关于嘉宾
Demis Hassabis — DeepMind联合创始人兼CEO，国际象棋神童，游戏开发者转型的AI科学家。他领导团队开发了AlphaGo、AlphaFold等里程碑项目，因AlphaFold获得2024年诺贝尔化学奖。他的愿景是用AI解决人类最重大的科学挑战。
Demis Hassabis是当代最具远见卓识的AI科学家之一。作为DeepMind的联合创始人兼CEO，他领导团队开发了AlphaFold——解决了困扰生物学界50年的蛋白质折叠问题，并因此获得2024年诺贝尔化学奖。他的愿景远不止于此：从虚拟细胞到通用人工智能，Hassabis正在用AI重新定义科学发现的边界。
2亿+
AlphaFold预测蛋白质
50年
蛋白质折叠难题
2024
诺贝尔化学奖
1从游戏到科学
Demis Hassabis的人生轨迹独特：4岁开始下国际象棋，13岁达到大师水平；青少年时期设计电子游戏；后来在剑桥大学学习计算机科学，在UCL获得认知神经科学博士学位。
游戏与AI
他认为游戏是测试AI智能的理想环境：规则明确、反馈清晰、可以无限次尝试。DeepMind最初的项目都是游戏AI：Atari游戏、围棋、国际象棋、StarCraft II。
"游戏是智能的游乐场。如果一个AI系统能在复杂游戏中达到超人水平，它可能也能在现实世界中解决复杂问题。"
2AlphaGo里程碑
2016年，AlphaGo以4:1击败世界冠军李世石，成为AI发展史上的标志性事件。
技术突破
- 深度强化学习：通过自我对弈学习最优策略
- 蒙特卡洛树搜索：高效搜索巨大的决策空间
- 价值网络+策略网络：评估局面和选择落子
历史意义：AlphaGo证明了一个通用学习算法可以在没有人类专家知识的情况下，掌握极其复杂的领域。这为后来的科学应用铺平了道路。
3AlphaFold革命
蛋白质折叠问题是生物学界50年未解的难题：给定氨基酸序列，预测蛋白质的三维结构。
突破性成果
- 2020年，AlphaFold2在CASP14比赛中达到实验精度
- 2021年，预测了人类98%的蛋白质结构
- 2022年，发布2亿+蛋白质结构数据库
- 2024年，Hassabis和John Jumper获诺贝尔化学奖
"AlphaFold只是一个开始。我们正在构建一个AI科学家，能够做出人类科学家无法做到的发现。"
4AGI愿景
Hassabis相信通用人工智能（AGI）是可达成的目标，DeepMind的研究路线图指向这个终极目标。
AGI的定义
能够学习并执行任何人类能完成的认知任务的系统。关键是通用性而非特定能力。
时间线预测
- 他认为AGI可能在未来10-20年内实现
- 需要新的突破，而不仅是扩大现有模型
- 推理、规划、因果理解是关键挑战
5AI for Science
DeepMind的"AI for Science"项目将AI应用于基础科学问题：
- 材料科学：发现新材料（如玻璃稳定剂）
- 核聚变：控制等离子体稳定性
- 天气预报：更准确的气象预测
- 数学：发现新的定理和猜想
虚拟细胞愿景：Hassabis的终极目标是构建一个"虚拟细胞"——一个能模拟真实细胞所有功能的AI模型，这将彻底改变生物学和医学。
6AI安全
Hassabis强调AGI开发必须与安全研究并行。
安全优先事项
- 价值对齐：确保AI目标与人类利益一致
- 可解释性：理解AI的决策过程
- 国际合作：建立全球AI治理框架
- 负责任发布：平衡开放与风险
核心观点总结
🎮 从游戏到科学
游戏是测试AI智能的理想环境
🧬 AlphaFold革命
AI解决了50年的生物学难题
🔮 AGI愿景
10-20年内可能实现
🔬 AI for Science
虚拟细胞是终极目标