近期的達沃斯論壇，是AI人物云集的高端局。

DeepMind創始人兼首席執行官Demis Hassabis(德米斯·哈薩比斯)，在達沃斯論壇期間，分享了多個重磅消息：

第一，在藥物研發方面。哈薩比斯預測，在2025年底就會有首個AI輔助設計的藥物進入臨床試驗。

2021年，谷歌旗下的DeepMind分拆成立了Isomorphic Labs，專注于將人工智能和計算方法應用于藥物研發，而哈薩比斯同時擔任這兩家谷歌分公司的CEO。

2024年，兩家公司聯合發布了生物學預測模型AlphaFold 3，可以準確預測蛋白質與其他分子的相互作用，并且已經將該模型用于科研，與制藥公司合作，為新藥研發開辟了新途徑。

第二，關于AGI。哈薩比斯也給出了相對明確的預測：在5-10年內可能實現具備人類所有認知能力的AGI，但可能還需要一兩個關鍵突破。

他強調，這個預測，是基于DeepMind多年前對AGI的一貫定義——能展現人類所有認知能力，包括創造力。

之所以認為必須要實現AGI，是因為他從小對物理學感興趣，而如果我們真想洞悉物理學的本質，以及意識、夢境和時間等問題，全面理解現實世界的本質，可能需要依靠AGI級別的技術。

第三，關于AI大模型。哈薩比斯介紹了谷歌最新發布的Gemini 2.0系列模型，其中的視頻生成模型Veo 2，能夠準確模擬物理世界的細節，比如切番茄這樣的復雜動作。這被認為是邁向“世界模型”的重要一步，為未來開發通用AI助手奠定基礎。

第四，關于AI工具，哈薩比斯透露，自己最常用的一個工具就是NotebookLM——“對我來說，這是一種全新的信息獲取方式，我幾乎每天都用它，來概括新的研究領域，幫助我快速入門，掌握核心要點，從而決定是否深入研究。”

NotebookLM是谷歌的筆記應用，它的音頻概覽功能最初推出時，便允許用戶上傳文檔（如課程材料或法律摘要），然后由AI虛擬主持人生成播客概覽。

最近，它新增了一項互動模式，讓用戶能夠與AI播客主持人直接交流，允許用戶在與AI互動時提問、深入討論、并獲得個性化的答復。哈薩比斯繼續安利說道：“它新增的這項功能，如果你想把話題引向其他角度，你甚至可以打斷播客，向主持人提問，強烈推薦大家都試試看。”

第五，關于AI的未來。哈薩比斯也表達了對AI發展的擔憂，他認為目前面臨兩大主要風險：一是惡意行為者濫用通用AI系統，二是AGI本身可能帶來的風險。他呼吁建立類似CERN的國際AI研究機構，通過國際合作來確保AI朝著安全、可控的方向發展。

盡管如此，他仍然保持“謹慎樂觀”態度，他相信AI最終將幫助人類治愈所有疾病、發現新的清潔能源、甚至幫助人類實現星際旅行的夢想，他舉例說，我們已經從狩獵進化到能制造飛機，我相信未來也能妥善應對AI帶來的挑戰。

第六、在談及AI如何改變工作方式時，哈薩比斯提出了一個引人深思的觀點。他認為，當前我們面臨的最大挑戰之一是信息過載，每個人都在被信息海嘯淹沒，各種算法不斷推送內容爭奪我們的注意力，但其實這些推送系統甚至算不上真正的人工智能，只是一些簡單的軟件程序。

我們不得不時常查看各類信息，生怕錯過重要事項，然而，每一次查看信息都會打斷心流狀態，影響工作效率，用來過濾信息的大腦恰恰是需要保持專注的大腦，這構成了一個難以破解的悖論。

這種情況該如何破解，哈薩比斯的答案是——Agent（AI代理）。

假設你有一個能夠真正理解你需求的Agent，你可以對它說：“今天我需要專注工作，只在真正緊急的情況下打斷我”，它會幫你監控所有信息渠道，確保你不會錯過重要事項，同時又能保持專注。

這不是簡單的信息屏蔽，而是智能化的信息管理。未來的Agent將扮演個人助理的角色，它理解場景，懂得輕重緩急，知道什么時候應該打斷你，什么時候應該等待，從而幫助我們在信息洪流中保持清醒，讓我們的注意力集中在真正重要的事情上。

關于哈薩比斯，他是Google DeepMind創始人兼首席執行官，也是曾在圍棋比賽中擊敗柯潔的“AlphaGo之父”，并且他在去年因為“在蛋白質設計和蛋白質結構預測領域作出貢獻”拿到2024年“諾貝爾化學獎得主”。

談獲獎：這就是我能這么快拿到諾獎的理由

問：我們的話題從諾獎開始吧，當時什么感受？

Hassabis：說實話，這是一種非常超現實的體驗，哪怕到現在依然感覺不太真實。對我來說，這是畢生夢想照進現實，因為我最初投身AI領域，就是為了推進科學發展，將AI作為終極工具來推動科學進步，幫助人類健康，比如藥物研發。

問：能簡單解釋一下AlphaFold是什么嗎？

Hassabis：我們因為一個叫AlphaFold的程序獲得了諾貝爾化學獎，這個程序能僅通過蛋白質的氨基酸序列（也就是基因序列），就預測出它的三維結構。

這非常重要，因為蛋白質的三維結構決定了它的功能，而我們體內的一切都依賴于蛋白質。所以，如果你想了解疾病，或者研究生物學原理，或者設計藥物，你都需要理解蛋白質的三維結構。AlphaFold就是解決這個問題的答案。

說一個趣事，我們是在10月9日突然得知獲獎消息的。這很出人意料，因為通常要等待10、20、30甚至40年才能獲得諾貝爾獎，而我們只用了4年。

我們的慶祝方式很美好：我的一些朋友，包括世界上最頂尖的國際象棋和撲克選手，大家聚在一起，辦了一場撲克和象棋之夜，這可能是世界上最高水平的家庭撲克比賽了，連國際象棋世界冠軍馬格努斯·卡爾森都在場。

問：剛才提到，通常需要很長時間才能獲得諾獎認可，所以這是否也是對AI的認可？因為其他兩位諾獎得主，也是因為AI相關工作獲獎。

Hassabis：確實，這似乎就是諾貝爾委員會想傳達的信息。包括物理學獎的杰弗里·辛頓(Geoffrey Hinton)和約翰·霍普菲爾德(John Hopfield)所做的基礎性工作，再加上我們的工作，這標志著AI已經足夠成熟，能夠幫助解決一些更深層的科學挑戰。

諾貝爾委員會不僅關注研究突破本身，更關注其實際影響。諾貝爾在遺囑中說明，獎項是授予“對人類最大福祉”的貢獻。通常需要幾十年，才能證明這種影響力，而AlphaFold的影響力來得如此之快：全球已有250多萬研究者在使用它，我們已經解析了2億個已知的蛋白質結構。

如果用傳統實驗方法，解析一個蛋白質結構平均需要5年，一個博士生整個博士生涯可能只能解析一個，照這個速度，解析2億個蛋白質結構將需要10億年的博士生時間。

而我們將這些全部免費開放給世界使用，這就是我所說的“數字速度的科學”，我們會看到越來越多這樣的例子。

問：繼續談談你們在做的突破性研究吧，估計每個人都很好奇，雖然可能不方便談到具體的疾病，但你認為哪些領域會出現突破？

Hassabis：我們現在主要在兩個方向大規模投入：

第一個是繼續基礎研究，開發更好的生物學、化學、物理數學模型，包括天氣預報模型。我們用通用AI系統開發這些模型，比如AlphaFold 3就能處理生物學動態過程。

第二個方向是實際應用。我們成立了Isomorphic Labs公司，基于AlphaFold技術開發藥物。

要知道，了解疾病相關蛋白質的3D結構只是拼圖的一部分，你還需要設計藥物分子，確保它無毒性，具有合適的性質，能夠溶解等……這需要很多與AlphaFold同樣復雜的模型配合使用。

傳統上，開發一種藥物平均需要5-10年，我們希望把這個過程加快10倍，這將是醫療健康領域的一場革命。

問：什么時候能看到第一個由AI主導研發的藥物？

Hassabis：我們去年宣布了與禮來和諾華的合作，他們給了我們一些最難的靶點，這些靶點，連他們的化學家都找不到好的候選藥物。我們也有自己的藥物研發項目，涉及癌癥、心血管疾病、神經退行性疾病等重大領域。我認為到2025年底，我們就會有第一個藥物進入臨床試驗。

談Gemini：我們有自己的“思考模型”

問：我知道你主要關注科學，但你現在負責谷歌的所有AI工作，2024年很多人認為谷歌落后于OpenAI，但你們卻取得了幾個突破，對你來說最重要的是哪個？

Hassabis：2024年確實碩果累累。年底我們發布了一系列新模型，包括Gemini 2.0。它的Flash版本雖然體積最小，但非常強大高效，服務了數十億用戶。

我們還有Veo 2視頻模型，它能以驚人的準確度模擬物理世界。比如，它能生成切番茄的視頻，這聽起來可能很簡單，但要準確展示手指和刀的位置，切片不會重新粘在一起，這是很復雜的。

這是我們所說的“世界模型”的開端，它不僅理解語言，還能理解世界的豐富性和時空性質，這也是構建通用AI助手的基礎，能在日常生活中真正幫助到你。谷歌DeepMind的項目Project Astra就是在做這個，現在還在測試階段，但希望今年晚些時候能向普通用戶開放。

問：讓我們談談競爭。你們的一個競爭對手現在有了能推理的大語言模型，Gemini 2.0能推理嗎？

Hassabis：我們有自己的“思考模型”，你可以叫它“推理模型”，這是目前所有頂級實驗室最活躍的研究領域。

基本思路是，讓模型在給出答案前先思考，對自己的回答進行回顧，甚至利用搜索等工具

來核實信息，最后再輸出結果，這是一種可行的解決方案。這可以解決當前模型的很多問題，比如虛構信息。規律很簡單：給模型更多思考時間，它就能給出更準確的答案。

實際上，我們在這方面有十多年經驗。從AlphaGo開始，包括我們早期的所有游戲項目，都是基于Agent（智能體）系統，都包含模型的推理、搜索。現在我們把這些經驗再用上，但區別在于，現在我們不是用它來開發游戲，而是要用在現實世界中，這顯然復雜得多，這些都需要進行建模，并了解這個世界的運行規律，因此規劃難度大得多。

比如說，在圍棋或國際象棋中，規則很簡單，AI很容易理解和學習。但現實世界卻復雜多了，即使你的世界模型只有1%的誤差（實際上通常有10%左右），如果你推理100步，這個誤差會不斷累積，最后可能落入一個完全隨機、毫無意義的狀結果。所以要在這么長的推理鏈上保持準確性，對模型的要求非常高，這就是我對AI推理能力感興趣的原因。

談AI幻覺：既要讓它可控，又要讓它有創造力

問：說到推理，目前大語言模型最基本的問題之一是幻覺問題，你可能也經常被問到這個問題，有一種解決方法是讓模型自己核實答案，但似乎也不太有效，為什么？

Hassabis：是這樣的，我們正在用多種方法解決幻覺問題，這對我們特別重要，因為如果你想用這些模型做科學研究，就絕對不能虛構引用或論文。Gemini 2.0模型在這方面比上一代有很大進步。

具體有幾種方法：首先，可以在預訓練階段，就過濾掉錯誤信息；其次，可以使用工具，比如用谷歌搜索來核實事實，這對我們來說是很自然的動作，但系統需要學會什么時候該使用搜索工具，這個學習過程并不是自動的；最后就是推理，給系統更多時間思考，讓它能夠回溯檢查，而不是立即輸出第一個答案。

問：有人告訴我，其實不應該完全消除AI幻覺，因為這是它創造力的一部分，你同意嗎？

Hassabis：在某些領域可能是這樣。但關鍵是要讓它成為一個可控的功能，而不是意外發生的事情。你應該能決定什么時候要創造性思維，當然我們還需要討論“創造力”對它來說到底意味著什么。

談AI工具：最常用的是NotebookLM

問：說到大語言模型，你自己是怎么使用Gemini的？你又是怎么教你的孩子用它的？

Hassabis：我的孩子們喜歡用創意工具，比如圖像生成功能。我個人主要用基于Gemini的應用，比如NotebookLM。

這是個很有趣的工具，你可以輸入任何你感興趣的研究論文或網頁，它會生成一個非常吸引人的播客，效果很好。一開始我以為，只需要AI總結內容然后念出來就夠了，但實際上，讓兩個AI角色進行對話式的評論要有趣得多。現在它新增了個功能，你甚至可以隨時打斷“播客”，問他們問題。如果你沒試過，我建議你試試，真的很神奇。

我幾乎每天都用它，來了解新的研究領域，幫我快速入門，掌握核心要點，然后決定是否需要深入研究。

談AGI：5-10年會到來，還需1-2個突破

問：你經常說，你所做的一切都是為了實現AGI（通用人工智能）。但我還是不明白，我們到底在試圖解決什么問題？為什么一定要追求AGI？你覺得需要多久才能實現？

Hassabis：我一直在探索的問題是，現實的本質以及宇宙中的深奧問題，從小我就對這些問題著迷。通常對這感興趣的人會選擇物理學，我也很喜歡物理學，這是我最喜歡的學科。

但在讀了費曼、溫伯格等大師的著作后，我意識到，也許問題在于我們需要幫助，即使是最聰明的專家也需要工具來幫忙。對我來說，AI就是那個工具，是我對尋求人類深層需求的工具。

如果我們真的想理解物理學本質，或者意識、夢境和時間的本質，就需要AGI級別的工具。我們天天與時間打交道，卻連時間是什么都不知道，這至今是個謎。

我還特別喜歡哲學，我認為當今世界需要一位像康德那樣的哲學家，來幫助我們理解我們正在走向何方。所以，要完全理解現實的本質，包括所有的物理學，我們需要AGI級別的能力。

問：具體時間表呢？是5年、10年、還是50年？

Hassabis：我通常不給具體時間表，但這要看你怎么定義AGI。在DeepMind，我們在這二十年來對AGI的定義一直很明確：一個能展現人類所有認知能力的系統。

之所以這樣定義，是因為人類思維是我們目前在宇宙中唯一知道的通用智能例子。所以如果你說AGI，而不是狹義的智能，至少要能做到人類思維能做的所有事情，包括創造力。按這個定義，我認為我們離AGI還有5-10年的距離，可能還需要一兩個關鍵突破。

問：誰來決定我們是否達到了AGI？是科學家、AI專家，還是政府和社會？他們在這場討論中似乎沒什么發言權。

Hassabis：這需要整個社會的參與。包括企業實驗室、學術界、公民社會、道德專家、政府。在考慮技術部署和產品時，我們需要考慮所有可能受影響的人。

在谷歌和DeepMind，我們一直在努力與各方溝通，舉辦AI科學論壇，我經常與各國皇家學會、美國國家科學院等機構交流，但我覺得我們可能還缺少合適的AI機構。

問：你最擔心什么風險？

Hassabis：我主要擔心兩大風險：

第一，不法分子濫用通用系統，用于不正當用途。這是老生常談的問題，任何變革性技術都會面臨這個問題。

問：這就是你不支持開源的理由？

Hassabis：恰恰相反，我們非常支持開放科學和開源，AlphaFold就是完全開源的，我敢說，現代AI產業80%-90%都建立在谷歌和DeepMind過去十年公開發表的研究成果上，比如Transformer架構和AlphaGo等——我們之所以公開分享所有這些理念，是因為科學進步最快的方式就是信息共享。

但AI這項技術與眾不同，它太具有變革性，用途又非常廣泛。系統越通用，就越容易被重新配置做其他用途。這就是為什么我對開源倡導者說，我很希望能開源，讓更多好的應用成為可能，但隨著系統變得越來越強大，我們如何防止被有害使用？一旦開源，就收不回來了。起碼通過API提供服務的話，如果發現什么問題，還可以關閉訪問。

AI還有另一個復雜之處：它是一種涌現性技術。它不像汽車引擎，你測試到極限，就知道它能做什么、不能做什么。即使測試六個月，當數十億人使用時，可能某個聰明人就會發現一些新的用法組合，產生新的能力。

而AI的第二個風險是：技術本身帶來的AGI風險。這不是現在的問題，但隨著我們接近AGI，這個問題會越來越重要。科學史告訴我們，如果某件事可行且有價值，人們就會去做，這是不可避免的趨勢。現在AI已經發展到了一個關鍵節點，精靈已經出了瓶子，我們再也無法將其束之高閣了，只能努力確保它以安全的方式發展。

諸如一些當今社會的挑戰，促進經濟增長、應對氣候變化、提高醫療效率、推動醫學應用、從多方面治療疾病等，我們恐怕很難解決這些問題，除非引入AI，但我們必須以理性和負責任的態度推進AI，我建議以科學方法為核心來推進。

問：有意思的是，馬斯克起初主張暫停AI發展，他想緩一緩，但現在他也推出了Grok，這可能帶來問題，其嚴重程度遠超監管不足的問題，你怎么看？你和他很早就認識了吧？

Hassabis：對，我們是老朋友了，我和他認識已經超過12年了，我們從一開始就在探討AI的話題，應該是我最初把他帶入AI領域的。

這里的利害關系遠不止是公司層面，也不僅關乎產品或其他東西，回顧我們剛才的討論就會發現，這涉及到某種人類的未來，關乎人類的生存狀態，以及我們作為社會和物種真正想要前進的方向，至少有些人已經意識到這一點，但可能還需要更多人認識到這一點，我認為短期內人工智能被過度炒作了，比如你在X和其他平臺上聽到的那些AI消息，什么“明年就能實現AGI”，搞得大家都有點兒瘋狂了，但實際上人們仍然低估了它，沒有充分認識到AI在未來5-10年這樣的中長期內將帶來的巨大變革。

問：令我驚訝的是，企業采用AI的速度進展比我原本預想的要慢得多，我覺得在ChatGPT推出的第一年后，很多人覺得有必要試一下，他們也確實試了，但還沒找到真正合適的用途。

Hassabis：我覺得這很合理，我們就是處在這個階段，這些看似很厲害的系統，只適用于一些特定場景，比如總結文檔、做點研究、或者寫些套路化的推薦信之類的，這就是我認為我們距離AGI還很遠的原因。

要是真的接近了，你應該能想象到各種全能助手的出現，這些助手每天都在各方面幫助你，從推薦有趣的觀看內容、到全方位豐富你的生活，但現在我們還看不到這些，但我相信它終會實現。

談AI變革：算法推薦還算不上真正的AI

問：你覺得AI會如何影響我所在的行業？

Hassabis：這個嘛，我也說不準，但我認為它的影響會是方方面面的。

我對社交媒體問題有很多思考，我感覺我們每個人都被信息淹沒了，用戶被算法推送的信息狂轟濫炸，這些算法甚至都算不上AI，（比如推薦系統之類的）它們其實就是普通的軟件程序，還不能被稱為AI系統，我們就這樣被信息海洋淹沒了，這些信息都在爭奪我們的注意力。

我一直在想，我們能否讓技術真正為我們個體服務，假設你有一個能聊天的智能助手，你可以這樣設置它：“今天我想安靜地專注于寫作、編程或科研等工作，不管是什么工作，只在必要時提醒我，幫我關注社交媒體和其他重要信息，只有遇到緊急事務時才通知我”，然而目前的現實是，我們還無法實現這一點，所以你不得不花精力涉足信息的汪洋，去尋找你真正關心的信息，但問題是，用來過濾信息的大腦在看信息的時候，正處于心流狀態，一旦參與這種信息過濾，就會影響到你的大腦狀態。

所以我認為更好的方式是，讓一個AI系統為你執行這項任務，這也是Agent愿景的一部分。