A Conversation with Demis Hassabis, Co-Founder and CEO of Google DeepMind

• 一条 30 年不变的北极星：从象棋神童、游戏开发者、神经科学家到 AI 创业者，Hassabis 把所有经历都"复用"在同一个使命上——构建"科学的终极工具"。DeepMind 2010 年的商业计划书只有两步："第一步，解决智能；第二步，用它解决其他一切。"
• 突破往往始于"快要放弃"：早期用 Atari/Pong 训练时，系统连续数月一分赢不了、公司几乎弹尽粮绝，他一度以为"我们早了 10 年、甚至 20 年"——然后系统赢下第一分，从此"一旦有了立足点，就能一路爬坡"。这条规律贯穿了 AlphaGo 到 AlphaFold。
• AlphaFold 选择免费开放：解出 50 年悬而未决的蛋白质折叠难题后，他把全部 2 亿个结构免费放上数据库——因为"一个机构无论如何都只能触及下游影响的皮毛"，而全球有 3 百万研究者、来自 190 个国家在用它。
• "我们正站在奇点的山脚（foothills of the singularity）"：他判断 AGI 距今"只有几年"（约 2030 年±），那将开启一个"新人类纪元"。他特意公开这一判断，因为"社会留给自己准备的时间不多了"。
• 公众的担忧是对的：AI 是双刃技术，影响量级是"工业革命的 10 倍、且快 10 倍"（约 100x）。但他批评一些同行表态"过于笃定"，而真相是"巨大的不确定性"——这意味着"一切尚未注定"。
• 最尖锐的呼吁是"少空谈、多兑现"："不该再假设性地谈治愈癌症，而要真的去治。应该有 20 个 AlphaFold。" 同时呼唤"一个新的 Keynes"来为后稀缺世界设计新的经济与社会框架。
• 监管困境是一场"双重竞赛"下的囚徒困境：公司之间生死竞争，叠加中美地缘竞赛；他主张"动态、灵巧"的智能监管，并将在今年晚些公布自己的方案。
• 给学生的临别赠言："加倍下注你自己的能动性。未来仍待书写——别听任何说它已成定局的人。"

核心论点：象棋、游戏、神经科学看似互不相关，实则都是同一个北极星使命的不同表达——构建理解世界、加速科学的终极工具。

• 他自承一直热爱"创意与技术的交叉（intersection of creativity and technology）"：1990 年代的电子游戏业，是用尖端技术、艺术与设计创造全新娱乐媒介的最具创造力的领域之一。
• 青少年时期"科幻读太多"，加上《哥德尔、埃舍尔、巴赫》以及图灵（Turing）、费曼（Feynman）等科学偶像的传记，让他很早就认定：AI/AGI 是"一个人一生中能投入的最重要、最有趣的事"。
• 他把过往一切都当作养料反哺这个使命："因为人生苦短"——象棋训练塑造了他做生意、组织、规划、把宏大计划拆解为可管理小步骤的思维方式；游戏开发让他学会大规模工程与创业；而今天的 AI 正是"创意 + 科学 + 硬核工程"的融合。
• 游戏还是 DeepMind 早期检验算法的"完美试验场"——最著名的就是 AlphaGo，"回头看，也许那就是现代 AI 时代的开端"。

"我尝试把我有过的每一段经历，都重新利用、重新指向那个更大的北极星使命。" —— Demis Hassabis

核心论点：2010 年那份让 VC 困惑的两步商业计划，至今仍是 DeepMind 的使命原文，而它正在被一步步兑现。

• 2010 年在英国找 VC 时，他们的计划书字面就是："第一步，解决智能；第二步，用它解决其他一切。"——人们相当困惑，但他们是认真的。
• "解决智能"= 构建 AGI，并在通往 AGI 的路上理解智能的本质，乃至用 AGI 反过来帮助理解人脑与心智（意识、创造力、梦境这些深层谜题）。他研究神经科学，正是想从大脑汲取算法灵感。
• "用它解决其他一切"——他心中最具体的指向是推进科学与医学："科学里所有的大问题"，从时间的本质到现实的本质。但他意识到"有趣的大问题太多了，一生根本做不完"，于是结论是：造工具，让最好的科学家更快推进各自领域。
• 如今"第二步"已远超科学与医学，还将极大提升生产力——尽管科学与医学仍是他亲力亲为之处。

核心论点：每一次重大成功之前都有一个"以为要失败"的至暗时刻；关键是先取得一个立足点。

• 之所以从游戏入手，是因为它们自成体系、有清晰的目标函数（objective function），且是真实世界许多场景的微缩模型——他甚至建议商学院该开一门"游戏模块"课。
• 早期几乎无人把强化学习（reinforcement learning）用于规模化问题，它只被用于"小网格世界"之类的玩具问题。DeepMind 用 Atari 游戏起步，从最简单的 Pong 开始：只给系统屏幕上的 20,000 个像素，不给任何关于球的位置、速度等"特权信息"。
• 结果"感觉像六个月、也许只有两个月"，系统一分都赢不了，21:0 惨败，球拍胡乱抖动。当时公司融资仅几百万美元（"如今连个实习生都付不起"），几乎弹尽粮绝。他一度想："也许我们真的早了 10 年、甚至 20 年。"
• "然后它奇迹般地赢了一分——一开始以为只是运气——接着开始大量赢分、赢下整局，于是：好，我们起飞了。" 这就引出了机器学习的一条铁律："一旦有了立足点，你通常就能爬坡爬出来。"——这正是 AI 的历史。

"有很多时刻我都觉得这事根本成不了。但一旦有东西跑通了，通常就有办法把它优化得更好。" —— Demis Hassabis

核心论点：AlphaGo 的真正意义不在"赢棋"，而在它证明了 AI 能产出前所未见的新想法——这正是他敢把 AI 用于科学的信号。

• AlphaGo 由他与剑桥本科好友 David Silver 主导。灵感可追溯到学生时代的 Deep Blue 对弈 Kasparov——但他"对 Kasparov 的大脑比对 Deep Blue 更惊叹"：这位顶级棋王能与暴力搜索的超级计算机平分秋色，同时还会说五种语言、搞政治、开车。"那才更令人印象深刻。"
• 这说明 Deep Blue 那套"手工编码启发式 + 暴力搜索"的专家系统对国际象棋有效、却从未在围棋上奏效——因为围棋太"玄"：没有子力差异、每子等价，全靠模式与直觉。
• 2016 年 AlphaGo 击败 Lee Sedol，"超出我们最疯狂的梦想"：它不仅赢了，还创造出前所未见的新策略——而围棋是人类发明的最古老游戏（2000 多年），职业化数百年，人类却从未发现这些下法。
• "这正是我一直在等的时刻——AI 能拿出新颖的东西。" 从首尔回来，他们立刻启动了 AlphaFold 项目。

核心论点：蛋白质折叠是能解锁无数下游研究的"根节点问题"；解出后免费开放，是因为唯有如此才能释放它的全部影响力。

• 他从剑桥本科起就盯上了蛋白质折叠——有结构生物学家朋友"在酒吧打桌上足球时都在痴迷地念叨这是生物学最重要的问题"。他把它视为"根节点问题（root node problem）"：一旦解开，就能打开药物发现、基础生物学、疾病理解等一整片新天地。
• 它也是"终极的 3D 谜题"：氨基酸序列如何折叠成三维结构。目标函数清晰——最小化系统自由能（physics 在你体内每秒数十亿次、毫秒级地解着这个问题），因此一定存在某种可学习的"拓扑"，能像 AlphaGo 缩小围棋搜索空间那样，用深度学习引导搜索。
• 数据困境：50 年艰苦的晶体学只积累了约 15 万个结构（PDB 主数据库），而蛋白质有 2 亿个；对机器学习而言 15 万是极小的数据量。多数人认为这还要 10–20 年。但 DeepMind"用尽了所有已知技术"，做成了。
• 免费开放的决定：AlphaFold 不仅准确，而且极快（几秒折叠一个）。他选择与剑桥的 European Bioinformatics Institute 合作，把全部 2 亿个结构连同置信区间一起免费托管，"简单到像 Google 搜索一样"就能查到。理由有三：① 单一机构"只能触及下游影响的皮毛"，而全球有 3 百万研究者、来自 190 国几乎每天在用；② 首版 AlphaFold 依赖公共数据训练，理应回馈结构生物学社区；③ Google 高管"热爱科学、完全理解"——"我不认为所有公司都会做这个决定"。
• 下游延伸：Alphabet 分拆出 Isomorphic Labs，叠加多个 AlphaFold 级突破，目标把药物发现从"数年"压缩到"数月、甚至有朝一日数周"。

"把这些结构放到世界上能产生的下游影响，我们靠一己之力只能触及皮毛。所以这显然是该做的事。" —— Demis Hassabis

核心论点：他用"奇点的山脚"形容当下——AGI 临近（约 2030 年），那将是一个新人类纪元，而我们没有多少时间准备。

• 这句话出自他在 Google 活动上的收尾发言，引发大量关注（"Google 公关团队可能不太高兴"）。他的完整意思是："十年后回望今天，我们会意识到自己当时正站在奇点的山脚。"
• 为什么用"奇点"：技术上指 AGI——"真正通用的人工智能"的下一版本，他相信"只有几年之遥，也许 2030 年±一年，想想都令人震惊"；而"纪元"上，这项极具变革性的技术"实际上会开启一个新的人类纪元"，正是诸多科幻作家笔下的"奇点"。
• "就在今年"——尽管他已为此工作 30 年——随着 agent 与工具调用（tool use）真正开始在人们的工作流中有用（虽仍是早期），他能感到这是"那个开端"。但"山脚"二字意味着"还有大量工作要做，这只是开始"。
• 他之所以要公开说出来："因为社会需要听到这个——我们留给自己准备其后果的时间不多了。未来仍待书写，但接下来这几年，对走向哪条路至关重要。"

核心论点：公众有理由担忧 AI；它是影响量级达工业革命百倍的双刃技术，而一些同行"过于笃定"的表态恰恰掩盖了真正的巨大不确定性。

• 美国对 AI 的观感"非常负面"，甚于他国，背后是隐私、国家管控、科技公司规模、就业等多重忧虑。他的态度很明确："公众有理由担心，我自己也对这项技术的若干方面感到担忧。"
• 量级：他把 AI 量化为"工业革命影响的 10 倍、且快 10 倍"——发生在一个十年而非一个世纪里，因此约等于工业革命的 100 倍，"而且这可能还是低估"。它将极大助力气候、能源、疾病等挑战——"如果不是因为 AI 即将到来，我反而会对这些挑战更担忧。"
• 但变革与颠覆是技术、经济、哲学多重的，必须"汇集社会各方共同审议，而不只是技术专家"——技术与技术安全只是其中一块，还需要经济学家、社会科学家、人文学者来描绘接下来会发生什么。
• 各国差异：印度青年极其热爱 AI，因为它会为他们"民主化"——过去需要去硅谷才能拿到的工具，如今几乎人人可及，且与前沿实验室"只差几个月的延迟"。
• 他直言美国观感负面"部分源于我一些同行表达方式"："他们不够审慎，过于笃定；而我认为这里其实有巨大的不确定性。" 这种不确定本身令人忧虑，但也意味着"一切尚未注定"——很多事"真正取决于未来几年采取的行动"，以及"今天在场的年轻一代"，"你们是第一代 AI 原住民"。

核心论点：要扭转公众观感，行业必须无可辩驳地"展示"而非"空谈"AI 的益处；同时需要思想巨人来为一个根本不同的未来作图。

• 他认为"行业与领域有责任更明确地展示益处，而且不是空谈，是真正做出来"。在健康、医学、科学领域，像 AlphaFold 这样的成果是"无可争辩的善"——但"这样的例子还不够，应该有 20 个 AlphaFold"。
• "我们得停止在假设层面空谈治愈癌症，而要真的去治愈癌症。" 这些兑现，才是向公众证明"我们这些人为何如此兴奋、为何穷尽一生奔向于此"、以及"如何在释放美好的同时具体地缓释风险"的关键。
• 他与主持人都提到经济学家凯恩斯（Keynes）萧条时期写下的《我们子孙的经济前景》——能跳出当下框架、向极远处投射的罕见之作。"我们现在需要一个新的 Keynes。"——"也许就在今天的听众席里。"

核心论点：技术本身远超他 20 年前的想象，但它降生的环境远非理想；在公司生死竞争叠加中美地缘竞赛的囚徒困境里，需要一种全新的、动态灵巧的监管。

• 他坦言："技术发展得惊人地好，甚至好过我 20 年前的设想；但它降生的环境，远非理想。" 早在 10–15 年前他就担心"竞赛动态（race dynamic）"——当越来越多雄心勃勃的科技领袖意识到这项技术有多重要。
• 他理想中的路径："如果能挥动魔法棒"，他会在一个类似 CERN 的研究机构里构建通用 AGI，汇集最强头脑互相批判、严守科学方法逐步验证；同时不必干等——可以像 AlphaFold 那样不断"掰下一块"做成治病的专用系统，提前收获社会效益（代价是 AGI 也许会晚来十年）。
• 是 chatbot 打破了这条路："过去 15 年科学侧唯一让我意外的，是 transformer 用于语言竟如此有效"——语言竟可以仅从互联网学习，无需在真实世界中行动（机器人或仿真）。他认为"语言比语言学家以为的更有现实根基"，且人类测试者的强化学习反馈以极低带宽把"现实根基"注入了基础模型。这让语言成为可用工程和资金规模化的、极其重要的商业技术——也由此造就了"可能是史上最激烈的竞争环境"。
• 双重竞赛：一层是公司之间"近乎生死"的竞争，一层是中美等地缘政治竞赛，叠加成一个极其棘手的双层博弈。本质是囚徒困境/逐底竞争——"任何愿意多花时间把东西做得更安全的人，都比直接扔出去看效果的人吃亏；叛逃者反而有优势。"
• 出路：他仍抱希望，实验室负责人之间在安全与安保上能有所协调（"没人想看到灾难性后果"），但需要政府介入。难点在于传统监管太慢——"两年前定的规则，现在看就像古代史"。所以必须是动态、轻盈、灵巧、由前沿实验室一线信息驱动的"智能监管"，能随风险实际所在快速适应。他将在"今年晚些"公布自己的具体设想。"科学尚未尘埃落定——进步的速度跑在了对它的理解之前，这正是竞赛动态的一部分。"

核心论点：面向全球南方的公平、AGI 的社会与哲学责任、以及"先把 AI 建成工具而非意识体"——是他眼中此刻最该被认真对待的问题。

• 公平惠及全球南方（Arinda 提问）：AlphaFold 的免费开放本身就是答案——190 国、3 百万研究者皆可访问。更进一步，DeepMind 与 WHO 旗下 DNDi（被忽视疾病药物倡议）合作，把疟疾、寨卡等病毒的结构直接"作为已知"交给当地大学，省去数年的晶体学工作，直奔药物研发；也与 Jennifer Doudna 的研究所合作攻关气候影响下的作物抗性（植物蛋白结构数据远比人类稀缺，因此影响更具差异化）。终极设想是让 Isomorphic 的药物发现便宜到"从数十亿降到数千万甚至数百万美元"——用富裕世界能赚钱的疾病养活引擎，再以公益方式为无利可图的疾病寻找解药。
• AGI 的社会责任（Miki 提问）："我从一开始就一直在想这件事，因为我们是在为成功做规划。" 他自称"谨慎的乐观主义者"，笃信"压力之下的人类智慧"。但他对经济学家的"怀疑"颇感意外（"它在 GDP 里体现在哪？"）——"这可是工业革命的 10 倍，能不能现在就开始为它做规划？" 若技术做对，人类将首次进入一个非零和（nonzero-sum）的后稀缺世界——这必然需要一种全新的经济系统（过往所有体系都是在"零和、稀缺"前提下设计的），乃至迈向星辰大海、利用整个太阳系的资源。再往后是更难的问题："我们想让社会如何演化？什么是德性、意义与目的？"——这需要大量伟大的哲学家。
• 不该让 AI 触碰什么（Janai 提问）：AI 是"完全通用的技术"（图灵机；人的心智也是"近似的通用机器"——凡可计算者图灵机皆可计算）。他的建议是：先把第一代系统建成"智能工具（intelligent tools）"——这本身就已经是 AGI、已经足够有挑战；再用这些工具去研究神经科学与哲学，给"意识"等概念下更严谨的定义。他认为当前系统并不具备意识（"但也有人不同意"），而智能与意识是可分离的（dissociable）——造出智能系统并不需要意识。是否要跨越"第二个卢比孔（second Rubicon）"、去制造"至少在我们看来像有意识"的实体，应作为社会的一个单独抉择，与构建智能分两步走，而非混为一谈。

核心论点：一切都将在十年内剧变，而巨变中蕴藏巨大机遇；学好基础、拥抱工具、并加倍下注你自己的能动性。

• 学什么：继续学科学、STEM、数学、计算机科学——"理解这些工具是怎么造出来的、能做什么，你就能更好地利用它们"，这一点未来十年都成立。
• 拥抱工具，别把它许愿走（don't wish it away）："精灵不会再回到瓶子里。" 前沿实验室忙于造工具，"我们可能连今天工具能做什么的皮毛都还没摸到"——这就是所谓的"能力过剩（capability overhang）"。把工具与你擅长的领域配对、巧妙嵌入工作流，"它们就是任何人手中最强大的工具，就在你的掌心"。
• 双向赋能：学人文、产品、商科、过去不会写代码的人，如今也能用工具把脑中所想做出来；而擅长编程的人则能做大 100 倍的项目。"它同时实现了民主化与专业化。"
• 唯一确定的就是"一切将变"："未来十年一切都会改变，可能比人们设想的更剧烈。但任何巨变之时，必有巨大机遇。世界任你驰骋。我甚至有点羡慕你们——你们是第一代 AI 原住民，就像我那代是计算机与互联网原住民。未来世界如何建成，最终在你们手中。"
• 主持人补充：在前路不明、需要适应力与广博知识的时代，"这将是自由教育（liberal education）的黄金时代"。
• 临别金句："最重要的是——加倍下注你自己的能动性（double down on your own agency）。未来仍待书写。所以，别听任何说它已成定局的人。"