美国在人工智能领域的领先地位得益于伦敦的一个地标性建筑

今年，诺贝尔奖授予了人工智能先驱德米斯·哈萨比斯，他的AI软件破解了一个看似不可能的化学难题——预测已知科学中的每一种蛋白质的结构。当哈萨比斯完成他的博士学业而我刚开始我的博士研究时，我们在伦敦被称为女王广场（Queen Square）的神经科学研究机构共用一个办公室。同样在女王广场，另一位人工智能先驱、前一天获得诺贝尔奖的杰弗里·辛顿也在此建立了计算神经科学部门，在那里我和哈萨比斯度过了很多时间。女王广场在神经科学领域以外鲜为人知，但不理解它贯穿其中的国际网络就无法理解美国的人工智能能力。事实上，这样的隐秘网络说明了为什么以及如何美国能够在人工智能及其他许多领域获得创新优势。

罗伯特·路易斯·史蒂文森在19世纪写道，女王广场“是一片被高大的树木和美观的旧红砖房环绕的小空间。”它仍然是一个优雅的伦敦广场，在布鲁姆斯伯里区的一角藏着一家酒吧。与脑科医生有着超过两个世纪关联的地方，如今这里有一家神经病学医院，并且许多建筑已经被神经科学实验室接管。2000年代中期到晚期，哈萨比斯和我在这里时，它是一个进行大脑基础研究的非凡环境：仅我们用于功能性脑成像的实验室就拥有世界上三台 top 10最具影响力的被引用神经科学家之一。我们俩都受益于希顿几年前在那里创立的研究所。圣玛丽莱博恩广场也是伦敦大学学院的一部分，在今年之前，该学院已经获得了三项诺贝尔生理学或医学奖，最近的一次是在2014年关于海马体的研究：这是哈萨比斯在他的博士期间研究的大脑区域。有关大脑如何工作的卓越想法从圣玛丽莱博恩广场及其周边涌现——这些想法的重要性远远超出了神经科学领域。

今年，诺贝尔奖颁发给了人工智能先驱Demis Hassabis，他的AI软件破解了一个看似不可能的化学难题——预测已知科学中的每种蛋白质的结构。当Hassabis完成他的博士学位而我刚开始我的博士学业时，我们在伦敦被称为女王广场（Queen Square）的神经科学研究机构共用一个办公室。同样，在女王广场，前一天在不同领域获得诺贝尔奖的人工智能先驱Geoffrey Hinton创立了计算神经科学单位，我和Hassabis在那里度过了一段时间。女王广场在神经科学界以外鲜为人知，但不理解美国人工智能能力就无法忽视通过它运行的国际网络。事实上，这样的隐藏网络说明了为什么以及如何美国能在人工智能和其他许多领域获得创新优势。

正如罗伯特·路易斯·史蒂文森在19世纪所写的那样，女王广场“是一片高大的树木和整洁的旧砖房的小区域。”它仍然是一个优雅的伦敦广场，在角落有一家酒吧，位于布鲁姆斯伯里区的一个隐秘位置。与脑科医生联系了两个多世纪之久，如今这里设有一个神经病学医院，并且许多建筑已被神经科学实验室接管。在2000年代中期到晚期，哈萨比斯和我在这里时，它是一个进行大脑基础研究的非凡环境：仅我们功能性的脑成像实验室就拥有世界上三台 top 10最具影响力的被引用神经科学家之一。我们俩都受益于辛顿几年前在那里成立的研究小组。皇后广场也是伦敦大学学院的一部分，在今年之前，该学院已经获得了三项诺贝尔生理学或医学奖，最近的一项是在2014年，关于海马体的工作： Hassabis博士论文研究的同一个脑区。有关大脑如何工作的杰出思想在皇后广场及其周边地区涌现——这些想法远超出神经科学领域的重要性。

AI就是一切如今，人工智能再次引起关注，并影响着数千亿美元的股市行情。但在上世纪90年代初经历失败后，接下来的二十年里，人工智能一直处于边缘地位。这种情况一直持续到2012年，当时移居多伦多的辛顿发表了关于计算机视觉的人工大脑网络革命性研究。不久前，哈萨比斯刚刚创立了初创公司DeepMind——现在已被谷歌收购但仍然距离伦敦市中心女王广场步行仅需25分钟的地方——哈萨比斯的团队构建了更先进的人工神经网络，在2016年击败了围棋世界冠军。这对于中国的领导人来说是一个“斯普特尼克时刻”，就像冷战初期苏联的一颗开创性卫星带给震惊的美国人的巨大技术惊喜一样。之后的历史大家都知道了。

伦敦的一个绿树成荫的广场上的思想喧嚣是为当前人工智能热潮提供智力燃料的网络中的一个源头。创新过程从基础研究（寻求自然规律，通常在大学里进行，例如在女王广场）到“深度科技”（如美国国防高级研究计划局或DeepMind的研究，通常具有较长的时间跨度、前沿科学以及巨大的潜在商业或安全价值），再到专有研发（如苹果设计iPhone），最后是规模化生产（如苹果大规模制造iPhone）。了解思想的起源及其演变方式对于今天的民主国家至关重要，因为中国作为一个平等创新者正在崛起。

中国的科学现在几乎赶上了美国和英国最好的大学，而在2022年它超过美国发表更多高被引论文。中国在某些领域领先。其卓越的北京大学，我曾与之合作，如今全球排名高于任何欧洲大学。中国公司在低成本电动汽车等领域的创新领先。制造美国需要一个创新优势来抵消中国作为我们这个时代制造大国的优势。今天中国生产的制造业产品超过接下来的几个国家的总和。九最大的国家加在一起，而且越来越复杂：2022年中国安装了超过一半全世界的工业机器人。

中国在人工智能创新的整个过程中都表现得很强大。它现在发表的文章数量更多人工智能研究论文比美国多，并且在高被引AI论文方面正在迅速迎头赶上。2022年，中国产生了世界上61%的已授权专利人工智能专利中国拥有创新的人工智能初创企业以及像腾讯这样的科技巨头。中国公司在下游应用领域如疯狂创新无人驾驶车辆。即使拥有3.33亿公民的极具创新精神的美国也将难以超越14.12亿日益受过良好教育的中国人在创新方面的成就。盟友将至关重要，但如何做到呢？

合作往往在过程初期更容易开展，因为这有助于避免可能困扰后期阶段的各种陷阱，例如知识产权规则专利争论、或保护国家冠军企业。这表明了对基础科学——比如在伦敦国王广场的研究——以及从中产生的深科技——比如深度思维公司所做的——的关注。

在基础科学领域，主要发生在像大学这样的地方，一个显而易见的高影响力答案是转向“五眼”国家：美国、英国、加拿大、澳大利亚和新西兰。目前，美国仅有16所全球排名前50的大学——但将这五个国家的大学合并起来，它们在全球排名中占据主导地位，拥有33所全球排名前50的大学，其中包括前十名中的八个（四个是美国的，四个是英国的）。总体而言，这些构成了推动创新的世界顶级基础研究的主要部分。G7其他国家加上韩国只会再增加六所。英国单独产出的高被引科学成果仅次于美国和中国。澳大利亚和加拿大在全球被引用次数最多的研究人员中排名第五和第六。从2017年到2021年，英国在全球排名第三，澳大利亚排名第五。被高度引用的人工智能研究文章。这样的盟友提供了今天全球竞争所需的重要卓越质量。修正后的更自然表达为：这样的盟友提供了今天全球竞争中不可或缺的卓越品质和实力。

在深科技领域，五眼国家也带来这为许多事情做出了重要贡献。伦敦是全球第六大最有价值的技术城市，仅次于三个美国城市和两个中国城市。英国和加拿大的科技基金，包括风险资本等，在美国之后排名靠前。英国产生的科技独角兽公司（即估值超过10亿美元的公司）数量是法国或德国的两倍。但这并不排除其他盟友和伙伴。但在创新过程中，美国应该培养那些在尖端技术如人工智能中产生真正力量的隐形网络。

挑战在于如何将创新生态系统整合起来，使得五个国家的综合实力得以发挥。在基础科学领域，五个国家应创建一个协作的多边、真正意义上的五国联合资助计划，支持大学主导的研究项目。该计划应该要求来自至少两个国家的研究人员参与，并聚焦于关键的安全和军民两用领域，如人工智能、太空技术、量子技术和基因学等。五个国家还可以颁发奖学金，要求获奖者在至少两个国家工作——例如，像辛顿那样行事并不坏，这将意味着要在英国、美国和加拿大之间工作。并且分配给每个国家研究人员的资金应与其投入相匹配，因此不会为海外职位提供总体资金支持。

对于像DARPA或DeepMind这样的创新过程中的深度技术，五个政府应共同绘制能力图和关键供应链，提供围绕稀土或生物威胁等组织联合任务的目标。他们应在安全和军民两用领域合作进行深度技术风险投资，借鉴澳大利亚的Main Sequence Ventures、英国的国家安全战略投资基金或美国的In-Q-Tel等机构的做法。他们可以在此基础上开展研究支柱of 的中文通常不单独使用，如果在特定语境中有具体含义，请提供完整句子以便准确翻译。这里没有实际内容可译，所以返回原文： of奥库斯美国、英国和澳大利亚之间的安全协议。五国应建立一个盟军舰队五个国家长期建立的、值得信赖的关系为互操作性DARPA提供了安全的基础结构，以促进研究人员、投资者和企业家之间的自下而上的联系。

几十年来，DARPA发明了革命性的深科技，如隐形技术和微型GPS。DARPA成功的关键因素包括机构自治权——最重要的是赋有权力的程序管理经理谁跑DARPA项目并在项目结束后离开（通常为期三到五年），这维持了一种不断加速的节奏。英国有一个新的机构是仿照DARPA建立的。复制那个关键方法。The“五眼联盟”国家分享最亲密的合作以生产智能为目标，这种合作已经持续了75年，因为它在不同的领域运作，并且为五个国家服务。考虑到未来不可避免的政治变迁，这可能会在未来75年内产生持久的创新优势。

这样的优势在盟友创新可能会持续几十年，即使中国通过金砖国家或全球南方国家寻求自己的阵营也是如此。建设科学和技术能力需要多年的持续努力，正如中国的经验所示，只有两个国家可以更快地取得进展，但在除了少数几个利基市场之外的领域，俄罗斯在科学研究方面远远落后于英国，而印度目前对中国持谨慎态度。

哈萨比斯和辛顿因“深度学习”获得了诺贝尔奖，而这依赖于人工神经网络中的“隐藏层”。这些隐藏层位于网络的“输入层”（接收诸如视觉数据等输入信息的层次）与“输出层”（告知你这是一张猫的照片的层次）之间。正是这些隐藏层在学习，并且完成了工作。对于美国的人工智能创新，来自伦敦绿树成荫的皇后广场等地鲜为人知的网络中的思想也帮助完成了这一任务。美国及其盟友应该培育生成真正实力的隐藏网络。