作者 | Big Technology Podcast

編譯 | 王啟隆

出品丨AI 科技大本營(yíng)（ID：rgznai100）

如果說 Sam Altman 是 AI 時(shí)代的布道者，善于用宏大的愿景點(diǎn)燃公眾的想象力；那么 Demis Hassabis 更像是一位在實(shí)驗(yàn)室里盯著顯微鏡的科學(xué)家，冷靜、嚴(yán)謹(jǐn)，對(duì)“炒作”有著天然的免疫力。

一年前，當(dāng)整個(gè)硅谷都在因?yàn)?ChatGPT 的紅利期似乎見頂而焦慮，甚至開始討論“大語(yǔ)言模型（LLM）是否撞墻”時(shí)，Demis 卻感到困惑。在他看來，進(jìn)步從未停止。他掌舵的 Google DeepMind 剛剛經(jīng)歷了 AlphaFold 3 的高光時(shí)刻，正試圖將 AI 的觸角從簡(jiǎn)單的聊天機(jī)器人延伸到生物學(xué)、物理學(xué)乃至材料科學(xué)的最深處。

在達(dá)沃斯的一間木質(zhì)會(huì)議室里，Demis 近期接受了 Big Technology 播客的專訪。這場(chǎng)對(duì)話的特別之處在于，他沒有回避那些尖銳的問題：現(xiàn)在的 AI 是不是只有“金魚記憶”？谷歌會(huì)不會(huì)為了財(cái)報(bào)在 Gemini 里塞滿廣告？所謂的 AGI 究竟是營(yíng)銷話術(shù)還是科學(xué)定義？

最令人印象深刻的是他對(duì)“智能載體”的斷言。在紀(jì)錄片《The Thinking Game》中，這位曾開發(fā)出 AlphaGo 的天才不得不拿著手機(jī)，笨拙地對(duì)著物體詢問 AI。他在采訪中直言不諱：“這種體驗(yàn)太蠢了?！?/strong> 他預(yù)言，智能眼鏡才是 AI 的終極形態(tài)，而這個(gè)未來甚至不需要等到明年。

不同于外界對(duì)“AI 泡沫”的恐慌，Demis 展現(xiàn)出了一種巨頭的從容：“如果泡沫破裂，那是 PPT 公司的災(zāi)難。對(duì)于谷歌這樣擁有深厚技術(shù)棧和龐大業(yè)務(wù)底座的公司，無論何種情況，我們都處于有利位置?！?/p>

以下是這場(chǎng)對(duì)話的完整記錄，涵蓋了從技術(shù)架構(gòu)到人類未來的方方面面。

打破“撞墻論”與 AI 的“金魚記憶”

Alex Kantrowitz： 讓我們把時(shí)間撥回一年前。當(dāng)時(shí)行業(yè)里彌漫著一種質(zhì)疑聲，大家都在問：AI 的進(jìn)步是不是要停滯了？大語(yǔ)言模型（LLM）是不是要撞墻了？但這一年過去了，這種質(zhì)疑似乎已經(jīng)被事實(shí)打破了。你能告訴我們，具體發(fā)生了什么，讓 AI 行業(yè)從去年的質(zhì)疑時(shí)刻走到了今天的繁榮？

Demis Hassabis： 說實(shí)話，對(duì)于我們 DeepMind 內(nèi)部來說，我們要澄清一點(diǎn)：我們從未質(zhì)疑過這一點(diǎn)。

我們一直看到性能在穩(wěn)步、巨大的提升。所以，當(dāng)我們聽到外界這種“撞墻論”時(shí)，甚至感到有些困惑。當(dāng)時(shí)人們主要的擔(dān)憂是數(shù)據(jù)枯竭——認(rèn)為互聯(lián)網(wǎng)上的高質(zhì)量文本數(shù)據(jù)已經(jīng)被訓(xùn)練光了。這確實(shí)有一定道理，人們擔(dān)心如果沒有新數(shù)據(jù)，或者合成數(shù)據(jù)（Synthetic Data）不夠好，模型就會(huì)停滯。

但事實(shí)證明，我們可以從現(xiàn)有的架構(gòu)和數(shù)據(jù)中“榨取”出更多的果汁。無論是在預(yù)訓(xùn)練（Pre-training）階段，還是后訓(xùn)練（Post-training）階段，亦或是思維鏈（Thinking Paradigms）的引入，甚至是將這些技術(shù)組合的方式上，都還有巨大的優(yōu)化空間。僅僅是利用我們已知的技術(shù)進(jìn)行微調(diào)和創(chuàng)新，我們就已經(jīng)獲得了巨大的提升，而且這種提升空間依然很大。

Alex Kantrowitz： 這里我想扮演一下懷疑論者的角色。批評(píng)者會(huì)說，過去一年的很多進(jìn)步，其實(shí)是在 LLM 上面加了一層“技巧”。比如現(xiàn)在的 AI 可以聯(lián)網(wǎng)搜索了，但這通常是通過“腳手架”（Scaffolding）或“編排”（Orchestration）來實(shí)現(xiàn)的。

最典型的例子是：AI 雖然能用工具去搜索網(wǎng)頁(yè)，但它記不住它學(xué)到的東西。一旦我關(guān)掉這個(gè)對(duì)話窗口，它就忘得一干二凈。這就像是“金魚的記憶”。 這難道不是大語(yǔ)言模型范式的一個(gè)根本性局限嗎？

Demis Hassabis： 我完全理解這個(gè)觀點(diǎn)。事實(shí)上，我自己也屬于那個(gè)陣營(yíng)：我認(rèn)為在通往 AGI（通用人工智能）的道路上，我們可能還需要一兩個(gè)巨大的突破。

僅僅靠把現(xiàn)有的模型做大（Scaling），可能不足以解決所有問題。我認(rèn)為這些突破將發(fā)生在以下幾個(gè)方向：

1. 持續(xù)學(xué)習(xí)（Continual Learning）： 讓模型在部署后還能通過交互更新自己的權(quán)重。

2. 更好的記憶機(jī)制： 不是簡(jiǎn)單地把所有東西都塞進(jìn)上下文窗口（Context Window），而是像人腦一樣，只記住重要的、關(guān)鍵的信息。這才是更高效的記憶方式。

3. 長(zhǎng)期規(guī)劃與推理（Long-term Planning and Reasoning）： 讓 AI 能夠?yàn)榱艘粋€(gè)長(zhǎng)遠(yuǎn)目標(biāo)進(jìn)行多步推理。

現(xiàn)在的爭(zhēng)論焦點(diǎn)在于：是簡(jiǎn)單地通過擴(kuò)大現(xiàn)有技術(shù)的規(guī)模就能涌現(xiàn)出這些能力？還是我們需要發(fā)明全新的架構(gòu)？ 如果你非要逼我選邊站，我會(huì)傾向于后者——我們需要一些新的發(fā)明。

但是，無論你屬于哪個(gè)陣營(yíng)，有一點(diǎn)我是確信的：大模型（Foundation Models）將是最終 AGI 系統(tǒng)的核心組件。 我不同意像 Yann LeCun 那樣的觀點(diǎn)，認(rèn)為大模型是死胡同。我認(rèn)為哪怕有新突破，大模型也會(huì)是那個(gè)最重要的基石。DeepMind 的優(yōu)勢(shì)在于，我們有足夠深厚的研究底蘊(yùn)，可以雙管齊下：一邊將現(xiàn)有的 Transformer 架構(gòu)推向極致，一邊探索那些全新的、藍(lán)天般的架構(gòu)創(chuàng)新。

Alex Kantrowitz： 如果一個(gè)系統(tǒng)里有很多硬編碼（Hard-coded）的東西，它還能被稱作 AGI 嗎？

Demis Hassabis： 這取決于你對(duì)“很多”的定義。我對(duì)混合系統(tǒng)（Hybrid Systems），或者叫神經(jīng)符號(hào)系統(tǒng)（Neuro-symbolic）非常感興趣。

你看我們的 AlphaFold 和 AlphaGo，它們其實(shí)就是混合系統(tǒng)。它們結(jié)合了神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)）和經(jīng)典的搜索算法（如蒙特卡洛樹搜索）。這種結(jié)合創(chuàng)造了歷史。

但我認(rèn)為，是否屬于 AGI 的核心在于“學(xué)習(xí)”。學(xué)習(xí)是智能的同義詞。如果我們說一個(gè)系統(tǒng)是通用的（General），那意味著它必須具備通用學(xué)習(xí)能力。它必須能學(xué)習(xí)新知識(shí)，并且能跨領(lǐng)域?qū)W習(xí)。如果一個(gè)系統(tǒng)只能靠工程師手動(dòng)寫入規(guī)則，那它肯定不是 AGI。

Alex Kantrowitz： 關(guān)于持續(xù)學(xué)習(xí)，你剛才提到這是目前的短板。現(xiàn)在的模型只要會(huì)話結(jié)束就“失憶”了。你對(duì)于如何解決這個(gè)問題有理論了嗎？

Demis Hassabis： 我們有一些線索，也在非常努力地攻克它。

如果你看 AlphaZero（AlphaGo 的進(jìn)階版），它就是從零開始學(xué)習(xí)的。它不需要人類的棋譜，完全通過自我對(duì)弈來積累知識(shí)。但問題是，游戲是一個(gè)非常封閉、規(guī)則明確的領(lǐng)域?，F(xiàn)實(shí)世界則要混亂得多。

我們目前知道的方法在狹窄領(lǐng)域（如游戲）是有效的，但能否擴(kuò)展（Scale）并泛化（Generalize）到混亂的現(xiàn)實(shí)世界，還有待觀察。但我們目前的 AI 系統(tǒng)已經(jīng)能做很多令人印象深刻的事情了?，F(xiàn)在的挑戰(zhàn)是，能否將這種“從經(jīng)驗(yàn)中學(xué)習(xí)”的能力，融合進(jìn)預(yù)訓(xùn)練的大模型中。

目前的大模型，雖然在訓(xùn)練階段是在“學(xué)習(xí)”，但我們更希望它能在“出廠”后，在與用戶的交互中繼續(xù)學(xué)習(xí)。這不僅僅是把你的數(shù)據(jù)放進(jìn)上下文窗口那么簡(jiǎn)單，而是要讓模型本身發(fā)生改變。這一步，目前還沒有被完美解決。

AGI 不是營(yíng)銷術(shù)語(yǔ)，而是要能拿諾貝爾獎(jiǎng)

Alex Kantrowitz： 我們已經(jīng)多次提到 AGI 了。去年年底我采訪 Sam Altman 時(shí)，他說 AGI 的定義其實(shí)很模糊，他甚至希望大家能達(dá)成一個(gè)共識(shí)：既然定義不清，不如這就當(dāng)做我們已經(jīng)“嗖”地一下經(jīng)過了 AGI，直接邁向超級(jí)智能了。你同意這種說法嗎？

Demis Hassabis： （笑）我肯定他希望大家這么想。但我絕對(duì)不同意。AGI 不應(yīng)該被變成一個(gè)為了商業(yè)利益服務(wù)的營(yíng)銷術(shù)語(yǔ)。

AGI 應(yīng)該有一個(gè)科學(xué)的定義。我的定義一直是：一個(gè)能夠執(zhí)行人類所能做的所有認(rèn)知任務(wù)的系統(tǒng)。

請(qǐng)注意，我說的是“所有”。這意味著它不僅要能像現(xiàn)在的 AI 這樣寫代碼、畫圖，它還要能達(dá)到人類創(chuàng)造力的巔峰。

• 它不僅要能解一道已知的數(shù)學(xué)題，還要能像 拉馬努金 那樣，憑借直覺提出全新的數(shù)學(xué)猜想。

• 它不僅要能解決已知的科學(xué)問題，還要能像 愛因斯坦 提出廣義相對(duì)論那樣，提出全新的物理理論。

• 它不僅要能模仿藝術(shù)風(fēng)格，還要能像 畢加索 或 莫扎特 那樣，開創(chuàng)前所未有的藝術(shù)流派。

目前我們的系統(tǒng)，無論解決了多少像 AlphaFold 這樣的難題，距離這種真正的“創(chuàng)造性突破”還有很長(zhǎng)的路要走。人類的大腦做到了這一點(diǎn)，最聰明的人類做到了，所以這在物理上是可行的。但 AGI 必須具備在任何領(lǐng)域都能做到這一點(diǎn)的潛力。

此外，我還要加上物理智能（Physical Intelligence）。不僅僅是腦力勞動(dòng)?？纯催_(dá)沃斯街頭的運(yùn)動(dòng)員，或者普通的藍(lán)領(lǐng)工人，他們對(duì)身體的控制能力、在物理世界中的靈巧性，是目前的機(jī)器人望塵莫及的。AGI 必須包含這種與物理世界交互的能力。

所以我認(rèn)為，真正的 AGI 離我們還有 5 到 10 年的距離。

Alex Kantrowitz： 如果一個(gè)系統(tǒng)能做到你說的這一切——提出相對(duì)論、開創(chuàng)藝術(shù)流派、像運(yùn)動(dòng)員一樣運(yùn)動(dòng)——那這不已經(jīng)是“超級(jí)智能”了嗎？為什么你覺得這還是 AGI？

Demis Hassabis： 不，這只是達(dá)到了人類智能的巔峰。

所謂的超級(jí)智能（Superintelligence），在我看來，是指那些人類大腦完全無法理解的維度。 比如，人類很難在 14 維空間里進(jìn)行直觀思考；人類無法直接將大腦連接到氣象衛(wèi)星上處理海量數(shù)據(jù)。如果一個(gè)系統(tǒng)能做到這些人類生理結(jié)構(gòu)做不到的事情，那才是超級(jí)智能。那是 AGI 之后的話題。

Alex Kantrowitz： 在 Google DeepMind 的播客里，有人問你現(xiàn)在有沒有哪個(gè)系統(tǒng)接近 AGI。你的回答讓我很驚訝。你沒有說 Gemini Ultra，你說的是 Nano Banana（注：DeepMind 內(nèi)部的一個(gè)圖像生成模型代號(hào)）。為什么一個(gè)畫圖的模型會(huì)比大語(yǔ)言模型更接近 AGI？

Demis Hassabis： （笑）那是開玩笑的名字，有時(shí)候你得給這些項(xiàng)目起點(diǎn)有趣的名字。

但我提它是有原因的。不僅僅是圖像生成，還有我們的視頻生成模型 Veo。 如果你仔細(xì)想想，一個(gè)視頻模型能生成一段 10 秒、20 秒極其逼真的視頻，這意味著什么？這意味著它內(nèi)部構(gòu)建了一個(gè)物理世界的模型（World Model）。它擁有了“直覺物理學(xué)”——它知道杯子掉在地上會(huì)碎，水倒出來會(huì)流，物體之間有遮擋關(guān)系。

這種對(duì)物理世界因果關(guān)系和運(yùn)作機(jī)制的“理解”，是實(shí)現(xiàn) AGI 的關(guān)鍵。 想象一下機(jī)器人技術(shù)。如果你想要一個(gè)能為你做家務(wù)的機(jī)器人，它必須能在腦海中“模擬”未來：如果我這么做，會(huì)發(fā)生什么？它需要預(yù)測(cè)未來的軌跡。目前的語(yǔ)言模型雖然能寫詩(shī)，但缺乏這種對(duì)物理世界的扎實(shí)理解。

所以，多模態(tài)模型（Gemini 從一開始就是原生多模態(tài)）之所以重要，是因?yàn)樗噲D將視覺、聽覺、視頻和語(yǔ)言融合在一起，形成一個(gè)完整的世界認(rèn)知。這才是通往通用助手的必經(jīng)之路。

智能眼鏡的“iPhone 時(shí)刻”與廣告的信任危機(jī)

Alex Kantrowitz： 讓我們聊聊產(chǎn)品。我看了你們的紀(jì)錄片《The Thinking Game》，有 300 多萬(wàn)人也看了。片子里有個(gè)細(xì)節(jié)特別逗：你和你那個(gè)才華橫溢的團(tuán)隊(duì)，居然還得像普通游客一樣，拿著手機(jī)對(duì)著某個(gè)物體，然后問 AI 助手“這是什么？”或者“發(fā)生了什么？”。

我在屏幕前都忍不住喊：“這哥們需要一副眼鏡??！”手機(jī)這個(gè)形態(tài)顯然不對(duì)勁。

Demis Hassabis： 你完全說到了點(diǎn)子上。這也正是我們?cè)趦?nèi)部“狗糧”（Dogfooding，意為內(nèi)部測(cè)試）產(chǎn)品時(shí)得出的結(jié)論。

當(dāng)你真的在現(xiàn)實(shí)生活中使用這些多模態(tài) AI 時(shí)，你會(huì)發(fā)現(xiàn)舉著手機(jī)去探索世界、去獲得推薦，雖然技術(shù)上很神奇，但體驗(yàn)上很笨重、很傻。

我心中的殺手級(jí)應(yīng)用是“通用數(shù)字助理”。它應(yīng)該是一個(gè)時(shí)刻伴隨你的助手，無論你是在電腦前工作，還是在城市里漫步，亦或是你在做飯。 對(duì)于后者——當(dāng)你在物理世界移動(dòng)時(shí)——智能眼鏡顯然是最佳形態(tài)。你需要解放雙手。

谷歌有著悠久的做眼鏡的歷史（Google Glass），也許我們?cè)谶^去做得太早了。那時(shí)的眼鏡太笨重、電池不行、樣子也奇怪。但現(xiàn)在，這些硬件問題基本解決了。

Alex Kantrowitz： 你的愿景是什么？這款眼鏡什么時(shí)候能普及？

Demis Hassabis： 我們的愿景是讓 AI 能夠“看”你所看，“聽”你所聽。 想象一下，你在一個(gè)陌生的城市，你不需要掏出手機(jī)，只需要問一句：“前面那棟建筑是什么？”或者你在做飯，眼鏡直接告訴你這一步該放多少鹽。甚至對(duì)于視障人士，這簡(jiǎn)直是上帝的禮物，能幫他們理解周圍的世界。

要實(shí)現(xiàn)這種無縫的體驗(yàn)，必須是眼鏡。我們正在與 Warby Parker、Gentle Monster 以及三星等伙伴合作，打造下一代設(shè)備。我認(rèn)為這會(huì)是一個(gè)全新的、定義品類的技術(shù)產(chǎn)品。至于時(shí)間點(diǎn)，既然我們已經(jīng)在使用原型機(jī)了，我相信很快——也許就在今年——你就能看到成熟的產(chǎn)品。

Alex Kantrowitz： 接下來說個(gè)敏感話題：廣告。 就在我們見面之前，有新聞報(bào)道說谷歌計(jì)劃在 Gemini 聊天機(jī)器人中引入廣告。而在最近的財(cái)報(bào)電話會(huì)上，Sundar Pichai 也暗示了這一點(diǎn)。 有人在社交媒體上嘲諷說：如果這真的是改變世界的技術(shù)，為什么還要靠廣告賺錢？這就好比在發(fā)明電的時(shí)候，想著怎么在電燈泡上貼廣告。你怎么看？

Demis Hassabis： 首先我要澄清：我們目前沒有在 Gemini App 中加入廣告的計(jì)劃。

我們要非常小心。這里存在一個(gè)核心矛盾：如果你想要一個(gè)真正為你服務(wù)的、全能的私人助理，信任（Trust）是第一位的。 你需要確信這個(gè) AI 助理是在為你工作，它是站在你的立場(chǎng)上，為你爭(zhēng)取最大利益。

如果廣告模式滲入其中，導(dǎo)致用戶產(chǎn)生困惑——“這是 AI 覺得最好的建議，還是因?yàn)橛腥烁读隋X讓它這么說的？”——那就會(huì)瞬間摧毀這種信任關(guān)系。一旦信任崩塌，你就不會(huì)愿意把你的生活、你的隱私交給這個(gè)助理。

當(dāng)然，這并不是非黑即白的。在某些特定的場(chǎng)景下，比如我問 AI：“我要去圣地亞哥過周末，幫我推薦住處?！痹谶@個(gè)語(yǔ)境下，Airbnb 或者酒店的廣告其實(shí)是有用信息。用戶甚至可能希望在對(duì)話中直接完成預(yù)訂。

但這必須建立在用戶完全知情、且完全可控的前提下。這種“原生”的商業(yè)模式創(chuàng)新是可能的，而不是簡(jiǎn)單地在對(duì)話框里貼橫幅廣告。

不過，作為 DeepMind 的負(fù)責(zé)人，我的首要任務(wù)是確?；A(chǔ)技術(shù)的強(qiáng)大和通用性。至于商業(yè)模式，谷歌內(nèi)部有很多人在思考，但我個(gè)人的看法是：千萬(wàn)不要讓商業(yè)化損害了用戶對(duì) AI 助理的核心信任。

反擊 Anthropic 與“泡沫論”

Alex Kantrowitz： 既然提到了競(jìng)爭(zhēng)，我們不得不提 Anthropic。他們的 Claude 在編程領(lǐng)域表現(xiàn)非常出色，甚至有前亞馬遜高管說他用 Claude 在一個(gè)周末就寫出了一個(gè) CRM 系統(tǒng)。這種“一人抵十人”的生產(chǎn)力爆發(fā)正在發(fā)生。谷歌怎么應(yīng)對(duì)？

Demis Hassabis： 首先，我要給 Anthropic 點(diǎn)贊，Claude 是一個(gè)非常優(yōu)秀的模型。

但我們對(duì) Gemini 3 的編程能力也非常有信心。事實(shí)上，我自己最近就在用 Gemini 來寫代碼原型，做一些小游戲。這讓我也找回了當(dāng)年做游戲開發(fā)者的樂趣。這種“Vibe Coding”（憑感覺編程）的趨勢(shì)非常令人興奮，它讓沒有深厚編程背景的人也能釋放創(chuàng)造力。

我們最近發(fā)布了 AlphaCode 的相關(guān)技術(shù)，以及內(nèi)部使用的開發(fā)工具。雖然 Anthropic 現(xiàn)在在這個(gè)垂直領(lǐng)域（Coding）備受關(guān)注，但這只是 AI 巨大版圖中的一塊。我們看到的是更廣泛的戰(zhàn)場(chǎng)：從多模態(tài)搜索、到 YouTube 的創(chuàng)作工具、再到安卓系統(tǒng)的底層整合。

而且，我們正在將 AI 深度整合進(jìn)谷歌現(xiàn)有的龐大產(chǎn)品線中。比如 Gmail 的“幫我寫”、Docs 的自動(dòng)摘要。這些不僅是新功能，更是 AI 落地的最佳場(chǎng)景。

Alex Kantrowitz： 我有一個(gè)關(guān)于 AI 行業(yè)崩潰的理論，想聽聽你的看法。 第一步：大家發(fā)現(xiàn)大模型訓(xùn)練的回報(bào)率開始下降（邊際效應(yīng)遞減）。 第二步：像 Gemini Flash 這樣的“閃電模型”讓 AI 推理變得極其便宜，甚至接近免費(fèi)。 第三步：巨頭們投入的數(shù)千億基建（顯卡、數(shù)據(jù)中心）因此變得過剩，導(dǎo)致巨大的資本浪費(fèi)和行業(yè)崩盤。 你覺得這個(gè)劇本合理嗎？

Demis Hassabis： 這是一個(gè)合理的推演，但我認(rèn)為這不是最可能發(fā)生的情況。

關(guān)于“泡沫”，我的看法是：這不是非黑即白的問題。確實(shí)，當(dāng)我們看到一些初創(chuàng)公司，手里沒有核心技術(shù)，只有幾張 PPT，卻能拿到數(shù)十億美元的種子輪融資，這看起來非常像泡沫，也是不可持續(xù)的。這種狂熱最終會(huì)冷卻。

但是，對(duì)于像 Alphabet（谷歌母公司）這樣擁有深厚技術(shù)積累和龐大業(yè)務(wù)底座的公司來說，無論泡沫是否破裂，我們都能贏。 為什么？因?yàn)榧词姑魈?AI 的進(jìn)步突然停止（雖然我認(rèn)為這不可能），僅僅是現(xiàn)有的技術(shù)，就已經(jīng)足夠讓我們的搜索、YouTube、辦公套件等業(yè)務(wù)產(chǎn)生巨大的效率提升和體驗(yàn)變革。

我們是在“實(shí)業(yè)”的基礎(chǔ)上做 AI，而不是靠 AI 的概念去融資。那些沒有護(hù)城河、僅靠 API 套殼的公司可能會(huì)在泡沫破裂中消失，但這只會(huì)讓擁有底層模型和基礎(chǔ)設(shè)施的巨頭變得更強(qiáng)。

宇宙的本質(zhì)是信息，人類的未來在何方？

Alex Kantrowitz： 我之前聽你說過一個(gè)非常哲學(xué)的觀點(diǎn)，我想請(qǐng)你詳細(xì)解釋一下。你說你有一個(gè)理論：信息（Information）才是宇宙最基本的單元，而不是能量或物質(zhì)。 這是什么意思？

Demis Hassabis： 這確實(shí)是我世界觀的核心。雖然只有兩分鐘可能講不完，但我盡量簡(jiǎn)述。

如果你看物理學(xué)，能量和物質(zhì)通常被認(rèn)為是守恒的、基礎(chǔ)的。但我認(rèn)為，信息才是理解宇宙演化的鑰匙。 看看生物學(xué)。生命系統(tǒng)是什么？生命本質(zhì)上是一個(gè)信息處理系統(tǒng)。我們?cè)谧鍪裁?？我們?cè)诘挚篃崃W(xué)第二定律（熵增）。我們?cè)诨靵y的宇宙中，努力維持自身的結(jié)構(gòu)，維持信息的有序性。

這就是進(jìn)化的本質(zhì)：通過選擇壓力，篩選出那些能夠穩(wěn)定保存和復(fù)制信息的結(jié)構(gòu)。 再把視角放大到宇宙。行星、恒星、星系的形成，其實(shí)也是在引力等物理法則的作用下，從混沌中涌現(xiàn)出的“信息結(jié)構(gòu)”。

為什么這很重要？因?yàn)槿绻覀儼延钪婵醋魇且粋€(gè)信息處理過程，那么 AI 就是這一過程的加速器。AI 本質(zhì)上是在幫助我們以更高效的方式，去解構(gòu)、理解和重組宇宙中的信息。

以 AlphaFold 為例。蛋白質(zhì)折疊問題困擾了人類 50 年。蛋白質(zhì)的結(jié)構(gòu)數(shù)量幾乎是無限的，如同大海撈針。但 AlphaFold 通過學(xué)習(xí)已知數(shù)據(jù)的“信息拓?fù)浣Y(jié)構(gòu)”，找到了其中的規(guī)律，從而預(yù)測(cè)了所有已知蛋白質(zhì)的結(jié)構(gòu)。這不僅是生物學(xué)的勝利，更是“信息論”視角的勝利。

我們正在用 AI 這個(gè)工具，去破解物質(zhì)、能量、生命背后的信息密碼。這將幫助我們發(fā)現(xiàn)新材料（比如室溫超導(dǎo)體）、設(shè)計(jì)新藥、解決氣候變化。

Alex Kantrowitz： 最后一個(gè)問題。你的 AlphaGo 曾擊敗了李世石，那是圍棋界的“悲傷時(shí)刻”，李世石甚至因此退役?，F(xiàn)在，AI 開始進(jìn)入知識(shí)工作領(lǐng)域，甚至能寫代碼、畫畫。人類會(huì)面臨同樣的命運(yùn)嗎？我們會(huì)變得多余嗎？

Demis Hassabis： 我不這么看。我們要換個(gè)角度。

雖然深藍(lán)（Deep Blue）早在 90 年代就擊敗了卡斯帕羅夫，但今天國(guó)際象棋比以往任何時(shí)候都更受歡迎。甚至因?yàn)?AI 的輔助訓(xùn)練，人類棋手的水平也提高了。沒人愛看兩臺(tái)電腦下棋，我們依然熱衷于看人類大師的對(duì)決，看那其中的心理博弈、失誤和天才靈感。

在科學(xué)領(lǐng)域，AI 是工具，就像望遠(yuǎn)鏡。哈勃望遠(yuǎn)鏡沒有奪走天文學(xué)家的工作，它讓他們看得更遠(yuǎn)了。AlphaFold 預(yù)測(cè)了蛋白質(zhì)結(jié)構(gòu)，并沒有讓生物學(xué)家失業(yè)，而是讓他們跳過了枯燥、耗時(shí)數(shù)年的晶體衍射測(cè)定工作，直接去研究疾病機(jī)理和藥物設(shè)計(jì)。

這就是我看到的未來：AI 負(fù)責(zé)那些繁重、枯燥的信息處理工作，讓人類騰出手來。我們將有更多的時(shí)間去思考更高級(jí)的科學(xué)問題，去創(chuàng)造更有意義的藝術(shù)，去尋找真正的目的和意義。

如果 AI 能幫我們解決疾病、能源和氣候問題，哪怕那是“它的功勞”，我想也是值得的。這可能是一次堪比工業(yè)革命的劇變，甚至影響力大 10 倍，但人類總是擅長(zhǎng)適應(yīng)。我們將重新定義什么是“有意義的工作”，就像我們?cè)谵r(nóng)業(yè)社會(huì)轉(zhuǎn)向工業(yè)社會(huì)時(shí)所做的那樣。

視頻鏈接：https://www.youtube.com/watch?v=bgBfobN2A7A