#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在小宇宙查看该单集文稿