# AI解决最难问题：DeepMind CEO的65分钟独白 ## 导语 2026年4月，Cleo Abram的"Huge Conversations"栏目发布了一期让整个科技圈震动的视频——她采访了Google DeepMind CEO、诺贝尔奖得主Demis Hassabis，整整65分钟。这不是一场财经访谈，不聊财报、不谈管理风格，而是用一场积木（Jenga）游戏为线索，逐个拆解DeepMind正在做的每一个改变世界的项目。从AlphaFold如何在一夜之间解决了生物学50年悬而未决的蛋白质折叠问题，到AlphaGo的"第37手"如何预示了AI的创造性潜力，再到他对AGI安全问题的坦率忧虑——Hassabis在这期节目中展现了罕见的真诚。这不是一个企业家的路演，而是一个从小痴迷于"现实的本质"的科学家，对人类最强大工具的深度反思。 ## 视频背景卡片 | 项目 | 内容 | |------|------| | 视频标题 | The Hardest Problem AI Ever Solved, with Google DeepMind CEO | | 频道 | Cleo Abram | | 时长 | 65分钟 | | 播放量 | 100万+ | | 核心主题 | AlphaFold、AI创造力、AGI安全与科学发现的未来 | ## 核心内容拆解 ### 一、AlphaFold：50年悬案的一夜终结 蛋白质是生命的基础——你的身体里一切运作都依赖于它们。蛋白质的功能取决于它的三维结构，而预测这个三维结构，被称为"蛋白质折叠问题"（Protein Folding Problem），是生物学界50年来最伟大的未解难题之一。 Hassabis在剑桥读本科时第一次从生物学朋友那里听说这个问题，当时他就意识到：这相当于生物学界的费马大定理。而且他直觉判断——总有一天，AI能解决这个问题。 **转折点在2021年那场会议。** 当时团队正在讨论如何为科学家搭建一个蛋白质结构预测的在线服务器。Hassabis突然在手机上飞快计算：已知科学界大约有2亿个蛋白质，AlphaFold折叠每一个只需要几秒钟，DeepMind拥有的算力完全可以在一年内把它们**全部折叠完**。 > "我突然意识到——为什么还要费劲搭建服务器和数据管道？我们直接把所有已知蛋白质全部折叠，然后免费开放给全世界科学家。" —— Hassabis 这段会议被摄像团队偶然拍下，成了科技史上最令人兴奋的画面之一。Hassabis的表情从困惑到计算到恍然大悟，那一刻他知道：一个50年的难题，即将被彻底终结。 **延伸分析：** AlphaFold的真正革命不在于技术本身，而在于Hassabis做出的一个关键决策——**免费开放**。他本可以将其商业化，但他选择了将2亿个蛋白质结构免费发布给全球科学家。截至目前，超过300万科学家正在使用AlphaFold，Hassabis在视频中透露，一家制药公司的科学家告诉他："**从此以后，几乎每一种新药的开发过程都可能用到AlphaFold。**" ### 二、Isomorphic Labs与药物发现的未来 知道蛋白质结构只是第一步。设计一种药物需要：找到蛋白质表面的关键位置，设计一个化合物精确结合到那个位置，同时确保这个化合物**不会**结合到人体内其他2万种蛋白质上（否则就是毒性）。 Hassabis描述了一个令人兴奋的"in silico"（计算机模拟）药物发现流程： 1. AI系统设计一个候选化合物 2. 几小时内预测它与靶蛋白的结合强度 3. **同时**检查它与人体内所有其他蛋白质的潜在反应 4. 反复迭代优化，减少副作用、增强靶向性 5. 只在最后阶段才进入湿实验室验证 > "平均而言，开发一种药物需要10年，失败率高达90%。我们需要通过计算机模拟方法彻底改变这个现状。" —— Hassabis DeepMind成立的Isomorphic Labs正在这条路上推进，目前已有18-19个药物研发项目，覆盖心血管疾病、癌症、免疫学等领域。 **我的延伸分析：** 传统药物发现的瓶颈不是缺少想法，而是验证成本太高。每个候选分子在湿实验室的测试都需要数周时间和大量资金。AlphaFold+AI药物设计把这个搜索过程从物理世界搬到了数字世界，搜索空间从数百个化合物扩展到数百万个。这不是渐进式改进，而是范式的根本转变。 ### 三、AlphaGenome：解读生命密码的另外98% Jennifer Doudna——CRISPR基因编辑技术的先驱、另一位诺贝尔奖得主——通过Cleo Abram向Hassabis提出了一个精准的问题：CRISPR现在几乎可以编辑任何DNA序列，但对于大多数遗传疾病，我们仍然不知道**到底是DNA中的哪些变化导致了问题**。尤其是基因组中那98%不编码蛋白质的"暗物质"区域。 Hassabis介绍了一个新工具：**AlphaGenome**。它可以读取长段基因序列，预测某一个碱基的突变是有害的还是良性的。他说，目前的AlphaGenome已经是世界上最准确的突变预测系统，但还不够精确。他设想了一个未来版本，能准确识别多基因疾病中复杂的突变组合，然后配合CRISPR精准修复。 > "AlphaGenome + CRISPR的组合，有望成为极其强大的工具。" —— Hassabis **延伸分析：** 基因组学的"暗物质"问题可能是21世纪生物学最大的未解之谜。人类基因组中只有约2%编码蛋白质，其余98%曾被称为"垃圾DNA"，但现在我们知道其中包含大量调控元件。AlphaGenome正在尝试解读这些调控密码——如果成功，将彻底改变遗传病的诊断和治疗范式。 ### 四、从实验室到商战：Hassabis的遗憾 这段对话中最真诚的时刻之一，是Hassabis承认他对当前AI发展路径的遗憾。 他原本的理想剧本是这样的：AI研究按照类似CERN大型强子对撞机的方式推进——全球顶尖科学家在一个国际合作框架下，用科学方法一步步谨慎地构建AGI，每一步都充分理解之后再走下一步。同时，在等待AGI的过程中，先开发AlphaFold这样的专用AI系统，让人类提前享受AI带来的医疗和科学突破。 > "如果按照我的理想方式，也许会多花10到20年，但考虑到AGI的重要性，这样做才是合理的。" —— Hassabis 但现实是：Transformer架构比所有人预期的都更强大，语言理解比预想中容易得多。ChatGPT的爆发出乎所有人意料——包括OpenAI自己。Hassabis坦言："我们当时有相当水平相当的系统，但当你自己构建技术时，你太清楚它的缺陷了，你没有意识到普通人已经能从中获得巨大价值。" **但Hassabis也看到了积极的一面：** - 普通人现在只需要落后实验室3-6个月就能体验最前沿的AI - 数百万人的使用压力测试远比内部测试更有效 - 社会在AGI到来之前有机会逐步适应 ### 五、AlphaGo第37手：AI创造力的黎明 2016年3月，AlphaGo对阵李世石的第二局。棋盘上第五线，开局阶段——按照人类千年围棋智慧，这是一个"大忌"。但AlphaGo下出了这手棋（Move 37），200手之后证明这是决定整局胜负的关键一手。 > "李世石当时就坐在那里，双手抱头，脸上写满了震惊。" —— Cleo Abram描述 Hassabis回忆那一刻是他等待了六年的信号——一个从零开始学习的系统，不仅能击败世界冠军，还能发现人类从未想到的策略。这不是暴力搜索的结果，而是**创造力**。 更令人震惊的是AlphaZero的进化：完全不需要任何人类棋谱，只从游戏规则开始，通过自我对弈，17代迭代，从随机落子到超越世界冠军。Hassabis描述他亲眼看着AlphaZero学下国际象棋："早上随机下棋，午饭时我还能和它打一打，下午茶时间它已经超越所有特级大师，晚饭时它已经超越了世界冠军。" **延伸分析：** AlphaZero展示的学习范式——**纯粹的自我博弈+零人类先验知识**——可能是通向AGI的关键路径之一。Hassabis明确表示，这种"AlphaGo式"的搜索和推理能力需要被重新引入到今天的大语言模型（如Gemini）中。当前的LLM擅长语言和知识，但缺乏那种在巨大搜索空间中发现全新解决方案的"创造力"。两者的结合，可能就是下一个重大突破。 ### 六、AGI安全：Hassabis最担心的两件事 这是全视频最重要的一段。Hassabis明确表示，他担心两件事，而这两件事**普通人甚至很多专家都没有足够重视**： **第一：恶意行为者。** 无论是个人还是国家级行为者，将本为造福人类而开发的AI技术——药物发现、材料科学——重新用于有害目的。 **第二：AI系统失控。** 随着AI越来越强大，尤其是进入"Agentic Era"（智能体时代），系统将越来越自主地执行任务。Hassabis的时间表是：**未来2-4年内**，这将成为真正的挑战。 > "如何确保这些越来越自主的系统严格遵守设定的目标和护栏，防止它们绕过或意外突破这些护栏——这将是一个极其困难的技术挑战。" —— Hassabis 他特别提到SynthID水印系统，并呼吁所有生成式AI公司都应内置类似技术来标记AI生成内容。但他同时强调，与AGI安全问题相比，deepfake和虚假信息只是"小问题"。 ### 七、意识的边界与现实的本质 Hassabis在对话中罕见地展露了他的哲学一面。他提到了与物理学家Roger Penrose的"友好辩论"——Penrose认为大脑中可能存在量子效应，而Hassabis倾向于认为大脑进行的是经典计算。如果确实如此，那么AI理论上没有无法模拟的人脑功能。 但他同时承认，人类之间可能存在某种独特的连接方式，永远无法被AI复制。他引用了Alan Turing的图灵机概念，认为当前AI系统和人脑可能都是"近似图灵机"。 > "我从小就对那些大问题着迷。我们甚至不知道时间是什么——我们就在时间中游泳，但无法描述它。我构建AI的最终目的，是把它作为理解现实本质的工具。" —— Hassabis ### 八、科幻愿景：50年内的人类图景 Hassabis描绘了一个令人屏息的未来图景： 1. **安全度过AGI时刻**，AGI成为人类口袋中的超级助手 2. **解决能源问题**——核聚变或更高效的太阳能，实现几乎免费的清洁能源 3. **开启星际旅行**——当能源成本趋近于零，火箭燃料可以从海水中无限制造 4. **小行星采矿**——获取无限资源 5. **治愈疾病**，延长健康寿命 6. 最终，**将意识带到银河系的其他角落** 他引用了Ian Banks的《文化》系列小说作为灵感来源。他说这一切可能在50年内实现。 ## 知识结构图 ```mermaid mindmap root((DeepMind AI版图)) 科学发现 AlphaFold 蛋白质折叠 2亿蛋白质免费开放 300万+科学家使用 AlphaGenome 基因突变预测 98%非编码DNA解读 Isomorphic Labs 18-19个药物研发项目 In silico药物设计 创造性AI AlphaGo Move 37创意突破 200万人观看比赛 AlphaZero 零人类知识学习 17代迭代超越人类 AlphaTensor 矩阵乘法优化 AlphaChip 芯片设计优化 安全与治理 SynthID水印 AGI护栏研究 国际合作呼吁 未来愿景 能源革命（聚变） 星际旅行 疾病治愈 人类繁荣 ``` ## 实战启示 ### 对科技从业者 Hassabis在视频末尾给出了非常具体的建议：**沉浸式掌握每一个可用的AI工具**。他说，即使是前沿实验室内部，也没有足够的资源去探索所有可能的应用场景。最新模型的能力与实际应用之间的差距正在越来越大——这个"能力过剩"就是创业者的机会窗口。 > "我认为今天的年轻人，可以用这些工具创造出价值数十亿美元的业务。" —— Hassabis ### 对投资者和决策者 Hassabis明确划分了AI风险的优先级：deepfake和虚假信息是短期问题，值得重视但可控；**AGI安全是中期（2-4年）的核心挑战**，目前投入远远不够。如果你在做AI投资或政策决策，AGI安全领域的技术和基础设施是值得高度关注的赛道。 ### 对普通观众 这个视频最大的价值在于帮你建立一个认知框架：**AI最重要的应用不是你能看到的（聊天机器人、图像生成），而是你看不到的（药物设计、灾害预测、核聚变优化）。** 理解了这一点，你就能在铺天盖地的AI新闻中辨别哪些是噪音，哪些是真正的信号。 ## 延伸学习路径 1. **AlphaFold论文原文** — [Highly accurate protein structure prediction with AlphaFold](https://www.nature.com/articles/s41586-021-03819-2)，Nature 2021，理解技术细节的最佳来源 2. **MIT Technology Review对AlphaFold的深度报道** — [What's next for AlphaFold](https://www.technologyreview.com/2025/11/24/1128322/whats-next-for-alphafold-a-conversation-with-a-google-deepmind-nobel-laureate/)，John Jumper（AlphaFold联合作者）的访谈 3. **Ian Banks《文化》系列小说** — Hassabis最喜欢的科幻作品，理解他对AGI后世界的想象来源。推荐从《Player of Games》开始读 4. **AlphaGo纪录片**（2017）— 完整记录了AlphaGo对阵李世石的全过程，Move 37的震撼需要影像才能真正感受 5. **Hassabis诺贝尔奖演讲** — 更偏技术细节的版本，适合想深入理解蛋白质折叠问题的读者 ## 一句话总结 **Hassabis用65分钟证明了一件事：AI最重要的未来不在聊天框里，而在你看不见的实验室、医院和宇宙深处——但只有我们先解决安全问题，那个未来才值得期待。** --- ## 参考来源 1. [The Hardest Problem AI Ever Solved, with Google DeepMind CEO](https://www.youtube.com/watch?v=Cmr6Qs2wXfE) — Cleo Abram YouTube频道，本文分析的核心视频 2. [Podwise节目摘要](https://podwise.ai/episodes/7722389) — 该视频的结构化摘要 3. [Founderboat深度分析](https://founderboat.com/interviews/2026-04-07-deepmind/) — 2026年4月7日访谈的详细拆解 4. [MIT Technology Review: What's next for AlphaFold](https://www.technologyreview.com/2025/11/24/1128322/whats-next-for-alphafold-a-conversation-with-a-google-deepmind-nobel-laureate/) — AlphaFold联合创始人的后续展望 5. [Cockatoo转录全文](https://www.cockatoo.com/content/the-hardest-problem-ai-ever-solved-with-google-deepmind-ceo) — 完整视频转录文本 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。