DeepMind CEO Demis Hassabis在访谈中回顾了从少年编程到创立DeepMind的历程，阐述了为何以游戏为起点、为何坚信强化学习，并深入解释了AlphaFold如何解决蛋白质折叠这一50年难题。他认为，构建通用人工智能的关键在于结合算法、算力与多学科协作，而最终目标是用智能解决科学与现实世界的根本挑战。
在最新一期Lex Fridman播客中，DeepMind联合创始人兼CEO Demis Hassabis进行了一场深度对话。从他四岁下国际象棋、八岁用奖金购买第一台电脑并自学编程，到设计出百万销量的游戏《主题公园》，再到创立DeepMind并带领团队攻克AlphaGo与AlphaFold等里程碑式成就，Hassabis的旅程展现了从游戏少年到AI领袖的清晰脉络。他详细阐述了为什么选择游戏作为AI研究的起点、为何坚信强化学习，并解释了AlphaFold如何通过超过30种组件算法解决困扰生物学界50年的蛋白质折叠问题。访谈还触及了意识的本质、宇宙的计算本质以及AGI的未来路径等深刻话题。
展开「深读」看每一段讨论的问题与论据。
讨论的问题：如何定义和测试一个系统是否具备通用智能？
论据 / 案例：图灵1950年论文未指定测试的严谨参数；有人用普通逻辑模型通过测试，假装是儿童。
讨论的问题：是什么激发了你对编程和人工智能的兴趣？
论据 / 案例：用国际象棋比赛奖金购买ZX Spectrum；12岁编写奥赛罗AI程序；受《国际象棋计算机手册》启发。
讨论的问题：游戏在AI发展历程中扮演了怎样的角色？
论据 / 案例：参与设计游戏《主题公园》和《黑与白》；《黑与白》中的宠物被认为是强化学习在游戏中的出色应用。
讨论的问题：DeepMind创立的初衷和核心信念是什么？
论据 / 案例：2010年AI领域冷淡；AIXI理论被视为智能研究的理论基础；早期投资和学术界反应冷淡。
讨论的问题：AlphaGo的成功对AI研究和公众认知意味着什么？
论据 / 案例：AlphaGo在2016年击败围棋世界冠军；之前国际象棋AI（深蓝）被设计为专用程序，无法处理其他任务。
讨论的问题：AI能否像人类一样进行真正的创造性发明？
论据 / 案例：AlphaGo的“第37手”是外推式创新；但无法指定“设计一个5分钟学会、一生精通”的抽象任务给AI。
讨论的问题：宇宙的本质是什么？意识是否超越了计算？
论据 / 案例：彭罗斯认为意识需要量子过程；主流神经科学未发现大脑量子效应的证据；将大脑视为极其复杂的经典计算系统。
讨论的问题：AlphaFold是如何解决蛋白质折叠这个历史难题的？
论据 / 案例：实验测定一个蛋白质结构通常需要一个博士生整个博士期间的工作；AlphaFold2在数秒内预测结构；人类蛋白质组（约20,000种蛋白质）的预测已在圣诞节完成。
讨论的问题：解决智能这一目标，科学和工程各自扮演了什么角色？
论据 / 案例：2010年向VC推销“解决智能”的使命时遭遇冷眼；学术界曾认为AI已失败；AlphaGo等突破是思想与工程的结合。
