然由氨基酸构成，那只要利用各处公开的已知蛋白质结构，把这些蛋白质中每一对氨基酸的距离，链接角度，汇总起来做成一张图，再用神经网络消化完他们， AI 就能自己做出预测了”

最终结果是，AI的效率远超人工，一般团队效率是1，颜宁团队效率是5，AI则是十万，并且还在高速增长。因为AI不需要休息，且会不断自我进化。自他们取得突破以来，来自 190 个国家的 200 多万人都用上了 AlphaFold ，在他们的帮助下，科学家们不仅能够更加深入了解抗生素的耐药性，还设计出了可以消化塑料的酶类蛋白质。

如此颠覆性的成果，后面的故事你们应该猜到了，这项技术拿到了诺贝尔奖。这位热爱游戏，最初从业游戏设计师的小伙，就是今年的诺贝尔化学奖获得者，哈萨比斯。

事实证明，时代的发展会公平的甩飞每一个，当你被AI发展惊的目瞪口呆的时候，顶尖科学家可能也会看走眼。

2022年我们讨论AI的时候，AI对于颜宁他们的冲击已经被许多人观察到，从评论区来看，大家虽然都认可AI的发展，但大多认为取代顶尖科学家可能还要一定时间。（有几个小伙伴发言很有前瞻性，非常厉害）

颜宁自己可能也是这么想的，2022年颜宁自己的结论就是，AI的预测水平只能达到她们2017年水准。

这剧情和围棋行业简直一模一样，

一开始AlphaGo出来的时候大家都觉得没什么，也就能击败世界冠军而已，人类努力有机会赢回来。

但很快大家发现这观点错的离谱，因为人类学习是有老师有课本的，人类战斗力其实是站在前人经验上，加上多年学习的结果，而AI接触围棋不到一年~入门一年就给你围棋大师锤了，以后更不用看了。

2022年的时候颜宁觉得AI也就达到她们五年前水平，不足为虑。

问题是AlphaFold是2018年问世的，到2022年也就四年，一个四岁小孩就快追上你人类顶尖科学家了，这发展速度你还用常理去判断一定会大错特错。

所以这个故事告诉我们什么呢？

是科技发展，是AI革新，是人生际遇，还是生物就该转码农？

我觉得最大的启发在于，热爱。

回头展望，2007年颜宁已经是清华大学教授，博士生导师，是卓有名气的学术大师。

此时的戴密斯·哈萨比斯还是一个游戏设计师，别说学术大师了，他甚至都不能算学术界一员。

这个时候，你和他说你未来会击败科学院士拿到诺贝尔奖，他别说相信，甚至都无法想象。

一个默默无名的科学从业者一鸣惊人拿到诺贝尔奖，虽然不可思议，但好歹能说得通。

我一个臭打游戏的，怎么可能拿诺贝尔奖呢？诺贝尔也没有游戏奖啊？

世界的惊奇之处就在于此。

你并不真的热爱科研，可能是为了薪水，可能是为了稳定，可能是为了光鲜亮丽的灯光，你日复一日的干着类似的工作，并深感科研之不易。

他做的虽然只是游戏，但他发自内心的热爱游戏，结果钻研到极致，居然点出AI这条科技树，一回头居然是新时代的钥匙。

你说这是他运气好，可如果没有对游戏有极致的热爱，如果不是从根本上思考游戏的玩法，如果只是为了赚钱做些换皮游戏，这个故事可能发生吗？显然不可能。

是对热爱事物超越一切的热爱和钻研，帮助了他探破迷雾找到新的世界。

永远不要忘记，热爱你所热爱的。