DeepMind首席执行官、去年获得诺贝尔化学奖的Demis Hassabis坚定地关注着接下来会发生什么：一个被人工智能重塑的世界，一个可能迫使我们不仅重新思考我们学到了什么，而且重新思考我们如何学习的世界。
他谈到了变化的速度——人工智能已经在改写科学、研究和工程领域的规则。模型现在的发展速度比大多数机构都要快。在他看来，最有价值的技能不是深入的技术培训，而是不断学习的能力，无论你在哪个领域。
Hassabis不仅仅是猜测。他一直处于人工智能一些最重要时刻的中心——从AlphaGo对阵世界上最好的围棋选手的惊人胜利，到AlphaFold在蛋白质预测方面的飞跃，这改变了生物学家进行药物开发的方式，并为他赢得了化学领域的最高荣誉。
他与 DeepMind 高级研究员 John Jumper 以及美国生物化学家 David Baker 共同获奖，获奖理由是“在蛋白质结构预测”方面的突破性贡献，特别是他们开发的 AlphaFold2 人工智能模型，成功解决了困扰科学界长达50年的蛋白质折叠预测难题。
他也不是来自一个学科。他的背景融合了神经科学、计算机科学，甚至是竞争性国际象棋——这种结合使他成为当今许多突破发生的地方。因此，当他谈到人工智能可能成为什么时，人们往往会倾听。
当被问及未来时，Hassabis承认很难预测事情会如何发展。他说：“在正常情况下，很难预测10年后的未来。”“考虑到人工智能的变化速度如此之快，甚至每周都在变化，预测更加困难。你唯一能肯定的是，巨大的变化即将到来。”
他解释说，这种变化不仅会以新工具或更快机器的形式出现，还会重塑人们获取知识的方式。随着人工智能在科学和工程领域承担越来越多的重任，人类的真正优势将在于我们能够多快地转向、吸收陌生的概念，并以新的方式应用它们。
根据Hassabis的说法，未来真正的技能不是任何一门学科，而是学习本身。不仅要记住事实，还要弄清楚如何解决新问题，如何在不熟悉的领域加快速度，如何在事情不断变化时保持好奇心。
他称这些为“元技能”，并明确表示它们将比以往任何时候都更重要。当人工智能不断改变你的世界时，知道如何继续学习可能是唯一真正坚持的事情。
这些元技能已经在发挥作用。一位科学家学习基本的编程，这样他们就可以运行自己的模型。一位工程师被淘汰前正在研究如何使用一个全新的仿真平台。一位医生正在学习如何理解人工智能生成的诊断。这些不是重大的职业转变，也不是需要学习的全新技能。然而，它们是正常化的迹象，正常化是指进入一个陌生的领域，无论如何都要弄清楚。这正是Hassabis所说的“学习如何学习”的意思。
Hassabis明确表示：今天的学习方式不足以适应我们即将进入的世界。当前的教育体系是为一个较慢的世界而建立的，职业生涯沿着直线发展，知识在几十年内都是有用的。现在情况已经不是这样了，尤其是在科学和工程领域，人工智能正在迅速重塑问题的解决方式和发现方式。
现在最重要的不是什么都知道，而是知道如何不断学习和适应。我们可能不仅要习惯学习一次，而且要随着技术的不断发展而不断学习。
Hassabis还谈到了这一切可能走向何方。他表示，通用人工智能（AGI）——能够像人类一样推理不同问题的机器——可能还有不到十年的时间。如果发生这种情况，发现的速度可能会以难以想象的方式加快。医学研究、气候科学、能源系统——整个工作领域可能比以往任何时候都发展得更快。他称之为“激进富足”的未来，在这个未来，限制不再在于工具或数据，而在于我们准备好使用它们的程度。
配资一流证券配资门户提示：文章来自网络，不代表本站观点。
