有深度 有广度
就等你来关注
编辑：Yuki | ID：YukiYuki1108
作为人工智能领域最具远见的探索者，Demis Hassabis的人生轨迹始终贯穿着对"智能"本质的追问。这位44岁的剑桥大学神经科学博士、DeepMind联合创始人兼CEO，用20年时间完成了从国际象棋神童到诺奖得主的蜕变。在2024年因AlphaFold破解蛋白质折叠难题摘得诺贝尔化学奖后，他更成为继爱因斯坦之后，极少数能在基础科学和技术创新领域同时改写历史的跨界天才。
一、从棋盘到科学革命的觉醒
Hassabis的AI启蒙始于4岁时接触的国际象棋棋盘。"棋盘上64个方格构成的封闭宇宙，让我着迷于规
则与创造力的精妙平衡。"11岁成为英国青少年国际象棋冠军的他，却在巅峰时刻陷入存在主义危机："用毕生精力追求棋盘上的完美，真是人类智能的最佳归宿吗？"
这个困惑在1997年Deep Blue击败卡斯帕罗夫时得到解答。当时正在剑桥攻读计算机科学本科的Hassabis发现："这台耗资千万美元的超级计算机，除了下棋什么都不会。而卡斯帕罗夫不仅能创作诗歌，还能理解物理定律。"这种对比让他意识到，真正的人工智能不应是专家系统的"精致囚笼"，而应具备人类般的通用学习能力。
这种顿悟推动他在2005年完成伦敦大学学院认知神经科学博士学位，研究海马体在情景记忆中的作用。这段经历奠定了他独特的方法论：将人脑的神经网络结构与机器学习相结合。"就像生物进化用亿万年试错出的智能形态，AI也需要在虚拟环境中自我进化。"
二、突破性项目的双重启示
2010年创立的DeepMind，成为Hassabis验证思想的试验场。两个标志性项目揭示了AI改变科学范式的可能：
2016年人机大战中的"第37步"，被视为AI发展史上的"尤里卡时刻"。这步五段棋手认为胜率仅0.007%的落子，实则是机器通过数百万次自我对弈形成的超限策略。Hassabis解释："这不是简单的计算优化，而是系统在理解围棋本质后进行的范式创新，类似人类科学革命中的范式跃迁。"
当这个AI系统在2020年破解困扰生物学界50年的蛋白质折叠难题时，其效率震惊科学界：原本需要博士生10亿年才能完成的2亿种蛋白质结构预测，被压缩到1年内完成。Hassabis团队因此获得2024年诺贝尔化学奖，评审委员会称其"开创了计算生物学的牛顿时代"。
三、AI创造力的边界与突破
在Hassabis构建的理论框架中，机器创造力呈现三级跃升：
插值创新：在已知数据空间内优化（如GPT-4的文本生成）
外推创造：将既有模式扩展至新领域（如DALL·E 3生成未见过的视觉组合）
范式发明：完全突破人类认知框架的原创（如AlphaGo的第37步）
"当前AI已在外推层展现出惊人能力，但真正的范式发明仍是圣杯。"Hassabis以数学史类比："就像非欧几何颠覆欧式空间，这种突破需要系统建立全新的公理体系。"
四、通用智能的探索与挑战
对于引发热议的AGI（通用人工智能），Hassabis给出谨慎预测："可能在10年内出现，但需要2-3项基础突破。"他眼中的关键路径包括：
具身智能：让AI在物理世界积累经验，如DeepMind的机器人足球项目
多模态融合：正在研发的Gemini系统将整合文本、图像、代码等模态
元学习架构：模仿人脑的层级化学习机制，实现知识迁移
但他也警示当前局限："即便是最先进的AI，其通用性仅相当于猫的智力水平。要实现人类级智能，可能需要理解意识产生的神经机制——这正是我在脑科学领域持续投入的原因。"
五、未来社会的AI坐标系
站在技术爆炸的临界点，Hassabis勾勒出三重变革：
科学发现的民主化：Isomorphic Labs已将AlphaFold技术开放给全球学者，与礼来、诺华等药企合作的23个新药项目，使阿尔茨海默症和罕见病治疗提速10倍。
创造力范式的重构：AI辅助的"人机协创"模式已在DeepMind内部实践，工程师借助AI编程助手，将新算法开发周期从6个月缩短至2周。
文明治理的升级：他主导的AI安全项目已开发出"宪法AI"框架，通过道德约束层防止系统偏移，这种机制正被应用于气候模拟系统GraphCast，为全球碳中和提供决策支持。
在Hassabis的哲学图景中，AI不应是取代人类的"他者"，而是文明跃迁的"催化剂"。"就像普罗米修斯之火，AI的价值在于照亮未知的黑暗。但如何驾驭这种力量，需要全人类的智慧——这正是我呼吁哲学家、艺术家、经济学家共同参与的根本原因。"
热门跟贴