AlphaGo十年回顾：从围棋冠军到加速科学突破的AGI基石

十年里程碑

2016年，AlphaGo在首尔击败围棋世界冠军李世石，凭借第二局的“37手”震惊全球。这一举动展示了深度神经网络结合强化学习的强大搜索能力，也标志着现代AI时代的正式开启。

从围棋到科学的技术链

• AlphaGo → AlphaGo Zero：完全自我对弈，无需人类棋谱，即可成为历史最强棋手。
• AlphaZero：在棋类、象棋、将棋三大完美信息游戏中，仅凭规则自学，数小时内超越顶级人类与专用程序。
• AlphaFold 2：借鉴AlphaZero的搜索思路，破解蛋白质折叠难题，2020年获诺贝尔化学奖，公开数据库已被全球超过300万科研人员使用。
• AlphaProof / AlphaGeometry 2：将AlphaZero的搜索与语言模型结合，成功在国际数学奥林匹克（IMO）获得银牌。
• Gemini：最新的多模态大模型，在2025年IMO金牌赛中以“Deep Think”模式取得金牌成绩。
• AlphaEvolve：代码搜索代理，发现了全新矩阵乘法算法，被用于数据中心调度和量子计算优化。

科学突破的实证案例

“AlphaFold 的成功让我们看到了 AI 在基础科学中的直接价值。”——DeepMind 研究负责人

• 医学：AlphaFold 数据库支撑了新冠疫苗、疟疾疫苗以及降解塑料酶的研发。
• 数学：AlphaProof 与 Gemini 的 Deep Think 通过自动化证明，帮助研究者发现新的定理和解题思路。
• 算法创新：AlphaEvolve 的矩阵乘法突破已在多家云计算平台进行实验，提升了数十倍的计算效率。
• 跨学科协作：在伦敦帝国学院的验证实验中，AI 合作系统通过文献辩论独立提出抗菌药物抗性假设，验证后与实验室结果一致。

通往 AGI 的路线图

DeepMind 认为，通用人工智能必须具备三大能力：

1. 多模态感知：Gemini 从语言、图像、音频、代码到视频的统一理解，为跨领域推理奠定基础。
2. 搜索与规划：AlphaGo 的蒙特卡罗树搜索仍是核心组件，帮助模型在庞大解空间中快速定位最优解。
3. 工具调用：未来模型将像人类一样调用专用 AI 工具（如 AlphaFold）完成特定任务，实现真正的“思考+执行”。

AlphaGo 的“37手”展示了 AI 超越人类直觉的潜力，而今天的 Gemini 与 AlphaEvolve 正在把这种潜力转化为可复用的科学方法。DeepMind 预计，随着搜索、推理、工具集成的进一步融合，AGI 将在本世纪中叶成为推动能源、健康和气候等全局性挑战的关键力量。

*本文基于 DeepMind 官方发布的《From games to biology and beyond: 10 years of AlphaGo’s impact》全文整理。