隨著AI能力逼近甚至超越人類，哈薩比斯逐漸意識到技術失控的風險，陷入類似“奧本海默時刻”的困境：盡管最懂技術風險，卻發現自己無法控制AI的發展方向。當技術進入國家競爭、資本角逐和社會治理的復雜博弈，創造者的擔憂能否轉化為有效的約束機制，正成為比技術突破更緊迫的命題。

1981年，在倫敦的一場國際象棋比賽里，一個五歲的男孩坐在兩把疊放的椅子上，屁股下還墊著一本厚厚的電話簿，這樣才勉強讓他的視線高過棋盤。而他的對面，坐著的是一個比他大得多的孩子。讓很多人意外的是，這個小不點贏得了勝利。

這是DeepMind創始人德米斯·哈薩比斯，最早被公開記錄的一次勝利。

DeepMind創始人德米斯 · 哈薩比斯

圖片來源：Wikimedia Commons

幾年之后，哈薩比斯用比賽獎金買了第一臺電腦，并接觸到一本名叫《國際象棋計算機手冊》的小冊子。這成為他與機器智能的第一次結緣，他的興趣也從如何贏棋，逐漸轉向探究機器智能。

多年之后的今天，我們談論人工智能時繞不開AlphaGo、AlphaFold和DeepMind。不過回到投身AI的起點，哈薩比斯的問題只有一個：智能，是否可以被機器理解與重建。

故事的起點，AI并不誘人

2010年，當德米斯·哈薩比斯與沙恩·萊格、穆斯塔法·蘇萊曼共同創立DeepMind時，人工智能并不是什么熱門的投資領域?！豆_比斯：谷歌AI之腦》作者，科技史學家、金融史學家塞巴斯蒂安 · 馬拉比曾經提到：“你要知道這是2010年，在2010年的時候AI還什么都做不了。最著名的突破就是識別一只貓的圖片，還是在2012年才實現的?！?/p>

那時，資本與媒體關注的焦點，是移動互聯網、社交網絡。而DeepMind成立時，并沒有明確的產品路線，也沒有明確的商業計劃。它的目標只有一個：構建通用人工智能（AGI）。

這一目標在當時聽起來并不具體，甚至難以評估。

在與投資人接觸時，這一問題很快顯現出來。2010年，哈薩比斯見到彼得 · 蒂爾，他是PayPal聯合創始人、Founders Fund創始人，投資了Facebook和SpaceX，是硅谷最具影響力的投資人之一。在介紹公司時，他說公司希望結合神經科學的最新理解，借助計算能力的提升，構建一種能夠學習和推理的通用系統。

據《哈薩比斯：谷歌AI之腦》一書記載，彼得 · 蒂爾認為這一構想在科學上頂級，但在商業模式上是最差的。他仍然決定繼續關注這家公司，部分原因在于他判斷哈薩比斯屬于一種少見的創業者類型，不是尋找機會創業致富的人，而是試圖解決某個問題的人。2012年，蒂爾的Founders Fund向DeepMind投資約230萬美元。

資金之外，更困難的是人。

DeepMind成立初期，最緊迫的問題是招募科學家。候選人需要同時滿足兩個條件：一方面要具備頂尖研究能力；另一方面要愿意投入一個尚未被驗證的方向。這一組合幾乎排除了大多數人。在最初的幾個月里，公司幾乎沒有真正意義上的AI研究人員加入。唯一全職從事AI研究的，還是哈薩比斯兒時的國際象棋伙伴。

此后，為了推動公司的長期發展，哈薩比斯框定了三件最重要的事：信念、時間，以及能夠支持研究的組織環境。

所謂信念，是指團隊必須接受一個前提，盡管沒有明確路徑，但AGI是可以實現的。所謂時間，意味著公司需要在資本有限的耐心里，找到盈利的方式。為此，DeepMind在早期嘗試過多種副業，包括開發商業游戲，以及將圖像識別技術應用于電商推薦系統等。在最后的組織環境建設中，DeepMind內部設置了專門的項目管理角色，幫助協調那些在溝通和協作上存在困難的研究人員，使技術能力能夠在組織中持續運轉。

漸漸地，這家位于倫敦羅素廣場的辦公室里，坐滿了愿意投身AGI的研究者。

從圍棋到蛋白質

接下來的故事，很多人已經耳熟能詳。

2016年，DeepMind的AlphaGo在首爾以4 : 1戰勝圍棋世界冠軍李世石。這場比賽之所以引發全球關注，并不只是因為勝負本身，而在于圍棋長期被認為是機器難以攻克的領域。圍棋中，可能出現的局面數量極其龐大，傳統依賴窮舉計算的方法難以奏效。AlphaGo則通過深度學習與強化學習的結合，在大量對局中提取模式、做出決策，標志著人工智能首次在這一類問題上取得突破。

如果說圍棋代表的是復雜決策問題，那么AlphaFold則讓DeepMind走進了自然科學領域。2020年，AlphaFold成功預測蛋白質三維結構。在公開競賽中，AlphaFold大幅領先其他方法，讓一項長期困擾科學界的課題首次接近被系統性解決。2024年，相關研究成果獲得諾貝爾獎，也標志著人工智能在科學研究中的地位發生變化。

從AlphaGo到AlphaFold，DeepMind從處理棋盤上的策略選擇，轉向對自然結構的預測。但兩者指向同一類能力，在極高復雜度、近乎無限可能的空間中，找到有效解。

哈薩比斯的誤判

有了AlphaGo和AlphaFold，看起來哈薩比斯似乎已經找到了通往AGI的方向。但事情并沒有那么簡單。

在很長一段時間里，DeepMind堅持的是一條以“行動”為起點的技術路徑。哈薩比斯認為人類智能的形成，并不是從語言開始，而是來自與現實世界的互動，通過感知、行動和反饋，不斷建立對世界的理解。在這一框架下，智能的形成路徑可以被概括為：行動 → 認知 → 智能。

這一判斷在AlphaGo和強化學習體系中得到了驗證。機器通過不斷對弈、自我反饋，逐漸形成策略與判斷能力。在哈薩比斯看來，這種路徑更接近人類大腦的運作方式，也更有可能通向AGI。

但與此同時，另一條路徑正在形成。

以OpenAI為代表的團隊，逐漸將重點放在語言模型上。他們并不試圖讓機器進入物理世界，而是讓機器在語言數據中學習，通過預測下一個詞的方式，建立對世界的統計性理解。這一路徑可以被簡化為：語言 → 預測 → 智能。

在一開始，這條路徑并不被普遍看好。語言被視為人類認知的表層，而不是核心機制。哈薩比斯本人也曾明確表示，單純依賴語言，很難構建真正的智能系統。

轉折發生在2020年前后。

GPT-3的發布，讓人們第一次看到，大規模語言模型可以在多個任務中表現出超出預期的能力。而到了2022年，ChatGPT的推出，使這種能力進入公眾視野。短時間內，大量用戶開始與模型對話，人工智能從一個技術問題，迅速變成一個社會現象。

這一變化也意味著，DeepMind在這一方向上處于落后位置。

哈薩比斯后來承認，他低估了語言模型的潛力。他原本認為，語言只是智能的一種表達形式，而不是生成智能的路徑。但現實證明，在足夠規模的數據與計算條件下，語言本身也可以成為建模世界的一種方式。

這是一次路徑上的誤判。但對哈薩比斯而言，更關鍵的并不是誤判本身，而是如何應對。

在確認這一趨勢之后，DeepMind迅速調整方向，將更多資源投入大語言模型的研發中，并加速推出自己的系統。最終，Gemini的發布標志著這一調整基本完成。

奧本海默時刻

在哈薩比斯的AI故事里，技術并不是唯一困擾他的問題，更讓他焦慮的是：當一種足以改變世界的力量被創造出來之后，創造者是否還能控制它帶來的后果？

曼哈頓計劃的科學負責人、原子彈的關鍵推動者羅伯特 · 奧本海默也曾面對類似的處境：科學家可以創造一種前所未有的力量，但當它進入現實之后，其用途與后果往往不再由創造者決定。技術隨即進入國家、資本與治理體系，成為一種遠超實驗室控制范圍也更難逆轉的力量。

隨著人工智能能力快速逼近，甚至可能在某些維度上超越人類智能，哈薩比斯越來越清楚地意識到，自己正處在“奧本海默時刻”之中。

這種警覺并不是近期才產生的。早在2014年DeepMind被谷歌收購時，哈薩比斯就堅持要求技術去軍事化和設立獨立倫理委員會。此后，他也在持續發聲，警示人們AI可能帶來的風險。比如在自動駕駛技術開始進入公共道路測試時，他就曾公開表示，在安全性尚未成熟之前就讓系統在現實環境中運行，是不負責任的做法。到了2023年，他又參與簽署了一份公開聲明：將人工智能帶來的潛在滅絕風險，與流行病和核戰爭并列為全球優先事項。

但真正困難的部分，不在于發出警告，而在于如何把警告轉化為約束機制。

馬拉比分享了一些細節。傳記寫作期間，他和哈薩比斯常常在一間酒吧的二樓見面。那里沒有人打擾，適合長時間交談。馬拉比說，他們通常一聊就是兩個小時。在這些相對私密的對話里，哈薩比斯談到的，不只是技術路線，也包括他在安全問題上的反復努力與現實受挫。

他曾試圖與谷歌母公司Alphabet談判，希望為AI的發展設置更明確的邊界和減速帶。他也希望在技術全面擴散之前，先建立某種跨國、跨機構的基本規則。甚至在某些階段，他還認真考慮過讓DeepMind從谷歌體系中獨立出來，再通過獨立融資維持研究，以便擺脫商業競爭對開發節奏的擠壓，讓系統按照更謹慎的方式推進。

但這些努力最終大多沒能落地。原因也顯而易見，國家之間、公司之間、資本之間，都在推動這場技術競賽繼續加速。于是，最理解這項技術潛力的人，也最理解它的危險，但即便是他也沒法讓系統慢下來。

這也是為什么，哈薩比斯的故事到最后，已經不只是一個天才科學家或企業家的個人傳記。它最終觸及的是一個更底層的問題：如果人工智能最終真的成為一種能力無限的機器，那么人類是否還有能力定義它的邊界？

內容來源：信?？萍荚u論

獲取更多 AI時代的科技參考

歡迎點擊下方卡片關注 信睿科技評論

本文同步發表于《信睿周報》

點擊下方卡片立即購買 ↓