Google DeepMind创始人斯坦福最新对话: 在AGI奇点的山脚下

本文来自微信公众号： Web3天空之城 ，作者：Web3天空之城，原文标题：《Google DeepMind创始人斯坦福最新对话: 在AGI奇点的山脚下 | Demis Hassabis专访》

本次对话由斯坦福大学校长John Levin主持，邀请了Google DeepMind联合创始人兼首席执行官、2024年诺贝尔化学奖得主Demis Hassabis。对话涵盖了Hassabis跨越国际象棋、游戏和神经科学的传奇职业生涯，深入探讨了DeepMind从AlphaGo到AlphaFold的突破历程。Hassabis提出了AGI可能在2030年左右实现的预见，并就AI的社会责任、地缘政治竞赛、动态监管以及AI对人类文明、经济体系和科学发现的深远影响分享了深刻见解。

核心观点

• AI作为终极科学工具

  
  

  ：AI的核心使命是解决智能问题，进而利用智能作为工具去加速解决科学、医学及人类面临的各种重大课题。

  
  

• 2030年奇点预判

  
  

  ：AGI可能在2030年左右实现，人类正处于一个全新纪元的起点，技术进步的速度和规模将远超工业革命。

  
  

• 非零和世界的可能性

  
  

  ：AI可能引领人类进入后稀缺时代，这需要一套全新的、非零和博弈的经济体系，以及对人类意义and目的的重新思考。

  
  

• 动态监管的必要性

  
  

  ：面对激烈的实验室竞争和地缘政治博弈，传统的迟缓监管已不适用，亟需建立一种能随技术进展快速调整的“智能动态监管”。

  
  

• 智能与意识的分离

  
  

  ：Hassabis认为智能与意识是可以分离的，当前的系统并不具备意识，人类应对是否赋予AI意识保持极高的审慎。

  
  

01

职业生涯的北极星：从国际象棋到“解决智能”

哈萨比斯的职业轨迹如同部精心规划的剧本。从早期的国际象棋神童到90年代的游戏开发者，再到神经科学博士，每一段经历都在为他的终极使命服务。哈萨比斯直言，他从小就将AI视为职业生涯中最重要的事业。——“我一直试图复用每一段经历，来服务于我30多年前确立的‘北极星使命’。我当时的商业计划书极其简单：第一步，解决智能；第二步，利用它解决其他一切问题”。

在DeepMind创立初期，这种宏大愿景曾让风险投资人感到困惑。但哈萨比斯深信，AI是一种终极的通用技术。他将人工智能定义为一门“工程科学”，旨在将创造性工作、科学探索与硬核工程融合。早期的Atari游戏测试曾让实验室陷入数月的沉寂，直到系统在《Pong》中拿到第一分。——“一旦你能在机器学习中站稳脚跟，通常就能通过迭代走出困境。这是AI的发展史：一旦有了可行方案，就有办法进一步优化”。

02

AlphaFold：重塑生命科学的底座

如果说AlphaGo证明了AI在直觉与策略上的优越性，那么AlphaFold则标志着AI正式成为改变现实世界的科学利器。通过攻克困扰科学界50年的蛋白质结构预测难题，AlphaFold不仅为哈萨比斯赢得了诺贝尔奖，更重塑了生物医学的研究范式。

尽管具备极高的商业价值，哈萨比斯却选择将AlphaFold的数据向全球科研界免费开放。——“我们依赖公共数据进行训练，回馈科学界是理所应当的。全世界有三百万名研究人员正在使用它，这种深远影响单靠一家公司是无法实现的”。如今，哈萨比斯通过Alphabet旗下的Isomorphic Labs，试图将药物研发周期从数年缩短至数月。他认为，AI在科学领域的应用是“毋庸置疑的福祉”，这正是业界反击公众负面情绪、证明技术价值的核心阵地。

03

预见2030：百倍速的工业革命

哈萨比斯在访谈中重申了他对“奇点”的预判。他认为，随着AI代理（Agents）和工具使用能力的进步，AGI的实现窗口已锁定在2030年左右。——“当我们十年后回首此时，会意识到我们现在正站在奇点的山脚下。这标志着一个全新人类纪元的开启”。

为了量化这种变革，哈萨比斯给出了一个震撼的参照系：——“我认为AI的影响力将是工业革命的10倍，速度快10倍。综合来看，这大约是工业革命速度的100倍”。这种指数级的演变意味着，社会没有太多的时间来缓慢适应。虽然他对技术解决气候、能源和疾病充满信心，但也坦言这种变革在技术、经济和哲学层面都将带来巨大的颠覆。

04

后稀缺时代：寻找当代的“凯恩斯”

面对AI可能引发的社会失调，哈萨比斯指出当前的讨论存在严重滞后。他特别呼吁社会科学家与经济学家的介入。——“如果我们要进入一个后稀缺时代，为什么还要沿用旧有的理论？现有的经济体系都是基于‘资源有限’和‘零和博弈’构建的。而AI可能让我们首次进入非零和的世界”。

当下的经济学家往往还在纠结AI对GDP的具体贡献，而忽视了其对人类生存状态的根本性重塑。哈萨比斯借用凯恩斯（Keynes）在大萧条时期的展望，呼吁当代的智者去勾勒一套适应“资源极大充裕”时代的全新经济体系。——“这不再仅仅是技术专家的任务，我们需要哲学家来定义什么是美德，什么是目的。这需要跨学科的共同努力”。

05

动态监管：打破地缘政治的“囚徒困境”

在当前的全球局势下，AI实验室正处于激烈的双重竞赛中：一是公司层面的生死时速，二是地缘政治层面的博弈。哈萨比斯承认，这种竞争环境绝非理想。——“我们陷入了一种类似于囚徒困境的局面。如果你花费更多时间去做安全测试，由于‘背叛者获益’的机制，你可能会在竞争中失去优势”。

为了平衡创新与安全，哈萨比斯提出了“动态监管”的概念。他认为传统的迟缓监管已无法跟上每周都在迭代的技术前沿。——“我们需要一种真正意义上的‘智能监管’，它必须具有高度的反应敏捷性，能够根据最新进展快速调整风险清单，而不是关注多年前预设的陈旧指标”。

06

智能、意识与“AI原生代”的未来

在访谈的最后，哈萨比斯深入探讨了关于“意识”的哲学边界。他坚持认为，智能与意识是可以分离的。——“当前的系统并不具备意识。我认为没必要为了构建智能系统而赋予其意识。这应当是一个慎重的选择，我们应先将AI构建为强大的智能工具”。

对于正在斯坦福等高校学习的“AI原生代”学生，哈萨比斯给出了极具启发性的建议。他认为博雅教育将迎来黄金时代，因为在充满变数的未来，适应能力和广博的知识储备将是个人最强的防御。——“未来十年，一切都将发生改变。但我建议大家不要听信任何说‘未来已定’的人。未来仍有待书写，你们将掌握这些史上最强大的超能力，去决定那个世界如何构建”。

完整访谈

跨学科协作与AI的未来

莎拉·苏尔

非常荣幸能见到各位参加与Demis Hassabis的对话。今天由John Levin校长主持这场炉边谈话，我们倍感荣幸。Stanford University的独特之处在于，许多最重要的思想并非源自单一学院或学科，而是诞生于不同领域的交叉点，各个学院与部门的交叉地带。这种跨学科协作的精神在当下尤为重要，因为AI的进步正开始重塑社会的几乎每一个领域。

而医学领域受到的影响最为深远。我个人对此感触颇深，得益于GSB与Stanford School of Medicine之间的紧密合作，他们正致力于通过汇集社会科学家、科学家、临床医生、工程师和创新者，重新构想癌症的创新与护理，旨在从预防到康复的全过程中改善患者的就医体验。这一愿景宏大且富有远见，需要一所伟大大学发挥其全面协作的能力才能实现。Stanford University的力量不仅在于各领域的卓越表现，更在于我们将不同领域连接起来的能力。我们让AI研究人员与医生携手，让组织领导者与科学家合作，让企业家与致力于人类福祉的人们并肩同行。

这也是为何今天的对话显得如此重要。Demis Hassabis是一位人工智能研究员、企业家及诺贝尔奖得主，他的工作恰好处于这些学科的交叉点。他是Google DeepMind的联合创始人兼首席执行官，该公司是全球领先的人工智能研究公司之一。该公司于2010年以DeepMind之名创立，并于2014年被Google收购。如今，该公司已成为Google人工智能工作的核心，并取得了一些该领域最具决定性的突破。

这些突破包括AlphaGo，这是首个在围棋比赛中击败世界冠军的程序。还有AlphaFold，它通过精确预测蛋白质的三维结构，解决了困扰科学界50年的蛋白质结构预测这一重大挑战。这是一项对理解疾病和药物研发具有深远影响的突破。凭借这项工作，Demis与John Jumper和David Baker共同获得了2024年诺贝尔化学奖。他也是英国皇家学会和英国皇家工程院的院士。2024年，他因在人工智能领域的贡献而被授予爵士爵位。他曾多次入选《Time》杂志全球最具影响力人物100强榜单，包括2017年和2025年。

但真正让这一时刻在Stanford显得尤为引人注目的是，这里关于AI的讨论从来不仅仅局限于能力层面，它同时关乎人类的蓬勃发展。几年前，Fei-Fei Lee和Jennifer Ocker教授开始在Stanford开设一门关于AI如何助力人类蓬勃发展的课程，该课程围绕着一系列深刻的问题展开。作为人类意味着什么？蓬勃发展又是怎样的景象？以及，技术在何时有助于实现这些目标，又在何时削弱了它们？

这项工作带给我一个非常深刻的见解，那就是某些形式的阻力实际上是起到承重作用的。斟酌词句的挣扎、艰难对话带来的不适感，以及学习新事物的挑战，这些并非需要消除的效率低下。相反，它们恰恰是促成个人成长、主体性、韧性与意义产生的核心体验。这也正是为什么我们今天的讨论至关重要。在Stanford，AI领域的进步并非抽象概念。它们正在重塑我们对科学发现、临床诊断、领导力、学习方式以及人类潜能本身的认知。AI的进步也迫使我们去探讨有关判断、伦理、制度，以及我们终究希望科技助力我们构建何种生活等更宏大的议题。感谢各位的光临，请和我一起欢迎President John Levin和Demis Hassabis上台。

职业生涯的主线：从国际象棋到AGI

乔纳森·莱文

Demis，很高兴你能来到Stanford。能来到这里真是太棒了。

德米斯·哈萨比斯

谢谢大家的到来。

乔纳森·莱文

非常感谢你们参与此次活动。那么，我准备向你提出一些问题。

我们也会安排一些来自学生的问题，期待听到你的见解。

或许我们可以从这里开始。你最近经常被报道，还有相关的纪录片和书籍。很多人都听说过您的职业轨迹，这非常了不起。国际象棋神童、电子游戏开发者、科学家、科技创业者兼领袖、诺贝尔奖得主，这仅仅是您职业生涯的前半段。那么，如果您要试着为您所做过的所有这些不同领域的事情画一条贯穿其中的主线，那会是什么呢？

德米斯·哈萨比斯

我觉得在这些看似有些互不关联的学科中，实际上存在几条贯穿其中的主线。首先，我一直非常热衷于在创造力与技术的交叉领域工作，并且其范畴被界定得非常宽泛。因此，电子游戏行业——也就是我90年代职业生涯初期的那一阶段——实际上是所有行业中最具创造力的空间之一，它利用尖端技术结合艺术与设计，创造出了一种全新的娱乐媒介，那真是一段令人惊叹的时光。事实上，我职业生涯中最快乐的时光有一些就出现在90年代早期。国际象棋和神经科学，我所做的一切尝试都源于一个理念，即投身于AI研究，并认为AI是一个人职业生涯中最重要、最值得投入心血去从事的事业，这种想法我从很小的时候就有了。

所以，青少年时期我可能读了太多的科幻小说，读过《Gödel Escher Bach》这类书，以及我的一些科学偶像——比如Turing、Feynman等人的传记。因此，所有这些经历都在激励我尝试以一种非常深刻的方式去理解我们周围的世界。而构建AI正是我实现这一使命的表达方式，旨在尝试打造终极的科学工具。我一直试图——因为人生短暂——复用并重新利用我所拥有的每一段经历，来服务于我30多年来一直追求的那个宏大的北极星使命。

所以，我的国际象棋训练塑造了我思考商业、组织事务和规划的方式，也是我能够将宏大的计划拆解为更小、更易于管理的步骤的方法。我想说，这一切都源于某种国际象棋式的思维方式。接着是利用游戏，首先是构建游戏，学习如何进行大规模的工程项目，经营公司and初创企业，然后将这种创造力与工程学融合在一起。实际上，这正是我们今天在AI领域所做的事情。它是一门工程科学。因此，你正在将创造性工作、科学工作与极其硬核的前沿工程技术融合起来。所有这些因素共同发挥了作用。

最后谈到游戏，正如大家所知，我们在DeepMind的早期阶段就将游戏用作了完美的试验场。用于测试算法构想，最著名的例子莫过于AlphaGo。我认为我们刚刚度过了它的10周年纪念日，回过头来看，那或许正是现代人工智能时代的开端。

DeepMind的北极星使命：解决智能

乔纳森·莱文

当你2010年左右以职业身份进入人工智能领域并创立DeepMind时，你有着非常宏伟的愿景。你当时打算先解决智能问题，然后再去解决其他所有问题。进展如何？我们可以展开讲讲。有哪些进展是符合计划的，又有哪些是偏离了计划的？

德米斯·哈萨比斯

从宏观层面来看，进展得好到令人难以置信，甚至超乎想象。

要知道，当我们在2010年创办DeepMind时，你可以想象一下，我们当时试图去寻找英国的风险投资机构，而那时的投资机构并不多。而当时的商业计划书内容就是：第一步，解决智能问题；第二步，利用它来解决其他一切问题。人们对此感到相当困惑。但我们确实是认真的。

其实，我们可能会回归使用最初的那句使命陈述，因为我们所说的“解决智能”是指构建AGI。理想情况下，在通往构建AGI的过程中，还要理解智能的本质，或许可以利用AGI来帮助我们更好地理解我们自己的大脑。以及心灵，比如意识的本质、什么是创造力、梦境，所有这些关于心灵的深奥奥秘。我学习神经科学的原因之一，就是试图从我们对大脑的理解中汲取灵感，从而获得算法构思。

所以，第一步是尝试构建AGI，而我们心中始终有一个预想，即最终发生的情况——当然，它是一种通用技术，也许是终极的通用技术。如果构建方式正确，即它是一个极其通用的学习系统，那么它所能应用的领域极限在哪里？梦想就是，它几乎可以应用于任何领域。我认为这一点已经得到了证实。

对于第二步，我特别想到的是推进科学和医学的发展。这就是我所说的“利用它来解决其他所有问题”的含义。我指的是科学领域中的那些重大课题，所有这些课题。我当时很想去探究，我被所有这些问题深深吸引了，比如时间的本质、现实的本质。或许这才是最根本的一个问题。我在学校时就热爱物理。那是我最喜欢的学科。我认为当你对这些重大课题产生兴趣时，你最终可能会去钻研物理，大概是这样。

但我做决定的原因是有太多引人入胜的重大课题了。那么，一个人该如何在有限的一生中去尝试解决所有这些问题呢？在我看来，这意味着要构建新的工具。并借助最优秀的科学家和专家，在他们所钻研的领域以及那些重大且重要的问题上，取得更快的进展。当然，AI本身也是一个迷人的产物，一种科学意义上的研究对象，完全值得我们深入探究。这几乎是一个全新的领域。

因此，对我而言，这似乎是毕生投入其中最令人着迷、也最为重要的事情。即使它没有成功，我依然会去做这件事；我总会找到某种方式来完成它，无论是在学术界还是其他地方。这正是我一直计划投入毕生精力去从事的事业。我早期所做的一切，其实都是在以不同的方式积累经验，我认为这些积累让我获得了足够的知识储备，得以在2010年尝试创立DeepMind。当时我们觉得，自己已经准备好去快速推进这一进程了。当然，那一愿景的第二部分——利用它去解决其他所有问题——现在涵盖的范围已经远不止科学和医学领域，尽管这正是我个人尝试开展工作的方向，同时我也在负责整个组织的运营。但显而易见，除了科学和医学，它在提升生产力以及改善世界各地的诸多其他方面都将发挥惊人的作用。

从游戏像素到围棋之巅

乔纳森·莱文

当你在DeepMind构建这些不同的模型时，你们是从游戏起步，随后进入了科学领域。有没有那么几个特定的时刻——我是说，虽然你一开始就怀揣着坚定的信念，但我好奇，是否曾有过某些瞬间让你意识到，这项事业真的能成？比如AlphaGo在对弈中下出的那一步……

德米斯·哈萨比斯

没错，有很多时刻我确实觉得它行不通，话就说到这儿吧。所以我记得很清楚的其中一点是，我们从游戏开始，因为它们是自洽的系统。显然，它们本身就是由其他人设计出来的，旨在让其他人觉得具有挑战性或充满乐趣。它们通常——我热爱游戏——往往是许多现实世界场景的缩影。如果你想到围棋、扑克或国际象棋，我经常觉得，如果我开设一门MBA课程或商学院课程，其中一个模块就是游戏，用来研究诸如Diplomacy之类的游戏。它们都具备现实生活中最优秀游戏所拥有的非常有趣的侧面。而且你显然可以在一个相对安全的场景中进行多次练习。这就是我认为游戏真正有用的地方。

这也适用于正在学习的AI系统。它们是精巧的环境，既具挑战性，又有着明确的目标函数，这对我们早期的强化学习研究也非常重要。几乎没有人将强化学习应用于任何规模化的实际问题。它当时的使用范围仅限于学术研究，主要用于像小型网格世界这类玩具级问题。当时并不确定它能否扩展到任何重大领域。

因此，我们从最著名但也是最基础的、享誉全球的游戏入手，也就是70年代的Atari游戏。我们从最简单的游戏Pong开始，就是那个只有球拍and球的游戏，两个球拍和一个球。游戏内置了一个AI系统——其实不算真正的AI，只是一个内置系统来控制对手，它利用游戏所掌握的所有信息（如球的位置等）来移动球拍。我们想做的是，能否仅通过屏幕上的像素来玩Pong，即直接使用原始数据和视觉输入，而不获取任何其他信息，不接触程序内部关于球的位置或速度等特权信息。程序本身显然掌握这些，但我们没有向被称为DQN的Atari系统提供任何此类信息。它只接收屏幕上的20000个像素。

20000个像素在今天看来似乎微不足道。但在2010年，这已经是巨大的输入数据量了。此前从未有人处理过如此复杂的数据，更不用说还要乘以你所运行的所有帧数。那段时间感觉大概有六个月之久。也许实际上只有两个月。但我们在Pong上连一分都拿不到。所以乱挥球拍反而更好一些。当时的情况就像是，它到底能不能哪怕稍微控制一下球拍啊。当然，它对此毫无概念。它只是在内置AI对战中以0比21惨败。

我确实思考过，我们尝试过几种不同的攻击方式，但我们几乎没有资金，维持运营的现金流，也就是我们仅有的几百万美元融资，这在今天连支付一名实习生的工资都不够，这对你们学生来说是好事，但这却是我们的全部资金。而且，我们拿着微薄到几乎为零的薪水，资金也在不断耗尽。我当时想，噢，也许事实证明，我们还是领先时代太早了，也许领先了10年，甚至20年。然后奇迹般地，它拿到了一分，当时的感觉是，噢，也许这只是运气。紧接着它开始赢得很多分，然后开始赢得整场比赛。随后，那种感觉就像是：我们现在起飞了。

所以现在，你们这些在机器学习领域工作的人应该会明白这一点。如果你能站稳脚跟，通常就能通过爬山算法走出困境。我想说，这就是AI的发展史，一旦有了可行的方案，通常就有办法进一步对其进行优化。这正是Atari游戏项目的结果。那是我们的第一个重大成果，也是我们的第一篇Nature论文，确实是第一个真正规模化的深度强化学习模型。它结合了深度学习来学习领域知识、处理感知输入和应对输入的复杂性，从中发现模式；并在其之上构建强化学习，以此来做出决策并执行规划。

当然，这最终促成了AlphaGo的诞生，这始终是我们——也就是我和该项目的负责人Dave Silver——的目标。我们在Cambridge读本科时就朋友，从那时起我们就一直在讨论这个问题，那是在90年代中期。Deep Blue与Kasparov的对决就发生在我们上大学期间。当然，无论是从国际象棋的角度还是人工智能的角度来看，我都被它深深吸引了。

但我对Kasparov大脑的印象比对Deep Blue更深刻，因为Kasparov拥有令人难以置信的头脑，他至今仍是有史以来最伟大的国际象棋天才之一，他能够与身旁这台依靠暴力计算的超级计算机平起平坐地展开竞争。但当然，他还能用大脑完成所有其他事情，比如讲五种语言、从事政治活动、驾驶汽车以及人类所能做的其他一切事情。对我而言，这非常了不起。那才是更令人印象深刻的。

所以，Deep Blue系统中确实缺少了一些东西。显然，那些通过人工整理启发式规则并叠加暴力搜索的专家系统技术，在今天许多传统国际象棋程序中仍在使用。这在国际象棋中行得通，但在围棋中却从未奏效，因为围棋是一项极其深奥的游戏。它没有子力的区别，每一颗棋子的价值都是相同的，一切都关乎格局和直觉，即便是顶尖的围棋选手也是如此。

因此，我们意识到——或者说我们当时认为——如果有人能真正达到围棋世界冠军的水平，这不仅仅是达到那个水平的问题，更重要的是，所采用的方法可能是一种非常有趣的算法路径，并且希望这种方法能够推广到其他领域。这正是AlphaGo最终实现的结果。它超越了我们最疯狂的想象，因为它不仅在2016年赢得了与Lee Sedol的对局，还创造了许多此前从未出现过的著名新策略，尽管人类已经下了几千年的围棋。围棋是人类发明最古老的游戏，已有2000多年的历史，并且已经职业化地进行了数百年。而我们此前从未发现过那些策略。

所以，这对我就像是一种双重震撼。我一直在等待那个时刻，即AI能够提出一些新颖的东西。当然，除此之外还有更多层面的创造力，但至少这已经是一个新颖的构思了。那对我而言，正是等待已久的契机，让我开始将AI应用于科学研究。所以从Seoul回来后，我们便立即启动了AlphaFold项目。

AlphaFold：攻克50年科学难题

乔纳森·莱文

那么，让我们来聊聊科学本身，因为你当时切入了蛋白质折叠问题，而且你再次选择了一个既有数据，又在蛋白质折叠考量上有着明确目标函数的问题，最后它成功了。你们确实成功解决了这个长期存在的蛋白质结构预测难题。你在推出AlphaFold时做了一件非常有意思的事，这显然是一项足以获得诺贝尔奖的重大科学突破，同时也具备极高的商业价值。但你却选择将其免费公之于众。我很好奇，你是如何做出这个决定的？这背后有什么考量吗？你是否有考虑过其他处理方式？为什么要把它免费开放？

德米斯·哈萨比斯

所以我们选择了蛋白质折叠问题。我从在Cambridge读本科时就一直关注这个问题。那时我第一次接触到它，我有几位生物学家朋友对蛋白质折叠问题非常着迷。实际上，他们后来在职业生涯中也都成为了结构生物学家。我特别记得其中一位，每次我们在酒吧玩桌上足球或其他什么东西时，他总会喋喋不休地谈论这是生物学中最重要的问题。更重要的是，我认为这是一个根本性的问题。如果你能攻克它并找到蛋白质的结构，那将开启全新的研究途径。比如药物研发，显然我们正在努力推进这一点，还有基础生物学和对疾病的理解。因此，由于它会产生深远的后续影响，这是一个非常值得投入大量精力和时间去研究的问题。

在我看来，这是一个引人入胜的问题，就像终极谜题，这是一个三维谜题，关于这种氨基酸序列是如何折叠的？你可以把它看作是基因序列折叠成了这种三维结构。这真是一件极其有趣且复杂的事物。我对蛋白质研究得越深入，就越对生物学感到敬畏和惊叹。就像这些令人难以置信的小型生物纳米机器一样，显而易见，一切生命活动都依赖于蛋白质。当你开始研究它们的结构时，你便开始理解它们的功能。因此，作为一个科学课题，这对我而言非常迷人。

随后，这里有一个明确的目标。这在某种程度上就像是最小化系统中的自由能。推测起来，物理学正是这样运作的。这就是为什么人体内这些蛋白质能在毫秒内完成折叠，每秒钟发生数十亿次。所以，物理学以某种方式解决了这个问题。所以不可能是无迹可寻的，一定存在某种拓扑结构，比方说，你可以通过深度学习系统来学习这种结构，进而引导搜索过程。就像我们利用AlphaGo在围棋中寻找绝妙着法一样，在围棋中，可能的棋步数量超过了宇宙中原子的总数，而蛋白质折叠的搜索空间比这还要大。但总有一些方法能够以合理的方式缩小搜索范围。你利用深度学习模型学习一种启发式策略，然后引导搜索，使问题变得可计算。这在科学上感觉确实与我们在围棋中解决的问题非常相似，可以说是将其中一些相同的方法和理论应用到了这个领域。

另一方面，显而易见，过去50年来许多优秀的实验室和科研人员在晶体学和结构生物学领域付出了极其艰苦的努力，即便如此，PDB这个主要数据库中也仅收录了约150,000个结构，实际上这并不多。显然，为了获取这些数据已经投入了巨大的人力物力，但目前已知有2亿种蛋白质，而对于机器学习系统来说，150,000的数据量是非常小的。因此，大多数人都认为至少还需要10到20年，我们才拥有足够的数据and合适的算法来解决这个问题。但我们认为，只要运用我们所掌握的所有技术，最终是可以取得进展的。事实证明确实如此。

随后，当我们决定如何利用这一点产生最大影响力时，对我而言显而易见的是，我们应该折叠所有的蛋白质。之所以这样做，是因为它不仅达到了AlphaFold的准确度，而且速度极快。它可以在几秒钟内完成蛋白质折叠。最终，我们与位于剑桥的European Bioinformatics Institute展开合作，该机构托管了许多科学家使用的顶级生物学数据库，并将全部2亿个蛋白质结构托管在他们的数据库中，使其能够像Google搜索一样简单地找到蛋白质结构，同时提供机器学习系统给出的置信区间，标注出其对蛋白质结构中哪些部分具有把握，这对我们的生物学家来说至关重要。

我们将这些整合在一起，这当然是非常有价值的。我不知道具体价值是多少十亿美元，或者其他什么数字。这取决于你如何计算。如果通过实验手段来完成，其成本将是不可估量的。但如果将其作为专利技术保留，其价值将非常巨大。然而对我们来说，我们感到如果仅凭一己之力，将这些结构公之于世所能带来的深远影响，我们只能触及冰山一角。因为全世界有三百万名研究人员几乎每天都在使用AlphaFold，这涵盖了全球几乎所有的生物学家和医学研究人员。单靠一家机构是不可能做到这一点的。

所以这显然是正确的做法。我们也依赖公共数据来训练AlphaFold的第一个版本，因此回馈这个群体——即结构生物学界——是理所应当的，我们将这一令人惊叹的资源提供给他们，这放大了他们此前辛勤积累的成果。对我来说这甚至不成问题，而且很高兴Google的高管们也热爱科学，完全理解这一点。我不认为所有的公司都会做出那样的决定。所以我也要为他们在这方面的表现点赞。那是一场轻松的讨论。

此后，我们尝试通过Alphabet旗下的分拆公司Isomorphic Labs将这一成果推向应用下游，该公司正在构建多种类似于AlphaFold级别的突破性技术，并以某种方式将它们整合在一起。这有望加速药物研发进程，将其从数年缩短至数月，甚至未来可能缩短至数周，就像我们处理蛋白质结构那样——过去测定一个结构需要数年时间，而现在我们可以在几秒钟内完成。

预见2030：站在奇点的山脚下

乔纳森·莱文

这是AI未来真正令人兴奋的领域之一。我想花点时间谈谈你本周早些时候说过的话。你本周上了新闻，因为在一次大型Google活动上，你说我们正处于奇点（singularity）的山脚下。

德米斯·哈萨比斯

那句话引起了相当多的关注。

乔纳森·莱文

确实引起了广泛关注。我理解Google新闻团队可能对此并不太高兴。但既然你公开这么说了，你指的是什么？

德米斯·哈萨比斯

我在会议结尾所表达的完整意思是，当我们回首这段时期时，我认为，也许是考虑从现在起10年后，我们会意识到我们现在正站在奇点的山脚下。之所以选择这个词，是因为技术层面存在AGI。我们一直将下一代真正通用的人工智能称为AGI。我相信我们距离那一刻只有几年时间了，可能大约是2030年左右，这确实令人震惊。我认为那将是一个巨大的变革性技术时代，它实际上将开启一个新的人类纪元。这就是我所指的奇点，也是许多科幻小说作家所描述的概念，它描述的是我们在AGI到来之时及其前后所处的时代。

因此，我认为今年我们能感受到这一点。尽管我已为此努力了30年，但我认为今年随着Agent的运作方式和工具使用的进步，它开始变得真正实用，虽然仍处于早期阶段，但已切实融入了人们的工作流程中，我们能够看清还需要完成哪些额外工作，而我们所有的领先实验室也都在致力于此。我认为这只是一个开端，目前还处于起步阶段。

我认为仍有大量工作要做，这不仅仅是单一事物，而是多种不同技术和应用场景的结合。我曾以为某些技术还需要更久才能实现，但现在它们正汇聚在一起，让我感到整体趋势确实如此。我想强调这一点，因为我认为社会需要听到这些，我们没有太多时间来为即将发生的影响做准备，我认为这将产生极其深远的影响。在我看来，未来尚未定型，但接下来的几年对于局势的走向，以及我们共同希望未来呈现何种样貌，将起到至关重要的作用。

挑战与民主化：100倍速的工业革命

乔纳森·莱文

如果你观察关于人们如何看待AI的调查，尤其是在这个国家，目前的舆论非常负面。或许这里比其他国家的负面情绪还要更严重。这背后可能有很多驱动因素，比如对隐私、国家控制、科技公司规模或就业问题的担忧。作为一家领先实验室的负责人，你如何看待公众对这项技术的担忧？

德米斯·哈萨比斯

我认为公众有理由感到担忧。我认为有些事情确实值得忧虑，我也对这项技术作为一种双用途技术所涉及的多个方面感到担忧。这是一种如此深远的技术。我有时会这样描述和量化它：其影响将是工业革命的10倍，且速度快10倍。所以，这发生在十年内，而不是一个世纪。所以这大约是工业革命速度的100倍。

老实说，这可能还是个保守估计，但这对我们来说可能已经足够去尝试理解和应对了。当然，我认为会有令人超级兴奋的事情发生，会有奇妙的事情出现，比如我们正试图通过AI解决所有疾病，我相信当今社会面临的其他许多挑战，从气候到能源再到疾病，都将得到AI的帮助，我对此深信不疑。事实上，如果我不认为未来会有AI这样的技术出现，我会对这些挑战感到更加担忧。

但这将导致巨大的变革和颠覆，实际上涵盖技术、经济和哲学层面。我认为我们必须经过深思熟虑，并召集社会各界共同讨论这个问题，而不仅仅是技术专家。技术本身以及技术的安全性只是其中的一环。我们需要经济学家、社会科学家、人文和人类学专家来共同规划未来将会发生什么。

我认为这里出现负面情绪的原因之一，是因为它在其他国家的情况有所不同。例如，当我们从印度的峰会回来时，我发现它在印度年轻人中非常受欢迎，因为他们看到了它将为他们带来的民主化机遇。他们能够获得与去Silicon Valley所需的一样基础的工具。对于世界而言，这是一个了不起的时刻，每个人几乎都可以接触到前沿实验室正在发生的事情，而且只有几个月的延迟。如果你仔细想想，这确实是前所未有的。

因此，这其中蕴含着不可思议的事情。但我认为，部分原因在于我的一些同行表达观点的方式，我认为他们在沟通时非常谨慎，并且意识到自己表现得过于笃定。我想说，在某些声明上，他们显得太过确信，而实际上我认为其中存在巨大的不确定性，这本身就令人担忧，但也意味着一切尚未成定局，这是我的观点。我认为这在某种程度上是未知的，任何声称了解一切的人都可能言过其实。我认为在方向上我可以告诉你一些事情，但很大程度上确实取决于未来几年所采取的行动。

此外，今天的年轻人，也就是今天在座的许多学生，你们将塑造未来。你们是第一代在AI native环境中成长起来的人，就像我当年成长在computer native环境中一样。正如每一代人一样，你们将掌握这些技术，并利用它们变得超级高效。实际上我认为，至少在接下来的10年里会是这样，在此之后就很难预测了。如果你能以正确的方式使用它们，你几乎会拥有超能力。个人能够完成的创意和项目数量将会大大增加。

但这也许会改变工作的本质。未来将会有更多小型的创业项目，而非大型公司。我也不确定。这将会带来巨大的改变。我认为，社会各界——而不仅仅是技术专家、经济学家及其他相关人士——需要团结起来，真正重视这种指数级的增长。我们昨晚也在讨论这个问题，现在就需要认真对待，并开始规划未来的蓝图。例如，如果我们处于一个后稀缺时代，每个人该如何从中获益？

要知道，很大程度上这关乎于，显然，只让少数人、少数几家公司甚至少数几个国家从这项技术中获益是不正确的。这需要具有广泛性，因为它将影响全人类，必须让所有人都能广泛地享受到其中的红利。但该如何实现这一点呢？我们确实需要，我们很多人讨论这个问题已经有一段时间了，但我们现在真正需要的是答案，以及需要采取的具体措施和行动。我计划为此贡献自己的一份力量。这些年来我一直在深入思考这个问题，并进行规划and积累影响力，我会尽我所能。

显然，我们是一个重要的参与者，但我们只是这个领域中的参与者之一。但我希望，我知道好消息是，所有的领先实验室及其负责人，尽管他们在许多事情上存在分歧，但他们确实在担忧未来可能出现的此类问题。但我们需要更多的论坛，让我们能够聚集在一起，更坦诚地讨论这些事情。我认为公众所察觉到的，可能恰恰是关于未来走向的讨论存在些许偏差，或许在某些信息传递背后还隐藏着不可告人的动机，比如融资或其他目的。

但我认为我们需要达成共识，要运用科学方法，在这个历史的关键时刻保持真正的严谨和深思熟虑。最后我想说的是，我非常希望能看到。我认为业界和该领域有责任更明确地展示其益处，不仅是谈论它们，而是要实实在在地证明它们。因此在健康、医学和科学领域，在我看来，这些事物都是毋庸置疑的福祉，比如AlphaFold。但这样的例子还不够多。应该有20个AlphaFold才对，不是吗？我们必须停止在假设层面上谈论治愈癌症，而要真正去治愈癌症。

因此我认为，我们需要向公众证明，为什么我们这些对人工智能感到兴奋的人——在座的许多人也是如此——会对此感到兴奋？为什么我们毕生致力于此？同时，我们要如何在实现所有我们期待的美好愿景的同时，具体地降低相关风险？我认为社会需要这些。

呼唤现代凯恩斯：后稀缺时代的经济学

乔纳森·莱文

我认为这里提到了许多很好的观点：如果AI的突破能带来一些切实的好处，比如在人类健康或药物研发方面，那可能会在某种程度上改变人们的看法。而且我很赞同那个建议，即尝试从更长远的角度去思考一个在生产力等方面可能截然不同的世界。事实上，这很难做到。在社会科学领域，人们很少能跳出当前的框架去进行真正的远景展望。我想到Keynes在大萧条时期那篇伟大的文章，他展望了我们子孙后代的经济生活。正如你昨晚所说，现在我们需要一位类似Keynes的人物，这实属罕见。或许，我们观众席中就有人能做到这一点。也许观众席中就有人会去实现它。

请允许我提问，多年来你一直谈论的一件事是，前沿实验室在某种意义上需要自我监管。那就是有时选择不发布某些类型的技术。那些可能构成安全威胁的技术等等。目前很清楚，各大实验室正处于激烈的竞争之中。他们投入了一切。他们正在全力以赴。你是否仍然认为实验室应该进行自我监管？你认为政府是否应该介入并以某种方式监管AI？相对于你过去所谈论的内容，你如何看待当前的态势？

德米斯·哈萨比斯

首先，为了提供一些历史背景。关于我们之前谈到的技术发展情况，我认为技术的发展令人惊叹，甚至可能比我20年前想象的还要好。但这种环境，它所孕育的条件，绝非理想，甚至相去甚远，我曾在15年前、10年前感到非常担忧，担心随着越来越多的人、越来越多的公司、越来越多的雄心勃勃的科技领袖意识到我20多年来一直深知的事实——即这项技术将会有多么重要——从而引发这种竞争态势。

我们也在现场讨论过这种竞争态势所带来的危险。遗憾的是，由于技术发展的路径所致，如果我们能挥动魔法棒，我本会选择在一个研究机构中构建AGI，即通用技术，类似于CERN那样，汇集最顶尖的大脑，相互审视彼此的构思，确保我们严谨地遵循科学方法进行测试，并理解我们所迈出的每一步。但那样我们就无需等待了。当然，这意味着AGI会晚一些到来，也许会晚10年，但我们不必等到那时才能获得它的社会效益，因为与此同时，我们可以从中拆分出部分功能，将其应用于专业化系统，例如更多的AlphaFold，用于攻克疾病。这是可以做到的，因为那些属于AlphaFold类系统，是一种专业化的混合系统。它运用了许多通用系统所采用的理念，并专门针对蛋白质折叠进行了优化。

所以，这实际上是我的愿景，你们也可以看到这就是我的初衷，因为这正是我们当时正在做的事情。但随后聊天机器人改变了这一点，因为实际上，这可能是我在过去15年左右的科学领域中唯一感到惊讶的事情，那就是Transformers在语言处理方面最终变得如此高效。而且，仅仅通过互联网就能将语言剥离出来并进行学习，而无需在现实世界（无论是机器人技术还是模拟环境）中进行交互，这一事实确实令人瞩目。这非常有趣，至于其中的原因，那将会是另一个完全不同的话题。我对此有一些理论。

语言的根基比语言学家们所认为的要深厚得多。通过人类测试者所进行的强化学习反馈，确实存在某种根基，因为很显然，我们是植根于现实世界的。因此，当我们对某些事物说“是”或“否”时，我们的这种根基便以一种非常低带宽的方式，最终影响并改变了foundation model的理解。所以我认为，确实发生了一些意想不到的事情。随后，这使它成为了一项具有极高商业价值的技术，可以通过工程投入and资金支持等方式进行扩展，这正是当今我们所看到的景象。

而这改变了整个动态格局。随后便造就了我们今天所见的局面，这可能是迄今为止最激烈、最具竞争性的环境。我敢说这是前所未有的，至少在科技行业和科技时代是如此，甚至可能是历史上最激烈的。或许商学院的史学家们会告诉我事实并非如此。但身处其中，这种感觉极其强烈，对所有参与者来说皆是如此。在此之上，还要叠加地缘政治的复杂性。所以，这其实是一场双重竞赛。一方面是公司之间的竞争，对它们而言这事关生死；另一方面是美中关系及其他地缘政治层面的博弈，那也是一场竞赛。所以这是双重层面的竞争，非常棘手。

目前，我仍然希望各方之间能达成某种合作与协调——我们作为实验室领导者当然也会探讨这一点——尤其是在安全性和防御性要素方面。这是所有人的共识。没有人希望发生灾难性的失控。问题在于我们陷入了一种类似于囚徒困境的局面：根据定义，如果你花费更多时间去发布产品或提高产品的安全性，这显然比直接发布产品并观察其表现要困难得多。结果就是背叛者会获得某种优势，这就是竞相逐底机制中的经典问题。

我们必须设法改变这种状况，我认为这非常迫切。我认为解决办法的一部分是某种形式的政府介入。当然，困难在于任何与监管相关的事物都过于迟缓；现在每周都会有新进展，如果我们两年前制定了监管规定，那现在看来就如同陈年旧事一样，几乎可以肯定那是完全错误的举措。因此，无论采取何种设计，它都需要具备动态性。但这通常与监管这个词格格不入，所以它必须像反应敏捷一样，能够根据最新进展获取信息，从而适应真正的风险所在，而不是去关注那些很多年前预设、最终被证明并非如此或并非关键所在的那类所谓风险。

这对AI来说根本行不通，即使在今天，我们也知道领先的科学家们未必能就一份简短的风险清单达成一致。我知道他们肯定无法就所需的制衡机制达成简短的共识，这是因为相关科学尚未定论，且进展速度确实超前于我们的理解，这正是当前的现实，也是竞赛动态的一部分，但我们需要设法重新平衡这一点。我们需要某种形式的、真正意义上的智能监管，它必须是动态的，能够随时代迅速调整，并可能由领先的实验室提供参考。

动态监管与科学前沿

乔纳森·莱文

好的，这个话题就此打住，我认为在如何建立监管体系的前景方面，还有很多值得探讨的地方。针对AI采取监管措施，同时又要确保不阻碍你所提到的那些对地缘政治有益的突破。]

乔纳森·莱文

我们想要所有的创新，我们想要攻克疾病。所以准确地说，你该如何促进良好的用例，同时缓解负面影响呢？

我非常期待你今年能拿出相关计划。我想留点时间给学生提问。

观众提问

你好，Demis。我是商学院二年级的学生Arind。我的问题是，您如何平衡推动AI前沿发展与确保健康及科学红利在非洲和全球南方等需求最迫切、但部署与研究基础设施最薄弱的地区实现均衡分配？

德米斯·哈萨比斯

我们实际上经常思考这个问题。我可以举的一个例子是关于AlphaFold的，当时我们将所有蛋白质结构折叠并放入数据库中，让世界各地的人都能访问。所以，这300万研究人员来自190个国家，说清楚一点，这几乎涵盖了每个国家、每位研究人员。

这意味着他们能够利用AlphaFold做些什么，而我们早期在培育合作方面所做的工作非常棒。我们与DNDDI（被忽视疾病药物研发联盟）进行了合作，它是瑞士WHO的一部分，专门研究世界上那些医疗体系不完善的贫困地区所面临的疾病。如您所知，其中一些疾病被忽视了，因为大型制药公司在这些市场上无法盈利。因此，那些主要影响世界这些地区或区域的疾病，就无法获得足够的研发资源支持。

因此，我们能够与该研究所及当地许多实际的大学开展合作，直接帮助他们跨越了自行解析疟疾病毒或Zika病毒等结构的过程，而这些工作本需要他们投入大量繁琐的结构生物学研究。他们可以直接将这些结构视为已知前提，立即投入到药物研发工作中。这极大地加速了整个研发进程。他们可以利用目标蛋白结构直接推进后续工作。

受气候变化影响的作物抗逆性研究也是如此。我们在这些领域与Jennifer Doudna的研究所及其他机构合作，因为此前许多植物蛋白的结构尚未被解析。显而易见，绝大多数结构生物学研究都集中在人类蛋白质上。因此，在动物或植物领域，现有的数据要少得多。所以他们能够实现突破，这使得该技术在这些领域具有更为显著的影响力。

最后我想说的是，如果我们能做到——我认为这也是资本引擎发挥正面作用的地方——如果我们能将我们在Isomorphic致力于研发的药物发现平台打造得像我所说的那样高效，即把研发周期从几年缩短到几个月。因此，与其耗资数十亿美元，现在的成本仅为数千万美元。甚至可能低至数百万美元。我希望Isomorphic能做到的是，我们不仅能治愈那些可能影响全球较富裕地区的棘手疾病。这可以盈利，并以此作为驱动力，但随后我们可以采取某种慈善方式，由公司去寻找那些不需要追求回报的疾病疗法，因为其研发速度够快、成本够低，可以在短时间内完成。所以我认为，这就是我对Isomorphic如何助力全世界的梦想。

哲学、美德与后稀缺时代

观众提问

你好，Demis。非常感谢你抽出时间与我们交谈。我叫Miki。我是Dore School of Sustainability的大四学生。你已经广泛地描述了AGI如何成为人类最具变革性的技术。我好奇，在AGI带来这种智力开拓和生产力提升的同时，你是如何思考其社会责任或社会影响的？尤其是考虑到这将会如何重新定义和重塑人们所面临的挑战，以及它可能带来的后续连锁反应。谢谢。

德米斯·哈萨比斯

好的，谢谢你的提问。我一直都在思考这个问题，从一开始就是如此，因为我们当时就在为成功做规划，所以即便在15、20年前，这看起来非常不可能。我认为这就是我喜欢做这类演讲并与身处这类领域的人士会面的原因，这在某种程度上是一种号召，因为我们确实迫切需要思考二阶后果。

在我看来，在座的许多人，以及许多从事人文学科研究的人，现在是属于你们的时代了。因为，我们必须确保技术开发正确。但如果我们做到了这一点，接下来就是经济学问题。如果我们能解决这些问题，那么接下来就是关于人类生存状态的哲学问题。我对此感到非常兴奋，我是一个坚定的信徒，我非常乐观。显然，我应该说，我是一个谨慎的乐观主义者。我非常乐观地认为，我们一定能把这件事做好。我非常相信人类的独创性，尤其是在压力之下。我认为当处于危急关头时，人类总是能找到解决办法，现在也不例外。

我们确实需要开始重视这一点。我认为技术领域已经在认真对待了，但社会的其他部分也需要跟上。经济学家方面，每当我与他们讨论当前发生的事情时，总会感到有些惊讶，他们对此相当怀疑，纠结于这些增长体现在GDP的哪个部分。这就好比，看吧，这可是工业革命威力的10倍，我们难道不能现在就开始为此做规划吗？

就像我们昨晚讨论的那样，我认为我们确实需要像Keynes那样的领域巨擘，但在一个后稀缺时代，为什么还要沿用旧有的理论呢？如果我们能正确运用技术，我们将首次进入一个非零和的世界，这在人类历史上还是头一次。这怎么能不需要一种全新的经济体系呢？它必然需要，而且我不认为是我们尝试过的任何一种，因为它们都是在零和博弈以及资源有限、稀缺的世界背景下构建的。

我说的是星际旅行，以及利用太阳系中的所有资源，而不仅仅局限于地球上有限的资源。如果我们在未来10年、20年或30年内能正确掌握这项技术，我认为这真的会实现。在那之后，还有一个更难的问题，那就是我们希望如何推动社会演进，以及什么是美德，什么是意义，什么是目的。我认为这需要大量杰出的哲学家参与。因此，这就是我向这些领域的人士发出的呼吁。在我看来，如果你正在从事这类项目，现在无疑是一个极其令人兴奋的时代。前提是你必须理解，并且从本质上深刻理解并积极投入到当前正在发生的变革之中。

智能与意识的边界

乔纳森·莱文

这对大学来说是一个很好的使命。好的，再问一个学生问题。

观众提问

你好，Demis，我是Janai。我是一名MBA二年级的学生。我想问您，在您有生之年，有哪些领域是您不希望AI涉足的，以及从您的视角来看，有哪些秘密是您想要保留的？

乔纳森·莱文

谢谢。没错，这是一个很好的问题。

德米斯·哈萨比斯

听着，从科学领域的角度来看，AI将是一项完全通用的技术，你可以把它看作一台Turing machine。我是这么认为的。

乔纳森·莱文

这是我在大学里最喜欢的课程。

德米斯·哈萨比斯

我认为人类的心智实际上也是完全通用的，所以我们某种程度上就是近似的Turing machine。正如Turing所证明的，任何可计算的事物，Turing machine都能计算。而我们宇宙中已知的大多数事物，即非量子事物，都是可计算的。因此，我们心智所能触及的通用事物范围极其广泛，这正是我们得以构建现代文明的原因；如果我们停下来思考，这简直是奇迹。我们对此思考得还不够多。我们没能保持足够久的惊叹感。

但这同时也意味着，我们正在构建的这些系统，在某种程度上也将变得极具影响力。我想说的是，未来会出现一些非常重大的问题，我认为如果我们在这些问题上多花些时间思考会更好。例如，目前一个非常热门的话题就是意识。尽管我认为我们对意识的重要侧面都有直觉，但在哲学和神经科学领域，这仍然是一个定义尚不明确的问题。我的感觉是，当前的系统并不表现出任何意识，也不是有意识的实体，但也有人持不同意见。

不过，关于AI不应触及的领域，我的建议是：我们应当将首批系统构建为智能工具。在我看来，这已经是一个足够大的挑战了，因为这本身就已达到通用人工智能（AGI）的水平。在此之后，利用这些工具去研究神经科学、哲学等领域，从而对意识这类事物提出更严谨的定义是可行的。然后，我们可以根据这些定义来测试系统，最后由社会来决定我们是否要跨越第二道红线，去尝试创造出至少在我们看来具有意识的实体——或许我们并不希望做出那样的决定。

我认为智能and意识是可以分离的。因此，我认为没必要为了构建智能系统而赋予其意识。我认为这是一种选择。当你使用一些领先的聊天机器人时，你可能会感觉到它们所展现出的不同观点。我的观点是，将其拆分为两个步骤会更好。这两者对人类而言都意义非凡，不应将它们混为一谈。

给AI原生代的建议：适应变革与博雅教育

乔纳森·莱文

Demis，我们现在的礼堂里坐着许多学生。如果你回到校园，你会作何思考，又会学习什么？你认为他们应该如何规划自己的学习和职业生涯，对此你有什么建议？

德米斯·哈萨比斯

嗯，你看，如果我现在回到大学，我会感到非常兴奋。我的建议是，那些正在攻读科学、STEM学科、数学and计算机科学的学生，请继续保持。我认为，如果你能理解这些工具的构建方式及其能力，你就能更好地利用它们。我认为在接下来的这段时期，至少在未来10年内，情况都会是这样。不过，我也建议积极拥抱这些变化，而不是试图规避它。魔鬼已经从瓶子里放出来了，再也回不去了。

比如，去充分利用这些工具的功能。我可以告诉你，领先的实验室正忙于开发这些工具，以至于我们甚至还没能触及它们能力的皮毛，甚至可以说，即便对今天的工具而言，我们也尚未完全发掘它们实际能做到的事。我有这种观点，有时人们称之为“能力溢出”。如果你能设法将这些工具与其它事物相结合，或者将其与你所擅长的另一个领域进行交叉，并以一种有趣的方式将其整合进你的工作流中，它们所蕴含的潜力是巨大的。你拥有这些工具，它们是目前任何人所能拥有的最强大的工具。你已将它们掌控于股掌之间。

作为个体，你能够做的事情远不止于此。我认为这应该能释放创造力，比如那些研究人文、产品或商业的人，也许你以前并不具备编程技能，但现在你可以利用这些工具将脑海中的许多想法转化为现实，但我也认为，对于程序员，即那些精通编程的人来说，他们能做到100倍以上的事情，比如在项目规模上，如果你是编程专家，你能做到的远超以往。所以我认为它既实现了大众化，也赋予了那些在这些领域拥有专业知识的人更多可能。

所以我认为这是一个了不起的时代，但我也理解它同样令人担忧，因为一切都将发生改变。这是我唯一能确定告诉你们的事情。未来10年里，一切都将发生改变，其程度可能比人们预想的还要大。但同时，在任何发生巨大变革的时代，也伴随着巨大的机遇。必然如此，世界实际上任由你们探索。我甚至有些羡慕你们中的一些人，因为你们是第一代AI native，就像我们这一代是计算机和互联网的原住民一样。

乔纳森·莱文

原生的，最终它将掌握在你们手中，在座的学生们将决定那个未来世界如何构建。我认为如果我们从正确的角度、以正确的方式去思考，并发挥丰富的想象力和创造力，这会是一个非常激动人心的时代。但我觉得这一点始终成立，或许在当下这种巨大变革的时期，这种特质被进一步放大了。

我们昨晚讨论过，在充满变数、未来走向不明朗的时期，你必须具备适应能力并拥有广博的知识领域，这将是博雅教育的黄金时代。所以最主要的就是确保我们坚定地发挥自身的主观能动性，未来仍有待书写，我建议大家不要听信任何说未来已定的人。Demis，感谢你参与我们的访谈。

太棒了。