Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 谈:为什么 AlphaFold 没有解决蛋白质折叠问题
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对话中指出,AlphaFold 的突破只是开始,蛋白质结构预测远未解决,蛋白质动态与无序结构仍是难题。

Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对话中指出,AlphaFold 的突破只是开始,蛋白质结构预测远未解决,蛋白质动态与无序结构仍是难题。
Toby Ord 分析指出,AI 群体(swarm)是一种新的推理扩展形式,4 智能体群体完成任务所需 token 总量约为单智能体的两倍,但每个智能体只需一半 token,并行运行理论上可将任务时间减半。
DeepMind 研究人员提出"人工共生智能"(Artificial Symbiotic Intelligence),主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络,而非构建孤立的机器智能。
前 Google DeepMind 研究员指出,LLM 的思维链只是同一套 next-token 预测过程的延长迭代,并非 AlphaGo 那种独立推理机制。他认为当前模型存在三大缺陷:没有可检查的持久认知状态、知识与推理在权重中纠缠不清、思维链常是事后编造。为此他主张借鉴 AlphaGo 的游戏树架构,为机器推理建立显式的认知状态。
Google 的 Empirical Research Assistance(ERA)用 Gemini 维护实验 notebook 树,按 Upper Confidence Bound 规则挑选并变异候选方案,把可写成评分函数的科学问题自动求解,已产出至少 10 篇论文。