# DeepMind

这篇访谈围绕 Google DeepMind CEO Demis Hassabis 对 AI 未来用途的看法展开，核心观点是：AI 最有价值的方向不是简单的聊天或生成内容，而是帮助人类理解现实世界，并优先改善健康、科学和医学。

文章首先回顾了 Hassabis 对 AlphaFold 的思考路径。早在本科时期，他就对蛋白质折叠问题着迷，因为蛋白质的三维结构决定功能，而传统实验方法既慢又贵。AlphaFold 的突破在于，它把原本需要几十万美元、耗费多年才能得到的结构预测，压缩到几秒钟完成，并且可以把大量已知蛋白结构免费开放给全球科学家使用。作者强调，这使得 AlphaFold 不只是一个模型，而是一次彻底改变科研流程的基础设施升级。

接着，访谈讨论了 AlphaFold 在科研中的具体价值。它帮助研究者更快理解蛋白结构、探索药物靶点，也让研究冷门物种、植物、疟疾、查加斯病等“低商业回报”疾病的团队拥有了更好的工具。Hassabis 认为，AI 应该先解决这些能显著改善人类健康和基础科学的问题，而不是等到所谓的 AGI 完全成熟后才开始发挥作用。

文章随后转向药物发现。Hassabis 认为，知道蛋白结构只是第一步，真正的目标是把 AI 用在药物设计、分子筛选和副作用预测上。DeepMind 及其孵化公司 Isomorphic Labs 正在构建一整套相邻系统，尝试在计算机中完成尽可能多的药物发现流程：设计候选化合物、预测它们与目标蛋白的结合强度、快速检查是否会误伤其他蛋白，再把最有希望的结果送入湿实验室验证。这样的流程有望把现在动辄十年的药物研发周期大幅缩短。

文章还介绍了 AlphaGenome 的意义。它试图解码基因组中大量不编码蛋白质的区域，尤其是帮助识别哪些突变会导致疾病。Hassabis 认为，未来 AI 可能能更准确地指出疾病的关键突变，再和 CRISPR 这类基因编辑技术结合，直接修复问题位点，从而为遗传病治疗打开新路径。

最后，文章讨论了 AI 发展节奏的变化。Hassabis 承认，如果按他的个人意愿，他希望把 AI 更长时间留在实验室里，优先做科学和医学方向的工作；但现实中，ChatGPT 之后的产业竞争显著加速了 AI 的公众化和产品化。他认为自己始终最关心的仍然是“用 AI 理解世界”，而他希望这份技术力量最终能被用于科学发现、疾病治疗和人类认知边界的拓展。

这篇文章围绕 DeepMind 创始人哈萨比斯（Demis Hassabis）的一次长访谈展开，重点讨论了 AGI 的时间表、技术路径、安全治理以及它对科学和社会的潜在影响。
哈萨比斯认为，AGI 的定义应接近“具有人类心智能够展现的全部认知能力的系统”，并给出一个相当激进的判断：未来五年内出现 AGI 的概率非常高。
他同时强调，当前最主要的瓶颈仍然是算力。算力不仅用于扩大模型规模，也用于做实验、验证新算法，让研究人员能够不断尝试新的思路。
在他看来，模型的持续学习能力、长期记忆、层级规划和一致性仍然是大缺口。现阶段的系统常常呈现“某些问题特别强、换个问法又突然失效”的锯齿状特征，还不是真正稳定通用的智能。
文章也回顾了 DeepMind 的发展历程：从早期在英国艰难融资，到被谷歌收购，再到 AlphaGo 和 AlphaFold 让世界看到 AI 在复杂决策与科学发现中的能力。
哈萨比斯认为，AI 最重要的长期用途之一是成为科学和医学的终极工具，尤其是在药物设计、疾病治疗和蛋白质结构等方向上。
在安全与监管问题上，他主张建立国际性的最低标准和认证机制，尤其要防止模型具备欺骗能力，并让政府、专业机构和研究共同体共同参与审计。
他还讨论了 AI 对就业、财富分配、能源系统和核聚变等问题的冲击，认为短期内社会会经历剧烈扰动，但长期看也可能带来更高质量的新工作和更大的生产率提升。
整篇文章的基调是“短期高估、长期低估”：当下 AI 热度已经很高，但十年尺度上的颠覆性可能仍被低估。