#514.DeepMind创始人Demis Hassabis谈AGI、AlphaFold与科学发现的未来

📝 本期播客简介

本期我们克隆的是 Y Combinator 官方播客的一期深度对谈。**Demis Hassabis: Agents, AGI & The Next Big Scientific Breakthrough**

主持人 Gary 是 YC 的 CEO，嘉宾 Demis Hassabis 是 DeepMind 的联合创始人兼 CEO，他因破解生物学上长达五十年的蛋白质结构预测难题，在去年获得了诺贝尔化学奖。

在这期节目里，你将听到 Demis Hassabis 从国际象棋神童、游戏设计师到诺奖得主的传奇经历，以及他对通用人工智能的终极思考。对话深入探讨了当前 AI 系统缺失的关键组件——持续学习、长期推理和记忆；他独家披露了 DeepMind 如何将其在 AlphaGo 上验证过的强化学习和搜索哲学，融入当今最先进的 Gemini 大模型。此外，他还分享了小模型的“蒸馏”艺术、智能体的真实进展，以及 AI 将在未来五年如何彻底变革材料科学、药物发现等基础科学领域。对于每一位正在科技前沿探索的创始人，Demis 给出了一条至关重要的建议：在 AGI 可能于途中降临的时代，你该如何预判技术走向，构建真正具有防御性的深度科技公司。

👨‍⚕️ 本期嘉宾

Demis Hassabis，Google DeepMind 联合创始人兼 CEO，2024年诺贝尔化学奖得主。他从小是国际象棋神童，17岁便设计了畅销游戏《主题公园》，后来获得认知神经科学博士学位，并于2010年创立 DeepMind，致力于“解决智能问题”。他领导的团队开发了击败世界围棋冠军的 AlphaGo 和破解蛋白质结构预测难题的 AlphaFold，后者已被全球超过三百万研究人员使用，被誉为 AI 加速科学发现的里程碑。目前，他正带领团队打造 Gemini 模型，并继续朝着通用人工智能的宏大目标前进。

⏱️ 时间戳

开场与嘉宾传奇

00:00 开场：Y Combinator播客简介与Demis Hassabis的非凡成就

03:30 Demis的职业生涯回顾：从棋坛神童到认知神经科学博士，再到DeepMind创立

05:00 AlphaGo与AlphaFold：两个改变世界对AI认知的里程碑

06:30 诺奖背后：免费开放AlphaFold，赋能全球每一位科学家

AGI架构的未来拼图

07:15 当前范式的局限：大模型还缺什么？持续学习、长期推理与记忆

09:45 “梦境循环”与海马体：神经科学启发下的经验重放技术

12:30 上下文窗口是终极方案吗？工作记忆的蛮力模拟与信息检索成本

15:00 生物大脑不是机器：完美记忆的承诺与逻辑成本困境

从AlphaGo到Gemini：强化学习的回归

17:45 智能体的原始基因：Atari游戏与AlphaGo如何定义自主系统

19:45 “想太多”的模型：在思维链中如何避免循环错误

22:00 强化学习被低估了吗？将游戏策略泛化到世界模型

24:00 AlphaZero的旧思想与当今基础模型的新结合

超高效的小模型：蒸馏的艺术

26:30 从庞大前沿模型到轻量级Flash：蒸馏技术的极限在哪？

28:30 为何必须极致高效：服务数十亿用户的谷歌生态与低延迟刚需

30:30 速度优于绝对能力：迭代效率如何弥补5%的能力差距

32:00 隐私与安全：设备端小模型的战略意义

智能体时代的黎明

35:00 智能体真实能力：到底是炒作还是真正的起步？

37:00 人机协作：为什么还没出现“AI造出的爆款游戏”？

38:45 失踪的创造火花：一个能发明“围棋”的系统何时到来？

40:15 工具的灵魂：人类品味与创造力的不可或缺

多模态、开源与设备端模型

43:30 从Gemini到Gemma：开放科学基因与开源模型战略

46:00 为何开放边缘模型？部署风险与安卓、机器人的全球布局

48:00 多模态先见：如何让AI理解物理世界并遥遥领先

AI与基础科学的下一个突破口

51:00 AlphaFold的范式：组合搜索空间、清晰目标函数与合成数据

53:30 迈向虚拟细胞：我们需要什么样的活细胞成像技术？

56:00 未来五年最具变革潜力的科学领域：材料、气候与数学

58:00 根节点问题：如何用AI解锁全新科学发现的分支

给深科技创始人的忠告

01:00:30 预测AI走向与跨学科结合：如何构建不被基础模型吞没的护城河

01:03:00 拥抱深度科技：真正有价值的事从不简单，相信你的另类视角

01:06:30 为自己热爱的事业而战：即使技术未成，你也会找到继续的路

01:08:30 终极建议：在AGI终点途中启动你的深科技征程

终极挑战：科学推理与AI的创造力

01:10:30 系统能否自己提出“黎曼假设”？超越模式匹配的科学推理

01:13:00 “爱因斯坦测试”：训练截止1901年的模型，它会发现狭义相对论吗？

01:16:00 通用工具与专用系统的未来：为何AGI不应是一个巨无霸大脑

🌟 精彩内容

💡 AGI的最终架构：还缺哪几块拼图？

Demis 明确指出，尽管当前的大规模预训练、RLHF和思维链范式已非常强大，但要实现完全的通用智能，我们还必须攻克持续学习、长期推理和更高效稳定的记忆机制。“我觉得现有的组件会是AGI最终架构的一部分，但可能还需要一两个重大的想法去突破。”

🧠 从神经科学借来的AI灵感

Demis 结合其认知神经科学的博士背景，解释了DeepMind早期突破的核心概念——“经验重放”如何源于对大脑海马体在睡眠中巩固记忆的研究。这一在2013年被用于Atari游戏AI DQN的 “远古时期”突破，至今仍对克服模型的“无状态”难题具有深刻启发。

🚀 小模型的大智慧与蒸馏的极限

当被问及小模型的聪明程度是否有极限时，Demis 乐观地表示目前远未触及信息密度的天花板。“我们的一款前沿模型发布半年到一年后，你就能在那种非常小、几乎能跑在设备端的模型里看到同样的能力。” 这不仅关乎成本，更关乎速度与隐私，他认为设备端高效模型加云端强大模型协调将是理想的终局。

♟️ 当AI“想太多”：从国际象棋的错误说开去

Demis 分享了与Gemini下棋的有趣观察：模型有时会意识到某步是臭棋，但因找不到更好的选择而依然走出那一步。“在一个精确的推理系统里，你根本不应该看到这种事……我总觉得它对自己的思考过程缺少一种内省。” 这反映了当前系统推理能力的“锯齿状”特征。

🔬 科学发现的下一个“AlphaFold时刻”

Demis 提出了他所寻找的科学突破范式：一个巨大的组合搜索空间、一个明确定义的目标函数、以及足够的数据或合成数据模拟器。他预测在材料科学、药物发现等领域，我们正处于类似AlphaFold爆发前的“临门一脚”时刻，并给出了“十年内实现完整虚拟细胞”的具体时间线。

💎 创始人的黄金法则：预判AI，拥抱深科技

对于创业者，Demis 的建议直击要害：“你必须预判 AI 技术的发展走向。” 他认为，将AI与某个深度技术领域（如材料、医药）相结合的跨学科团队，将最具防御性，不会轻易被基础模型的下一次更新淹没。此外，他鼓励所有人将生命投入到“如果你不做就不会有人去推动、真正能改变世界的事情”上。

🌐 播客信息补充

翻译克隆自：Y Combinator 官方播客

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight