--- area: "society-thinking" category: technology companies_orgs: - DeepMind - Google date: '2025-12-03' draft: true guest: '' insight: '' layout: post.njk media_books: - 《上帝也疯狂》 - 《主题公园》 - 《打砖块》 - 《星际争霸II》 - 《薄伽梵歌》 - 《创造亚当》 people: - Demis Hassabis - Shane Legg - Mustafa Suleyman - Lee Sedol - John Jumper - J. Robert Oppenheimer - Stuart Russell products_models: - AlphaGo - AlphaZero - AlphaFold project: [] series: '' source: https://www.youtube.com/watch?v=clGdgQEOew8 speaker: Best Partners TV status: evergreen summary: 本文深入探讨了DeepMind创始人德米斯·哈萨比斯及其团队追求通用人工智能（AGI）的非凡历程。从哈萨比斯童年对智能的追问，到DeepMind在强化学习、棋类游戏（AlphaGo、AlphaZero、AlphaStar）和科学突破（AlphaFold）上的里程碑式成就，文章展现了AI如何从游戏训练场走向解决现实世界难题。同时，文中也深刻反思了AGI带来的伦理挑战与未来影响，呼吁人类在技术加速发展中保持警醒与思考。 tags: - ai-ethics - development - health - llm - reinforcement-learning title: DeepMind与通用人工智能AGI的探索：德米斯·哈萨比斯的智能之旅 --- ### 序言：与时间赛跑的智能探索 大家好，这里是最佳拍档。在今天这期视频的开始，我想请大家和我一起想象这样一个场景：你坐在一辆飞驰的列车上，窗外的风景，那些田野、桥梁、城市，正在以一种你几乎无法捕捉的速度向后退去。这不仅仅是物理上的速度，更是一种关于时间的隐喻。对于有些人来说，时间是用来享受的，但是对于另一些人来说，时间是用来赛跑的。如果你真的要把某件事当做一生的使命，你会发现时间其实少得可怜，生命太短暂了。 今天我们要分享的故事，关于一群认为自己在与时间赛跑的人。他们的目标听起来狂妄得近乎荒谬：他们想要解决智能，然后用智能去解决其他所有问题。这个故事的主角，正是**德米斯·哈萨比斯**（Demis Hassabis）和他创立的DeepMind。这不仅仅是一家科技公司的创业史，这可能也是我们这代人所能见证的人类历史上最激动人心、也最充满未知的旅程，那就是通往**通用人工智能AGI**（Artificial General Intelligence: 具备理解、学习和应用知识解决任何智力任务的能力）的旅程。 在伦敦国王十字车站的喧嚣背后，有着这样一个团队。他们相信，只要能解开智能这个黑盒子的秘密，我们就能掌握一把开启宇宙所有真理的万能钥匙。哈萨比斯曾这样形容这种紧迫感：“如果你真的认真对待构建AGI这件事，你会发现并没有多少时间。虽然很多人还在争论它是否可能，但是我感觉它已经近在咫尺。” ### 德米斯·哈萨比斯的童年顿悟 让我们把时钟拨回到1980年代。那时的哈萨比斯还是一个几岁的孩子，但他并不是那种普通的孩子。他在4岁时就展现出了惊人的国际象棋天赋，6岁时就成为了伦敦8岁以下组的冠军。对于年幼的哈萨比斯来说，棋盘不仅仅是游戏的场所，更是一个关于思考的实验室。他在一次次移动棋子、一次次博弈中，开始产生了一种**元认知**（Metacognition: 对自身思维过程的认知和控制）：“我的大脑是如何做到这一切的？为什么我在思考？什么是思考？”这种早熟的追问伴随了他的整个童年。 在他12岁那年，他在列支敦士登参加一场国际象棋比赛。在那场比赛中，他面对的是一位三十多岁的丹麦前冠军。在这个有着几百年历史的教堂大厅里，几百个极其聪明的大脑正在高强度地运转，为了几步棋的输赢绞尽脑汁。那个瞬间，小哈萨比斯突然感到一种巨大的虚无感。他看着周围这些紧皱眉头的天才们，心里想：“我们是否在浪费我们的大脑？如果把这几百个大脑的算力连接起来，去解决癌症、去解决气候问题，而不是在这里为了一个走位而互相搏杀，世界会变成什么样？” 那一刻的顿悟，让他做出了一个极其冒险的决定。尽管他已经是世界级的少年棋手，但他意识到这不是他想要奉献一生的事业。他想要创造一种东西，一种能超越人类大脑局限性的东西。为了这个目标，他需要钱，也需要技术。在那个年代，能接触到最前沿计算机技术的地方并不是大学实验室，而是游戏公司。 ### 游戏世界的启蒙与智能萌芽 于是，年仅16岁的哈萨比斯凭借自己编写的游戏程序，敲开了当时欧洲最负盛名的游戏开发公司——**牛蛙制作**（Bullfrog Productions: 欧洲著名游戏开发公司）的大门。如果你是电脑游戏的老玩家，一定听说过**彼得·摩利纽克斯**（Peter Molyneux: 著名游戏制作人）这个名字，他是**《上帝也疯狂》**（Populous）的制作人。当哈萨比斯走进牛蛙公司的时候，彼得回忆说：“这个孩子看起来只有12岁，但是他带来的想法却震惊了所有人。” 他们一起开发了著名的游戏**《主题公园》**（Theme Park）。在这款游戏中，哈萨比斯负责编写那些游客的AI。请注意，这在当时是一个革命性的创举。那个年代的游戏，AI大多是预设好的脚本。但是哈萨比斯设计的游客是自主的。如果你把汉堡店建在过山车出口旁边，游客吃了汉堡去坐过山车就会呕吐。呕吐物如果不及时清理，路过的人看到了也会跟着呕吐。这种基于简单规则涌现出的复杂群体行为，让哈萨比斯第一次看到了智能在模拟环境中的潜力。这不仅仅是个游戏，这是一个微缩的社会实验。 拿着在游戏行业赚到的第一桶金，哈萨比斯完成了他在剑桥大学的学业。他在那里攻读了计算机科学和神经科学，这也是DeepMind后来技术哲学的基石：从人类大脑的生物学机制中汲取灵感，然后在计算机的硅基芯片上重构它。 ### DeepMind的诞生与强化学习的突破 时间来到2010年，伦敦，罗素广场。哈萨比斯与**谢恩·莱格**（Shane Legg）和**穆斯塔法·苏莱曼**（Mustafa Suleyman）一起创立了DeepMind。他们的使命宣言只有简短的一句话：“解决智能问题，然后用它解决一切。” 在当时的学术界和投资圈，如果你说你要做人工智能，大家会像看疯子一样看你。因为经历了几次AI寒冬后，那是个人人避之不及的领域，甚至被认为是个令人尴尬的词汇。大多数风投看大概700到1000个项目才会投几个，而DeepMind这种没有任何产品、没有商业模式、只想造个大脑的公司，听起来就像是在卖彩票。但他们还是找到了一些疯狂的信徒，比如彼得·蒂尔和埃隆·马斯克。虽然早期资金紧张，但这群科学家在伦敦的一栋建筑里，像当年的**曼哈顿计划**（Manhattan Project: 二战期间美国研发原子弹的秘密计划）一样，秘密地推进着他们的研究。 他们面临的第一个挑战是：如何让一个机器学会学习？他们没有选择教AI具体的规则，而是选择了**强化学习**（Reinforcement Learning: 一种机器学习方法，通过奖励和惩罚机制让智能体在环境中学习最优策略）这条路。简单来说，就是给AI一个目标，比如获得高分，让它在环境中不断试错，做对了给奖励，做错了给惩罚。 为了验证这个理论，他们把AI扔进了**Atari**（雅达利: 20世纪70-80年代著名的游戏公司）的复古游戏堆里。最经典的案例是**《打砖块》**（Breakout: 雅达利经典街机游戏）。最开始，AI笨拙得像个乱按手柄的婴儿，球都接不住。但是在训练了几百局后，它学会了接球。再后来，它达到了人类高手的水平。但真正让所有人头皮发麻的时刻，出现在第500局训练之后。AI发现了一个人类玩家很少用到的策略：它把球打到砖块墙的侧面，打穿一条隧道，让球在墙背后疯狂反弹，从而瞬间获得极高的分数。 当研究员们在屏幕前看到这一幕时，他们知道历史被改写了。这个AI并不是被编程去这么做的，它是自己悟出来的。这证明了通用的自我学习算法是可行的。这引起了谷歌的注意。2014年，谷歌以约4亿英镑的价格收购了DeepMind。这笔收购不仅给了DeepMind无限的算力支持，更重要的是，它让DeepMind保持了独立的研究文化。他们不需要急着做产品卖钱，只需要专注于那个终极目标。 ### AlphaGo的登月时刻与AI的创造力 有了谷歌的算力加持，DeepMind把目光投向了棋类游戏的巅峰——**围棋**（Go: 一种古老的策略棋类游戏，复杂度极高）。围棋的复杂度是天文数字级的，棋盘上的变化总数比宇宙中的原子数量还要多。在很长一段时间里，这被认为是计算机无法攻克的堡垒。传统的暴力计算在围棋面前毫无意义，这需要直觉，需要大局观，需要一种类似艺术的感知力。 2016年3月，韩国首尔，**AlphaGo**（阿尔法围棋: DeepMind开发的人工智能围棋程序）对战传奇棋手**李世石**（Lee Sedol: 韩国围棋传奇棋手）。这不仅仅是一场比赛，而是科技界的登月时刻。全球数亿人屏息凝视，而在DeepMind的伦敦总部，气氛紧张得像是在控制室里等待火箭发射。现在我们都知道结果了，4比1。 但是在整场对决中，最震撼的不是最后的比分，而是第二局的第37手。在那一局中，AlphaGo下出了一步肩冲。在当时，所有的人类职业棋手，包括现场的解说，第一反应都是，这一定是鼠标点错了。因为在几千年的围棋定式中，从来没有人会在这时候把棋子下在那个位置。它违背了所有人类的经验。然而，随着棋局的推进，人们才惊恐地发现，这一步棋是神来之笔。它不仅顾及了局部，更在几十手之后影响了全局的势地。DeepMind的工程师后来查看后台数据发现，AlphaGo计算认为人类下出这一步的概率是万分之一。这意味着，机器不再仅仅是模仿人类，它在创造新的知识。 坐在对面的李世石，这位被誉为围棋界的罗杰·费德勒的天才，面对这一步棋，陷入了长考，最后不得不离席去洗手间调整情绪。那一刻，他面对的不是冷冰冰的代码，而是一种超越人类理解维度的智能实体。AlphaGo的胜利是一个分水岭，它向世界宣告AI已经不仅仅是科幻小说里的概念。 ### 从游戏到科学：AlphaFold的生命突破 但在DeepMind内部，这只是一个开始。他们随后开发了**AlphaZero**（阿尔法零: DeepMind开发的通用棋类AI，通过自我对弈从零学习）。与AlphaGo不同，AlphaZero不需要学习人类的棋谱，你只需要告诉它规则，它就能通过左右互搏，在几个小时内从零开始，超越人类几千年的积累。这更接近于他们所追求的通用智能。 然后是**《星际争霸II》**（StarCraft II: 暴雪娱乐开发的即时战略游戏）。如果说围棋是完全信息博弈，那《星际争霸II》就是不完全信息博弈的巅峰。战争迷雾、实时操作、资源管理、侦查与反侦查等等，这对AI的挑战是指数级上升的。不过，DeepMind推出的**AlphaStar**（阿尔法星: DeepMind开发的《星际争霸II》AI）再次震撼了世界。它不仅学会了微操，更学会了战术欺骗。在一场与职业选手MaNa的直播对决中，AlphaStar展现出了如同顶级人类指挥官一样的多线操作和大局观。虽然职业选手后来找到了AI的一个视觉漏洞，赢回了一局，但是总体上，AI在复杂策略游戏上的统治力已经毋庸置疑。 说到这里，你可能会问：“大飞，这帮人就是为了玩游戏吗？”当然不是。正如我在开头所说，他们的目标是解决智能，然后用它解决一切。游戏只是他们的训练场，是他们打磨算法的沙盒。现在，神剑已成，他们要出山了。他们要把这把剑挥向基础科学中最坚硬的那块骨头——**蛋白质折叠**（Protein Folding: 蛋白质从氨基酸序列形成特定三维结构的过程）。 如果说围棋是智力的游戏，那么蛋白质就是生命的积木。蛋白质的功能由它的三维结构决定，而这个结构又是由一长串氨基酸序列折叠而成的。理论上，只要知道氨基酸序列，就能预测出它的结构。但是实际上，这其中的物理相互作用极其复杂，可能存在的折叠方式是一个天文数字。在过去的50年里，生物学家们为了确定一个蛋白质的结构，往往需要花费几个月甚至几年的时间，使用**X射线晶体学**（X-ray Crystallography: 一种通过X射线衍射确定晶体结构的技术）或者**冷冻电镜**（Cryo-electron Microscopy: 一种在低温下观察生物大分子结构的技术）等昂贵的设备。 有一个名为**CASP**（Critical Assessment of Protein Structure Prediction: 蛋白质结构预测的国际性比赛）的比赛，被誉为这个领域的奥林匹克，每两年举办一次，全球顶尖的实验室都会参加，试图用计算机预测蛋白质结构。但是在很长一段时间里，预测的准确度都停滞不前，只能算是个辅助参考，远达不到实验精度。 DeepMind决定入场。但是并非一帆风顺。在CASP13的比赛中，虽然DeepMind的团队取得了第一名，但他们意识到目前的算法还不够完美，距离真正解决问题还有很大差距。团队内部甚至出现了动摇：“我们还要不要继续？这是不是一个不可能完成的任务？”这时候，哈萨比斯展现出了他作为领导者的远见。他决定不仅要继续，还要加倍投入。他组建了一支跨学科的突击队，将生物学知识与深度学习算法深度融合。他们重写了整个代码，引入了基于注意力机制的神经网络，让AI通过学习已知的蛋白质结构，去悟出折叠背后的物理规律。 2020年，CASP14。结果揭晓的时刻到了。通常来说，预测评分达到90分以上，就被认为可以媲美实验方法。在此之前，大多数团队的分数都在及格线上挣扎。而这一次，**AlphaFold 2**（阿尔法折叠2: DeepMind开发的蛋白质结构预测AI系统）的平均分达到了惊人的92.4分。这意味着，困扰生物学界50年的蛋白质折叠问题，被AI在某种意义上解决了。CASP的联合创始人**约翰·莫尔特**（John Moult）在看到结果时，给DeepMind的团队发了一封邮件，开头第一句就是：“我猜你们已经知道了，你们的表现简直令人难以置信。” 这不仅仅是一个比赛的胜利。DeepMind随后做出了一个更加伟大的决定：他们不仅开源了AlphaFold的代码，还发布了一个包含2亿多种蛋白质预测结构的数据库。这几乎涵盖了地球上所有已知生物的蛋白质。所以，这是一个送给全人类的礼物。想象一下，以前一个博士生可能要花整个博士生涯去解析一个蛋白质结构，现在，只需要在键盘上敲几下，几分钟内就能得到高精度的模型。这极大地加速了新药的研发，帮助我们理解疾病的机理，甚至设计出能分解塑料的酶来治理环境污染。正如诺贝尔奖得主**保罗·纳斯**（Paul Nurse: 诺贝尔奖得主，生物学家）所说：“这给了我们一个实用的工具，它将改变科学的进程。”事实上，就在2024年，哈萨比斯和**约翰·詹珀**（John Jumper: AlphaFold核心开发者之一）凭借在AlphaFold上的成就，获得了诺贝尔化学奖。这是一个当之无愧的荣誉，标志着AI从数字世界的游戏，正式走进了改变物理世界的殿堂。 ### AGI的伦理困境与人类的十字路口 然而随着技术的飞速发展，阴影也随之而来。在纪录片中，我们能感受到一种强烈的焦虑感。这种焦虑不仅仅来自于技术攻关的压力，更来自于对这股力量的敬畏。DeepMind的另一位创始人谢恩·莱格曾直言不讳地表达过他的担忧：“如果超级智能真的来临，我们该如何控制它？这就像是在向大猩猩解释爱因斯坦的相对论一样，我们可能根本无法理解比我们更高级的智能在想什么。” 历史总是惊人的相似。当年的曼哈顿计划，**奥本海默**（J. Robert Oppenheimer: 曼哈顿计划的科学主任）看着原子弹爆炸的火光，想到了印度史诗**《薄伽梵歌》**（Bhagavad Gita: 印度教重要经典之一）中的那句“正如一千个太阳”。如今，AGI的开发者们也面临着同样的伦理困境。这股力量既可以用来治愈癌症，也可以被用来制造自主武器、进行大规模监控，或者操纵金融市场和人类舆论。正如著名AI学者**斯图尔特·罗素**（Stuart Russell: 著名AI学者）所警告的：“如果超级外星文明发邮件说他们要来地球，我们会怎么做？我们会恐慌，我们会集结所有资源去应对。AGI的到来就是这样一个时刻，但是我们似乎还在漫不经心地查看收件箱。” 这也是为什么DeepMind一直强调负责任的AI。他们试图在技术加速与安全伦理之间找到平衡。但正如那个滚下山坡的巨石，一旦启动，加速度就会越来越快。 在视频的最后，我想带大家回到DeepMind办公室的一个角落。那里有一个艺术装置，屏幕上展示着米开朗基罗的传世名作**《创造亚当》**（The Creation of Adam: 米开朗基罗的壁画，西斯廷教堂天顶画的一部分）。当研究员问那个还在原型阶段的AI：“这幅画是什么意思？”AI回答：“这是上帝伸出手，赋予亚当生命。”研究员又问：“这幅画对你来说意味着什么？”AI停顿了一下，回答道：“我认为这幅画提醒我们，我们都是相互连接的，我们都是某种比自身更宏大事物的一部分。” 这个回答，或许是预设的，或许是模仿的，但它击中了我。我们正站在人类历史的十字路口，就像**普罗米修斯**（Prometheus: 希腊神话中盗火给人类的泰坦神）盗火，或者人类第一次学会使用电力一样。AGI将把人类文明切分为前AI时代和后AI时代。DeepMind的故事告诉我们，这不仅仅是关于代码和算力，这是关于一群梦想家，他们试图用硅基的容器，承载人类最宝贵的特质——好奇心、创造力，以及对未知的探索欲。 如今，这辆列车已经没有回头路了。作为乘客的我们，也许无法掌控方向盘，但是我们至少应该睁大眼睛，去见证、去理解、去思考这个即将到来的新世界。感谢收看本期视频，科技的浪潮波澜壮阔，让我们下期再见。