Hassabis 談棋局、蛋白質與意識邊界

他認為圖靈測試當初只是一場思想實驗，不夠嚴謹；更好的做法是讓 AI 在成千上萬種任務上都測到人類水準，DeepMind 當時的通用智能體 Gato 就是這個方向的嘗試。

4 歲開始下棋，8 歲用比賽獎金買了第一台電腦 ZX Spectrum，從書店買程式書自學，從此迷上寫程式跟做遊戲。

12 歲寫出第一個 AI 程式（黑白棋），16、17 歲設計出賣了數百萬套的《Theme Park》；他認為 90 年代遊戲業才是 AI 與運算最前沿的地方，DeepMind 創立時也把遊戲當成訓練與驗證 AI 演算法最有效率的場域。

西洋棋、圍棋都曾被斷言 AI 做不到；他形容深藍贏了 Kasparov 卻連圈叉遊戲都不會，AlphaGo 的意義在於「通用」與「自己學」，而不只是贏。

從遊戲設計師角度分析，主教與騎士能力迥異卻等值，這種不對稱平衡是西洋棋歷久不衰的秘密；他也把 AI 創造力分成內插、外插與真正發明三個層次，Move 37 就是外插的代表。

他不太相信我們活在別人丟棄的模擬裡，但認為用資訊而不是物質或能量去理解物理，可能才是更根本的方式。

他站在「圖靈的擁護者」這邊，認為經典運算就足以解釋大腦運作，目前主流神經科學也沒找到腦中有量子效應的證據。

從 Anfinsen 1972 年諾貝爾演講的猜想講起，胺基酸序列怎麼摺成立體結構決定了蛋白質的功能；過去做出一個蛋白質結構要花一個博士生整個博士生涯。

訓練資料只有 15 萬個已知結構的蛋白質，靠自我蒸餾等技巧擴充；AlphaFold 2 改成端對端直接輸出 3D 結構，比先算距離矩陣再優化的舊做法更準。

AlphaGo 先靠人類棋譜起步，AlphaGo Zero 拿掉人類知識，AlphaZero 能玩任何雙人賽局，MuZero 連規則都不用先給、自己學。

回顧 2010 年創立 DeepMind 時 AI 還冷門到沒人要提，靠深度學習、強化學習，加上共同創辦人 Shane 跟著指導教授 Marcus Hutter 研究的通用智能理論，三條線交會才有信心走下去。

DeepMind 從神經科學跟機器學習的交會起家，後來加入哲學家、倫理學家跟物理學家，他形容目標是打造一個新時代、黃金時期的貝爾實驗室。

物理模擬引擎 MuJoCo 是買下來就是為了開源；AlphaFold 則是因為下游應用太多自己想不完，開源一年內就有超過 50 萬名生物學家用過。

他認為現在的系統還是工具，就像伽利略的望遠鏡；除非有一天 AI 能像提出相對論那樣自己想出全新的猜想，而不只是從資料裡內插，才算真正夠格。

跟瑞士 EPFL 合作，用強化學習取代傳統手工控制器控制電漿形狀，論文發表在《Nature》，創下維持特定電漿形狀最久的紀錄。

嘗試學出更準確的密度泛函，逼近薛丁格方程式描述電子雲的行為；資料來源是閒置雲端算力跑出來的分子動力學模擬。

他把人類已知的一切比喻成一棵樹，覺得 AI 能加速探索這棵樹，也很想搞懂生命怎麼從一鍋化學湯裡冒出來。

他認為人類很可能是宇宙裡孤獨的存在，如果真的到處都是文明，應該早就滿天都是戴森球一類的證據；多細胞生命的演化可能才是最難跨過的一關。

主持人提出幾個假說：用火煮食、部落合作，還有人類學家 Richard Wrangham 的說法——早期人類或許是聯合推翻獨裁的「阿爾法雄性」才學會合作；Hassabis 認為這些都是合理的候選答案，特別認同部落合作與語言的角色；大腦很耗能，演化上要划算，通常得一路跳到人類等級的智能才夠格。

他認為意識與智能可以分開存在：狗可能有意識但不特別聰明，AlphaGo 很聰明卻大概沒有一絲意識；他主張現階段有選擇的話，AI 該先當工具就好。

談到有工程師相信語言模型有情感的事件，他認為現在的系統連一絲意識的影子都沒有，人類容易把能力投射成人格，這種事只會愈來愈常見。

被問到會不會擔心自己就是被權力腐化的那個人，他說靠維持謙卑、跨領域學習跟找一群夠有道德感的人共事來提醒自己；也認為 AI 最終該屬於全人類，不是任何一個人或公司。

鼓勵年輕時盡量嘗試不同領域找到真正的熱情，同時搞懂自己什麼時候最能發揮、怎麼處理壓力；他自己是夜貓子，晚上 10 點後才是真正深度思考、寫論文的「第二個工作天」。

他認為活著的目的就是理解宇宙，這呼應古希臘人把求知當成一種美德的想法。

被問到如果能對 AGI 只問一個問題，他說會問「現實真正的本質是什麼」，也想像 AGI 得先重新教一遍物理，才有辦法真的解釋清楚。