专访DeepMind创始人：从被嘲落后到诺奖加身，哈萨比斯如何复盘Google的AI战略？ 文章

过去几年，大语言模型几乎成为了AI的代名词。从ChatGPT到Google DeepMind推出的Gemini，从Anthropic开发的Claude到中国的DeepSeek，人们讨论更多的是聊天机器人、推理能力和生成内容。但如果问Google DeepMind CEO、2024年诺贝尔化学奖得主Demis Hassabis（下简称“哈萨比斯”），一个真正能够改变世界的AI应该是什么样的，他的答案却始终没有改变。 在最近哈萨比斯与科技记者Cleo Abram的访谈节目中，他强调了自认为AI最重要的价值：并不是生成更多内容，而是帮助人类理解世界、加速科学发现，并最终解决癌症、新材料、新能源等问题。 三十多年前他进入AI领域，就抱着这样的初心。他一直对“意识是什么”“世界如何运作”等科学问题充满兴趣，而AI在他看来，是帮助科学家处理海量信息、发现规律的终极工具。因此，相比于开发一个越来越聪明的聊天机器人，他更希望AI能够走进实验室，帮助人类解决影响文明进程的问题。 不过，在大语言模型的争夺战中，Google确实位列下风，因此他在访谈中也提到了身为Google AI负责人的难题，以及他所看来ChatGPT等竞争对手的巨大价值。 诺奖产品的“使命”， 让AI走进实验室 AlphaGo让全世界第一次意识到AI可以战胜围棋冠军，而真正让DeepMind获得诺贝尔奖的却是AlphaFold：它解决了一个困扰生物学界半个多世纪的问题——蛋白质折叠。 哈萨比斯第一次接触这个问题是在剑桥大学读本科时。当时，他身边不少学生物学的同学都沉迷于一个被称为“生物学中的费马大定理”的难题：能不能仅根据蛋白质的一维氨基酸序列，就准确预测出它最终会折叠成什么样的三维结构？ 这个问题之所以如此重要，是因为蛋白质几乎参与了人体所有生命活动，而蛋白质真正发挥作用，并不取决于它由哪些氨基酸组成，而取决于它最终折叠后的空间结构。结构不同，功能就完全不同。一旦折叠出现错误，就可能导致癌症、阿尔茨海默病、帕金森病等多种疾病。 然而，过去几十年，要获得一个蛋白质的三维结构，只能依赖X射线晶体学、冷冻电镜等实验方法。研究人员往往需要花费数年时间、投入几十万美元，才能解析出一个蛋白质结构。