最近，Google DeepMind 的負責人、諾貝爾獎得主 Demis Hassabis 接受了 Lex Fridman 的一次深度訪談。在超過兩小時的對話中，他系統地闡述了自己對人工智能、科學探索、現實世界的本質乃至人類社會未來走向的深入思考。這次談話沒有太多行業口號，更多的是一位科學家和工程師對自己工作的回顧、對未來的推演，以及貫穿其中的哲學思辨。

Hassabis 的討論從他研究工作的核心理念出發，延伸到 AI 模型如何模擬物理世界，再到他對未來視頻游戲和通用人工智能（AGI，Artificial general intelligence）的看法，最后落腳于技術對人類社會產生的深遠影響。

（Youtube）

宇宙的盡頭是代碼？萬物皆可計算的猜想

訪談的核心始于 Hassabis 在諾貝爾獎演講中提出的一個基礎性猜想，他認為，這可能是他所有工作的理論基石。

“我在諾獎演講中提出一個猜想，即‘任何能在自然界中生成或發現的模式，都可以被一個經典的機器學習算法有效地發現和建?！?。”Hassabis 解釋道。這并非一時興起的狂言，而是他多年來工作的深刻總結。從 AlphaGo 精妙的棋局，到 AlphaFold 破解蛋白質折疊的世紀難題，DeepMind 的工作一直在證明，那些看似組合爆炸、維度高到無法想象的復雜問題，其背后往往存在著可以被學習的“結構”。

他以蛋白質折疊為例，這個過程在人體內僅需毫秒即可完成，物理學本身以某種方式高效地解決了這個搜索問題。Hassabis 認為，這之所以可能，是因為自然系統本身就充滿了結構性。“自然系統之所以有結構，是因為它們受到了塑造它們的進化過程的影響。如果這是真的，那么你或許就能學習到那種結構是什么?！?/strong>

這個思想可以被推廣到更多領域。Hassabis 將其稱為“最穩定者生存”原則。無論是山脈被風雨侵蝕的形狀，還是行星的軌道、小行星的輪廓，這些看似隨機的自然形態，都經歷過億萬年的物理過程篩選，最終呈現出一種“非隨機”的穩定模式。這種模式，或者說這種“低維流形”，為 AI 提供了一條通往正確解的捷徑，使其不必通過暴力搜索來解決問題。

這一猜想的終極指向，甚至觸及了理論計算機科學的圣杯——“P vs NP”問題。Hassabis 坦言，他一直對這個問題著迷，并認為它不僅僅是一個數學問題，更是一個關于物理世界本質的問題。

“我一直對 P 是否等于 NP 以及經典系統（即非量子系統，圖靈機）能模擬什么感到著迷?！盚assabis 說道，“我正和幾位同事在業余時間里研究，是否可能存在一個新的復雜性類別或問題，可以通過這種神經網絡過程來解決，并映射到這些自然系統上……我傾向于將宇宙看作一個信息系統。如果你認為物理學是信息性的，那么 P 是否等于 NP 的問題就是一個物理問題，一個可以幫助我們真正解決這一切核心問題的疑問?！?/p>

圖丨P=NP 問題（Youtube）

在這個宏大的世界觀里，宇宙本身就是一個巨大的信息處理系統。而 AI，尤其是 AGI，將成為人類理解這個系統終極規律的最強工具。

從 Veo 到虛擬細胞：AI 如何模擬現實世界

如果說上述猜想是理論框架，那么 DeepMind 在模擬現實世界方面的具體進展，則為這一框架提供了證據。Hassabis 重點談及了 Google 最新的視頻生成模型 Veo，以及他更長遠的夢想——模擬一個完整的生物細胞。

對于 Veo，Hassabis 最感興趣的并非其生成有趣視頻的能力，而是它對物理世界“直覺式”的理解。“真正讓我印象深刻和著迷的，是它的物理行為、光照、材質和液體。它能做到這一點非常了不起?！彼窒淼?，“我認為這表明它至少對直覺物理學有某種概念，即事物應該如何直觀地運作，就像一個人類小孩理解物理學的方式，而不是一個博士生去解析所有方程式?！?/strong>

Veo 通過“被動觀察”（觀看海量 YouTube 視頻）學習物理規律的能力，挑戰了長久以來“具身智能”（即機器人必須通過與物理世界互動才能真正理解世界）的理論。Hassabis 承認，這讓他也感到驚訝，并暗示了現實本質中某種更深層次的結構性，使得通過觀察就能進行有效的逆向工程。

從模擬宏觀物理到模擬微觀生命，是 Hassabis 職業生涯的終極夢想之一。他將其稱為“虛擬細胞”（Virtual Cell）項目，一個他構思了超過 25 年的宏偉計劃。

“我職業生涯中一直努力做的事情，就是擁有這些真正宏大的夢想，然后嘗試將它們分解成可管理、可實現、本身又有意義和價值的中間步驟?！盚assabis 解釋道。AlphaFold 的成功，僅僅是這個漫長征途的第一步。它解決了蛋白質的靜態 3D 結構問題，而 AlphaFold 3 則開始涉足蛋白質、RNA 和 DNA 之間的動態相互作用。

他的最終目標是模擬一個完整的細胞，可能會從結構最簡單的單細胞生物——酵母細胞開始。他與 2001 年諾貝爾獎得主、生物學家 Paul Nurse 多年來一直在探討這個想法?！拔覀兊膲粝胧?，或許你可以將實驗速度提高一百倍，通過在計算機中（in silico）完成大部分搜索工作，然后在濕實驗室（wet lab）中進行驗證步驟。”

圖丨Paul Nurse（Wikipedia）

要實現這一目標，需要解決不同時間尺度上的復雜動態問題，并精確選擇模擬的粒度——可能是在蛋白質分子層面，而非深入到原子層面。Hassabis 認為，AlphaFold 等工具為此奠定了基礎，未來 AI 將能把這些基礎模塊組合起來，模擬出細胞通路的完整行為，最終揭示生命的“涌現行為”。這一過程，甚至可能幫助我們探索生命起源這一終極謎題，模擬從原始化學湯中誕生第一個細胞的“神之一手”。

游戲、AGI 與未來：一位“玩家”的終極追求

在所有宏大的科學與哲學構想之中，Hassabis 毫不掩飾他對視頻游戲的熱愛。“游戲是我真正的初戀?！彼χf。他的整個職業生涯，似乎都與游戲設計思想有著千絲萬縷的聯系。從早年參與開發《主題公園》、《黑與白》等經典游戲，到如今構想 AGI，他始終在追求創造一個玩家可以“共同創造”的、充滿活力的模擬世界。

圖丨游戲《黑與白》（PCGamer）

他預言，未來的游戲將由 AI 驅動，能夠根據玩家的想象力動態生成內容和敘事，創造出“終極版的‘選擇你自己的冒險’游戲”。想象一個可交互版本的 Veo，在未來五到十年內，技術將能創造出真正個性化、每次體驗都獨一無二的開放世界。

這種對游戲的理解，也塑造了他對 AGI 的定義和期待。他認為，要判斷一個系統是否達到了 AGI 的水平，不能僅僅依賴于通過數萬個認知任務的基準測試，更需要尋找那些如同燈塔式的“靈光一現”的時刻。

“一個燈塔時刻，是像愛因斯坦那樣，發明一個新的物理學猜想或假說?！盚assabis 描繪道，“或者，它能否發明一個像圍棋一樣，既深刻又具有美學和優雅感的游戲？而不僅僅是想出‘第 37 手’這樣的新策略?！?/p>

他認為，今天的 AI 系統擅長在給定的 S 曲線上進行“爬山式”的增量改進，例如通過 AlphaEvolve 這樣的系統（結合了 LLM 和進化算法）來優化現有算法。但要實現真正的 AGI，則需要“范式躍遷”級別的突破，就像 2017 年 Transformer 架構的誕生一樣。

“問題是，它能否提出像 Transformer 架構那樣的新飛躍？……目前看來，我們還沒有系統能夠明確地展示出那種巨大的飛躍?！彼拐\地說，“我認為我們還需要一到兩個重大的突破?！?/p>

不過對他而言，AGI 的到來并非終點。他甚至規劃好了自己的“后 AGI 項目”：一個是在安全地將 AGI 引導到世界后，利用一個悠長的學術休假，全身心投入到構建他的物理學理論中去；另一個，則是去創造一款他夢想中的終極視頻游戲。

有意思的是，在他看來，這兩者是相通的：“在我的世界里，它們是相關的，因為它會是一款盡可能真實的開放世界模擬游戲。那么，宇宙是什么？這正是在探究同一個問題，以及 P 與 NP 的問題。我認為所有這些事情，至少在我的腦海中，是相互關聯的。”

通往 AGI 的物理基石

宏大的愿景需要堅實的物理基礎來支撐。在通往 AGI 的道路上，算力（Compute）和能源是兩個繞不開的核心話題。

Hassabis 首先談到了 Scaling Laws 的現狀。AI 的進展究竟是更多地依賴于簡單粗暴的算力堆砌，還是需要等待新的科學突破？Hassabis 給出了一個辯證的看法?！拔腋杏X這大概是五五開，即一半一半。我們不知道是現有方法的規?；妥銐蛄?，還是需要新的東西。”他說道。他對此并不焦慮，反而認為這是 DeepMind 的優勢所在。

“當競爭變得更困難時，我其實很喜歡，因為它就從純粹的工程問題轉向了真正的研究問題，是研究加工程。這正是我們的最佳擊球點，我認為這更難。發明東西比快速跟進要難得多?！彼孕诺乇硎?，DeepMind 擁有“最廣泛和最深入的研究團隊”，無論未來需要的是工程擴展還是范式突破，他們都做好了準備。他甚至表示：“如果你回顧過去十年或十五年的歷史，支撐現代 AI 領域的突破中，可能有 80-90% 最初來自 Google Brain、Google Research 和 DeepMind。”

解決了“怎么做”的問題，接下來就是“用什么做”。算力的重要性不言而喻，但 Hassabis 指出了一個正在發生的變化：推理算力的需求可能將超越訓練算力?！坝柧氹A段實際上只是其中的一部分，它甚至可能成為未來所需總計算量中較小的部分?！彼忉尩?。隨著 AI 系統越來越多地融入實際產品，被全球數十億用戶使用，以及“思考系統”（即模型通過更長的推理時間來獲得更智能的結果）新范式的出現，這些都需要海量的推理算力。

巨大的算力需求直接引向了能源問題，這也是 Hassabis 傾注了大量熱情的領域。他認為 AI 不僅是能源的消耗者，更是能源問題的解決者。DeepMind 已經利用 AI 幫助優化數據中心的冷卻系統、進行電網優化，甚至與 Commonwealth Fusion 等公司合作，探索如何利用 AI 控制聚變反應堆中的等離子體。

展望未來幾十年的能源格局，Hassabis 將他的賭注壓在了兩項技術上：“我認為聚變和太陽能是我會押注的兩個。太陽能，當然，就是天上的聚變反應堆，我認為真正的問題在于電池和傳輸……而聚變，我認為是絕對可行的，只要我們有合適的反應堆設計，并且能足夠快地控制等離子體?！?/p>

一旦解決了能源問題，使其變得清潔、可再生、甚至近乎免費，人類文明將迎來怎樣的圖景？Hassabis 認為，這將是人類邁向“卡爾達舍夫一級文明”的關鍵。

“這將解決一大堆其他問題。例如，水資源獲取問題就迎刃而解了，因為你可以直接使用海水淡化……它現在之所以沒有普及，只是因為太貴了。”他描繪道，“而且你還將擁有無限的火箭燃料。你可以通過能源將海水分離成氫和氧，那就是火箭燃料?！?/p>

當廉價的能源與馬斯克的自著陸火箭技術相結合，太空旅行將變得像“搭乘公交服務”一樣平常。這為小行星采礦、獲取地外資源打開了大門，最終導向“人類向著星辰的最大化繁榮”。Hassabis 在這里引用了天文學家卡爾·薩根的夢想——“將意識帶給宇宙，喚醒宇宙”。他相信，如果我們能正確地利用 AI，并借此破解能源等根本性難題，人類文明終將實現這一宏偉愿景。

圖丨卡爾·薩根（Wikipedia）

競賽、人才與領導力

作為執掌著全球頂尖 AI 實驗室的領導者，Hassabis 也分享了他帶領 Google DeepMind 在激烈競爭中前進的經驗與挑戰。

面對過去一年 AI 領域的風云變幻，Hassabis 承認，Google 一度面臨巨大壓力，但他對團隊在 Gemini 1.5 上取得的“不懈進展”感到非常滿意?！笆紫?，我們擁有一支由 Corey、Jeff Dean 和 Oriol 領導的絕對不可思議的團隊……當然，我們也有大量的計算資源。但更重要的是，我們創造的研究文化，以及將 Google 內部不同團隊——Google Brain 這個世界級團隊和過去的 DeepMind——融合在一起，匯集所有最優秀的人才和想法，共同創造我們能做出的最強大的系統?！?/p>

他的領導哲學，是在 Google 這個龐然大物中，依然保持初創公司的精神和活力?！拔胰匀幌襁\營一家初創公司一樣運營過去的 DeepMind，一個規模很大的初創公司。今天的 Google DeepMind 也依然如此行事?！彼忉屨f，“我們以決斷力和活力行動，這是從最優秀的小型組織中獲得的。我們試圖兼得兩全，既擁有數十億用戶的平臺和產品，可以用來賦能我們的 AI 和研究，又能在另一端進行世界級研究，并將其應用，在第二天就改善數十億人的生活。”

在產品設計層面，他認為 AI 產品的設計者必須具備“技術性的產品直覺”，即“你必須為你一年后技術能達到的水平而設計，而不是今天”。這意味著要預判技術的發展軌跡，并攔截在未來。他預言，當前基于文本框的聊天界面很快會顯得“古老”，未來的人機交互將是多模態的、高度協作的，甚至是個性化生成的，就像電影《少數派報告》中那樣，界面會根據你的審美和思維方式動態生成。

談及愈演愈烈的“人才戰爭”，尤其是 meta 等公司以高薪吸引人才的策略，Hassabis 表現得相當從容。他認為，對于那些真正相信 AGI 使命、并理解其深遠影響的頂尖研究者來說，金錢并非唯一驅動力。“他們主要是為了能站在研究的前沿，從而能夠影響技術的發展方向，并安全地引導這項技術造福世界。而 meta 目前并不在那個前沿。”他直言，“我認為對于那些真正想在 AGI 前沿工作的人來說，我們這里仍然是他們的首選之地?！?/strong>

而對于程序員等職業未來的擔憂，Hassabis 認為，技術將成為賦能者而非單純的替代者?！拔艺J為在下一個時代，即未來五到十年，我們會發現，那些擁抱這些技術的人……將變得超乎尋常地高效。偉大的程序員會變得更出色，效率可能是今天的 10 倍。”他認為，這將降低創造的門檻，讓更多人能夠實現自己的想法，而頂尖程序員的價值則體現在定義架構、引導 AI 助手以及驗證代碼質量等更高層次的決策上。

從馮·諾依曼到 P（Doom）與意識

訪談的最后，話題不可避免地走向了關于人類文明命運的終極問題。Hassabis 深受約翰·馮·諾依曼這位科學巨人的影響，他推薦了關于馮·諾依曼的傳記《瘋子》（The Maniac）。馮·諾依曼既是現代計算機之父，也參與了曼哈頓計劃，親眼見證了強大理論如何轉變為足以改變世界的原子彈。他同樣預見到計算機會對世界產生更深遠的影響。

圖丨馮·諾依曼（Wikipedia）

Hassabis 認為，AI 革命的影響力將是工業革命的至少 10 倍，但速度卻快了 10 倍，這意味著社會適應的窗口期被極大地壓縮了。這讓他對人類的未來抱持著一種“謹慎的樂觀”。

當被問及著名的“P（Doom）”（人類文明因 AI 自我毀滅的概率）時，Hassabis 拒絕給出一個具體的數字，因為這會“暗示一種不存在的精確性”。但他明確表示：“我能說的是，這個概率絕對非零，而且可能不可忽略。這本身就足以引人深思?！?/strong>

他認為風險來自兩個層面：一是“壞人”濫用日益強大的通用技術，這是一個關于開放與管控的棘手難題；二是隨著系統變得更具智能體性（agentic）和自主性，如何確保其“護欄”始終有效且受人類控制。

面對這些嚴峻的挑戰，Hassabis 認為純粹的“冷酷理性”是不足夠的。他引用了書中“理性的瘋狂夢想”這一概念，強調在構建超級技術的過程中，需要注入一種“人文主義維度”或“精神維度”。

“我們需要用一種……精神或人文主義的維度來對待它。這不必與宗教有關，而是關于靈魂的理念，關于是什么讓我們成為人類，我們擁有的那種火花?！?/strong>Hassabis 沉思道，“我一直將技術視為促成者，是讓我們繁榮發展、更多地了解世界的工具。”

這最終引向了所有謎題的核心——意識。Hassabis 坦承，他個人的賭注是，意識“很可能只是發生在大腦中的經典計算”，這意味著它原則上可以被經典計算機模擬。但他同時也指出了一個深刻的難題：我們如何理解一個在完全不同基質（硅基）上運行的智能體的“感受”？

“Daniel Dennett（美國著名哲學家）曾與我辯論，我們為什么認為彼此有意識？原因有二。一，你表現出和我一樣的行為。二，這一點常被忽略，即我們在相同的基質上運行?！彼忉屨f，“但對于一個在硅基上運行的 AI，即使它表現出有意識的行為，我們也將無法依賴第二點。我們不知道它真正的感受，它可能也不知道我們的感受?！?/p>

這或許是人類將面臨的終極同理心考驗。

訪談的最后，Lex Fridman 問 Hassabis，是什么給了他對人類文明未來的希望。他的回答回歸到了最根本的兩點：人類近乎無限的創造力，以及我們極強的適應性。從狩獵采集時代的頭腦，到今天能適應飛行、播客和虛擬模擬的現代生活，人類已經展現了驚人的可塑性。

“所以我認為這只是進化的下一步。”Hassabis 總結道，“看到社會已經如何適應我們今天擁有的這些令人驚嘆的 AI 技術，是很有趣的。人們會說‘哦，我和聊天機器人聊過天，完全沒問題?！?/strong>

參考資料：

1.https://www.youtube.com/watch?v=-HzgcbRXUK8

運營/排版：何晨龍