谷歌Demis Hassabis超长访谈：AI、现实模拟与宇宙的终极答案

最近，Google DeepMind 的负责人、诺贝尔奖得主 Demis Hassabis 接受了 Lex Fridman 的一次深度访谈。在超过两小时的对话中，他系统地阐述了自己对人工智能、科学探索、现实世界的本质乃至人类社会未来走向的深入思考。这次谈话没有太多行业口号，更多的是一位科学家和工程师对自己工作的回顾、对未来的推演，以及贯穿其中的哲学思辨。

Hassabis 的讨论从他研究工作的核心理念出发，延伸到 AI 模型如何模拟物理世界，再到他对未来视频游戏和通用人工智能（AGI，Artificial general intelligence）的看法，最后落脚于技术对人类社会产生的深远影响。

宇宙的尽头是代码？万物皆可计算的猜想

访谈的核心始于 Hassabis 在诺贝尔奖演讲中提出的一个基础性猜想，他认为，这可能是他所有工作的理论基石。

“我在诺奖演讲中提出一个猜想，即‘任何能在自然界中生成或发现的模式，都可以被一个经典的机器学习算法有效地发现和建模’。”Hassabis 解释道。这并非一时兴起的狂言，而是他多年来工作的深刻总结。从 AlphaGo 精妙的棋局，到 AlphaFold 破解蛋白质折叠的世纪难题，DeepMind 的工作一直在证明，那些看似组合爆炸、维度高到无法想象的复杂问题，其背后往往存在着可以被学习的“结构”。

他以蛋白质折叠为例，这个过程在人体内仅需毫秒即可完成，物理学本身以某种方式高效地解决了这个搜索问题。Hassabis 认为，这之所以可能，是因为自然系统本身就充满了结构性。“自然系统之所以有结构，是因为它们受到了塑造它们的进化过程的影响。如果这是真的，那么你或许就能学习到那种结构是什么。”

这个思想可以被推广到更多领域。Hassabis 将其称为“最稳定者生存”原则。无论是山脉被风雨侵蚀的形状，还是行星的轨道、小行星的轮廓，这些看似随机的自然形态，都经历过亿万年的物理过程筛选，最终呈现出一种“非随机”的稳定模式。这种模式，或者说这种“低维流形”，为 AI 提供了一条通往正确解的捷径，使其不必通过暴力搜索来解决问题。

这一猜想的终极指向，甚至触及了理论计算机科学的圣杯——“P vs NP”问题。Hassabis 坦言，他一直对这个问题着迷，并认为它不仅仅是一个数学问题，更是一个关于物理世界本质的问题。

“我一直对 P 是否等于 NP 以及经典系统（即非量子系统，图灵机）能模拟什么感到着迷。”Hassabis 说道，“我正和几位同事在业余时间里研究，是否可能存在一个新的复杂性类别或问题，可以通过这种神经网络过程来解决，并映射到这些自然系统上……我倾向于将宇宙看作一个信息系统。如果你认为物理学是信息性的，那么 P 是否等于 NP 的问题就是一个物理问题，一个可以帮助我们真正解决这一切核心问题的疑问。”

在这个宏大的世界观里，宇宙本身就是一个巨大的信息处理系统。而 AI，尤其是 AGI，将成为人类理解这个系统终极规律的最强工具。

从 Veo 到虚拟细胞：AI 如何模拟现实世界

如果说上述猜想是理论框架，那么 DeepMind 在模拟现实世界方面的具体进展，则为这一框架提供了证据。Hassabis 重点谈及了 Google 最新的视频生成模型 Veo，以及他更长远的梦想——模拟一个完整的生物细胞。

对于 Veo，Hassabis 最感兴趣的并非其生成有趣视频的能力，而是它对物理世界“直觉式”的理解。“真正让我印象深刻和着迷的，是它的物理行为、光照、材质和液体。它能做到这一点非常了不起。”他分享道，“我认为这表明它至少对直觉物理学有某种概念，即事物应该如何直观地运作，就像一个人类小孩理解物理学的方式，而不是一个博士生去解析所有方程式。”

Veo 通过“被动观察”（观看海量 YouTube 视频）学习物理规律的能力，挑战了长久以来“具身智能”（即机器人必须通过与物理世界互动才能真正理解世界）的理论。Hassabis 承认，这让他也感到惊讶，并暗示了现实本质中某种更深层次的结构性，使得通过观察就能进行有效的逆向工程。

从模拟宏观物理到模拟微观生命，是 Hassabis 职业生涯的终极梦想之一。他将其称为“虚拟细胞”（Virtual Cell）项目，一个他构思了超过 25 年的宏伟计划。

“我职业生涯中一直努力做的事情，就是拥有这些真正宏大的梦想，然后尝试将它们分解成可管理、可实现、本身又有意义和价值的中间步骤。”Hassabis 解释道。AlphaFold 的成功，仅仅是这个漫长征途的第一步。它解决了蛋白质的静态 3D 结构问题，而 AlphaFold 3 则开始涉足蛋白质、RNA 和 DNA 之间的动态相互作用。

他的最终目标是模拟一个完整的细胞，可能会从结构最简单的单细胞生物——酵母细胞开始。他与 2001 年诺贝尔奖得主、生物学家 Paul Nurse 多年来一直在探讨这个想法。“我们的梦想是，或许你可以将实验速度提高一百倍，通过在计算机中（in silico）完成大部分搜索工作，然后在湿实验室（wet lab）中进行验证步骤。”

要实现这一目标，需要解决不同时间尺度上的复杂动态问题，并精确选择模拟的粒度——可能是在蛋白质分子层面，而非深入到原子层面。Hassabis 认为，AlphaFold 等工具为此奠定了基础，未来 AI 将能把这些基础模块组合起来，模拟出细胞通路的完整行为，最终揭示生命的“涌现行为”。这一过程，甚至可能帮助我们探索生命起源这一终极谜题，模拟从原始化学汤中诞生第一个细胞的“神之一手”。

游戏、AGI 与未来：一位“玩家”的终极追求

在所有宏大的科学与哲学构想之中，Hassabis 毫不掩饰他对视频游戏的热爱。“游戏是我真正的初恋。”他笑着说。他的整个职业生涯，似乎都与游戏设计思想有着千丝万缕的联系。从早年参与开发《主题公园》、《黑与白》等经典游戏，到如今构想 AGI，他始终在追求创造一个玩家可以“共同创造”的、充满活力的模拟世界。

他预言，未来的游戏将由 AI 驱动，能够根据玩家的想象力动态生成内容和叙事，创造出“终极版的‘选择你自己的冒险’游戏”。想象一个可交互版本的 Veo，在未来五到十年内，技术将能创造出真正个性化、每次体验都独一无二的开放世界。

这种对游戏的理解，也塑造了他对 AGI 的定义和期待。他认为，要判断一个系统是否达到了 AGI 的水平，不能仅仅依赖于通过数万个认知任务的基准测试，更需要寻找那些如同灯塔式的“灵光一现”的时刻。

“一个灯塔时刻，是像爱因斯坦那样，发明一个新的物理学猜想或假说。”Hassabis 描绘道，“或者，它能否发明一个像围棋一样，既深刻又具有美学和优雅感的游戏？而不仅仅是想出‘第 37 手’这样的新策略。”

他认为，今天的 AI 系统擅长在给定的 S 曲线上进行“爬山式”的增量改进，例如通过 AlphaEvolve 这样的系统（结合了 LLM 和进化算法）来优化现有算法。但要实现真正的 AGI，则需要“范式跃迁”级别的突破，就像 2017 年 Transformer 架构的诞生一样。

“问题是，它能否提出像 Transformer 架构那样的新飞跃？……目前看来，我们还没有系统能够明确地展示出那种巨大的飞跃。”他坦诚地说，“我认为我们还需要一到两个重大的突破。”

不过对他而言，AGI 的到来并非终点。他甚至规划好了自己的“后 AGI 项目”：一个是在安全地将 AGI 引导到世界后，利用一个悠长的学术休假，全身心投入到构建他的物理学理论中去；另一个，则是去创造一款他梦想中的终极视频游戏。

有意思的是，在他看来，这两者是相通的：“在我的世界里，它们是相关的，因为它会是一款尽可能真实的开放世界模拟游戏。那么，宇宙是什么？这正是在探究同一个问题，以及 P 与 NP 的问题。我认为所有这些事情，至少在我的脑海中，是相互关联的。”

通往 AGI 的物理基石

宏大的愿景需要坚实的物理基础来支撑。在通往 AGI 的道路上，算力（Compute）和能源是两个绕不开的核心话题。

Hassabis 首先谈到了 Scaling Laws 的现状。AI 的进展究竟是更多地依赖于简单粗暴的算力堆砌，还是需要等待新的科学突破？Hassabis 给出了一个辩证的看法。“我感觉这大概是五五开，即一半一半。我们不知道是现有方法的规模化就足够了，还是需要新的东西。”他说道。他对此并不焦虑，反而认为这是 DeepMind 的优势所在。

“当竞争变得更困难时，我其实很喜欢，因为它就从纯粹的工程问题转向了真正的研究问题，是研究加工程。这正是我们的最佳击球点，我认为这更难。发明东西比快速跟进要难得多。”他自信地表示，DeepMind 拥有“最广泛和最深入的研究团队”，无论未来需要的是工程扩展还是范式突破，他们都做好了准备。他甚至表示：“如果你回顾过去十年或十五年的历史，支撑现代 AI 领域的突破中，可能有 80-90% 最初来自 Google Brain、Google Research 和 DeepMind。”

解决了“怎么做”的问题，接下来就是“用什么做”。算力的重要性不言而喻，但 Hassabis 指出了一个正在发生的变化：推理算力的需求可能将超越训练算力。“训练阶段实际上只是其中的一部分，它甚至可能成为未来所需总计算量中较小的部分。”他解释道。随着 AI 系统越来越多地融入实际产品，被全球数十亿用户使用，以及“思考系统”（即模型通过更长的推理时间来获得更智能的结果）新范式的出现，这些都需要海量的推理算力。

巨大的算力需求直接引向了能源问题，这也是 Hassabis 倾注了大量热情的领域。他认为 AI 不仅是能源的消耗者，更是能源问题的解决者。DeepMind 已经利用 AI 帮助优化数据中心的冷却系统、进行电网优化，甚至与 Commonwealth Fusion 等公司合作，探索如何利用 AI 控制聚变反应堆中的等离子体。

展望未来几十年的能源格局，Hassabis 将他的赌注压在了两项技术上：“我认为聚变和太阳能是我会押注的两个。太阳能，当然，就是天上的聚变反应堆，我认为真正的问题在于电池和传输……而聚变，我认为是绝对可行的，只要我们有合适的反应堆设计，并且能足够快地控制等离子体。”

一旦解决了能源问题，使其变得清洁、可再生、甚至近乎免费，人类文明将迎来怎样的图景？Hassabis 认为，这将是人类迈向“卡尔达舍夫一级文明”的关键。

“这将解决一大堆其他问题。例如，水资源获取问题就迎刃而解了，因为你可以直接使用海水淡化……它现在之所以没有普及，只是因为太贵了。”他描绘道，“而且你还将拥有无限的火箭燃料。你可以通过能源将海水分离成氢和氧，那就是火箭燃料。”

当廉价的能源与马斯克的自着陆火箭技术相结合，太空旅行将变得像“搭乘公交服务”一样平常。这为小行星采矿、获取地外资源打开了大门，最终导向“人类向着星辰的最大化繁荣”。Hassabis 在这里引用了天文学家卡尔·萨根的梦想——“将意识带给宇宙，唤醒宇宙”。他相信，如果我们能正确地利用 AI，并借此破解能源等根本性难题，人类文明终将实现这一宏伟愿景。

竞赛、人才与领导力

作为执掌着全球顶尖 AI 实验室的领导者，Hassabis 也分享了他带领 Google DeepMind 在激烈竞争中前进的经验与挑战。

面对过去一年 AI 领域的风云变幻，Hassabis 承认，Google 一度面临巨大压力，但他对团队在 Gemini 1.5 上取得的“不懈进展”感到非常满意。“首先，我们拥有一支由 Corey、Jeff Dean 和 Oriol 领导的绝对不可思议的团队……当然，我们也有大量的计算资源。但更重要的是，我们创造的研究文化，以及将 Google 内部不同团队——Google Brain 这个世界级团队和过去的 DeepMind——融合在一起，汇集所有最优秀的人才和想法，共同创造我们能做出的最强大的系统。”

他的领导哲学，是在 Google 这个庞然大物中，依然保持初创公司的精神和活力。“我仍然像运营一家初创公司一样运营过去的 DeepMind，一个规模很大的初创公司。今天的 Google DeepMind 也依然如此行事。”他解释说，“我们以决断力和活力行动，这是从最优秀的小型组织中获得的。我们试图兼得两全，既拥有数十亿用户的平台和产品，可以用来赋能我们的 AI 和研究，又能在另一端进行世界级研究，并将其应用，在第二天就改善数十亿人的生活。”

在产品设计层面，他认为 AI 产品的设计者必须具备“技术性的产品直觉”，即“你必须为你一年后技术能达到的水平而设计，而不是今天”。这意味着要预判技术的发展轨迹，并拦截在未来。他预言，当前基于文本框的聊天界面很快会显得“古老”，未来的人机交互将是多模态的、高度协作的，甚至是个性化生成的，就像电影《少数派报告》中那样，界面会根据你的审美和思维方式动态生成。

谈及愈演愈烈的“人才战争”，尤其是 Meta 等公司以高薪吸引人才的策略，Hassabis 表现得相当从容。他认为，对于那些真正相信 AGI 使命、并理解其深远影响的顶尖研究者来说，金钱并非唯一驱动力。“他们主要是为了能站在研究的前沿，从而能够影响技术的发展方向，并安全地引导这项技术造福世界。而 Meta 目前并不在那个前沿。”他直言，“我认为对于那些真正想在 AGI 前沿工作的人来说，我们这里仍然是他们的首选之地。”

而对于程序员等职业未来的担忧，Hassabis 认为，技术将成为赋能者而非单纯的替代者。“我认为在下一个时代，即未来五到十年，我们会发现，那些拥抱这些技术的人……将变得超乎寻常地高效。伟大的程序员会变得更出色，效率可能是今天的 10 倍。”他认为，这将降低创造的门槛，让更多人能够实现自己的想法，而顶尖程序员的价值则体现在定义架构、引导 AI 助手以及验证代码质量等更高层次的决策上。

从冯·诺依曼到 P（Doom）与意识

访谈的最后，话题不可避免地走向了关于人类文明命运的终极问题。Hassabis 深受约翰·冯·诺依曼这位科学巨人的影响，他推荐了关于冯·诺依曼的传记《疯子》（The Maniac）。冯·诺依曼既是现代计算机之父，也参与了曼哈顿计划，亲眼见证了强大理论如何转变为足以改变世界的原子弹。他同样预见到计算机会对世界产生更深远的影响。

Hassabis 认为，AI 革命的影响力将是工业革命的至少 10 倍，但速度却快了 10 倍，这意味着社会适应的窗口期被极大地压缩了。这让他对人类的未来抱持着一种“谨慎的乐观”。

当被问及著名的“P（Doom）”（人类文明因 AI 自我毁灭的概率）时，Hassabis 拒绝给出一个具体的数字，因为这会“暗示一种不存在的精确性”。但他明确表示：“我能说的是，这个概率绝对非零，而且可能不可忽略。这本身就足以引人深思。”

他认为风险来自两个层面：一是“坏人”滥用日益强大的通用技术，这是一个关于开放与管控的棘手难题；二是随着系统变得更具智能体性（agentic）和自主性，如何确保其“护栏”始终有效且受人类控制。

面对这些严峻的挑战，Hassabis 认为纯粹的“冷酷理性”是不足够的。他引用了书中“理性的疯狂梦想”这一概念，强调在构建超级技术的过程中，需要注入一种“人文主义维度”或“精神维度”。

“我们需要用一种……精神或人文主义的维度来对待它。这不必与宗教有关，而是关于灵魂的理念，关于是什么让我们成为人类，我们拥有的那种火花。”Hassabis 沉思道，“我一直将技术视为促成者，是让我们繁荣发展、更多地了解世界的工具。”

这最终引向了所有谜题的核心——意识。Hassabis 坦承，他个人的赌注是，意识“很可能只是发生在大脑中的经典计算”，这意味着它原则上可以被经典计算机模拟。但他同时也指出了一个深刻的难题：我们如何理解一个在完全不同基质（硅基）上运行的智能体的“感受”？

“Daniel Dennett（美国著名哲学家）曾与我辩论，我们为什么认为彼此有意识？原因有二。一，你表现出和我一样的行为。二，这一点常被忽略，即我们在相同的基质上运行。”他解释说，“但对于一个在硅基上运行的 AI，即使它表现出有意识的行为，我们也将无法依赖第二点。我们不知道它真正的感受，它可能也不知道我们的感受。”

这或许是人类将面临的终极同理心考验。

访谈的最后，Lex Fridman 问 Hassabis，是什么给了他对人类文明未来的希望。他的回答回归到了最根本的两点：人类近乎无限的创造力，以及我们极强的适应性。从狩猎采集时代的头脑，到今天能适应飞行、播客和虚拟模拟的现代生活，人类已经展现了惊人的可塑性。

“所以我认为这只是进化的下一步。”Hassabis 总结道，“看到社会已经如何适应我们今天拥有的这些令人惊叹的 AI 技术，是很有趣的。人们会说‘哦，我和聊天机器人聊过天，完全没问题。’”

参考资料：

1.https://www.youtube.com/watch?v=-HzgcbRXUK8

运营/排版：何晨龙