在今年 TED 的舞台上，Google DeepMind 的共同創辦人兼 CEO Demis Hassabis 與 TED 主持人 Chris Anderson 展開了一場深刻的對話。他的成就不僅停留於技術創新，更以 AlphaFold 項目解決了困擾科學界數十年的「蛋白質折疊問題」，這項突破性研究使他榮獲 2024 年諾貝爾化學獎。這一榮譽不僅彰顯了 AI 技術的潛力，也開創了科學研究的新紀元。
人工智慧與重大問題：科學與哲學的工具
「我想解答那些大問題，比如宇宙的根本規律與生命的本質。而人工智慧，是通往答案的最快路徑。」—— Demis Hassabis
Hassabis 從年少時便熱愛物理與哲學，但他發現，過去幾十年科學界在探索這些問題上的進展有限。於是，他創建了 DeepMind，目標是打造一個能幫助人類理解自身與宇宙的終極工具。他相信，AI 能通過分析海量數據，發現隱藏的模式，提出創新的科學假設，推動人類的認知邊界。
從遊戲到科學：AI 的發展之路
Hassabis 的 AI 旅程始於遊戲。從 Atari 遊戲到 AlphaGo，他將遊戲視為 AI 理想的測試場，最終讓 DeepMind 跨越遊戲領域，進入科學核心。
遊戲中的智慧啟蒙
- Atari 的突破：DeepMind 的 AI 在《Breakout》中，自主學習到將球打到牆後方的策略，這是 AI 首次展示出超越人類設計的創意。
- AlphaGo：震撼世界：2016 年，AlphaGo 擊敗圍棋世界冠軍李世乭，不僅贏得比賽，還創造出前所未見的策略，顯示了 AI 在直覺模式辨識上的巨大潛力。
- AlphaZero：自主學習的巔峰：DeepMind 的 AlphaZero 在 24 小時內從零開始學習，超越所有棋類 AI，證明了 AI 自主學習的極限能力。
遊戲的科學價值
「遊戲讓我們可以快速測試 AI 的能力，但它們只是工具，最終目標是解決人類面臨的科學問題。」Hassabis 如此總結。
AlphaFold：AI 改變科學的里程碑
AlphaFold 是人工智慧解決實際科學問題的一個經典案例，它攻克了困擾科學界 50 年的「蛋白質折疊問題」。這個問題的核心是：從氨基酸序列預測蛋白質的三維結構，而傳統方法需要耗費數年甚至數十年的實驗。
突破性成果
- 速度與規模：AlphaFold 在一年內預測了 2 億種蛋白質結構，相當於節省數十億年的研究時間。
- 精確度：其預測準確度達到原子級，足以應用於藥物開發與疾病研究。
- 開放共享：Hassabis 決定將 AlphaFold 的數據免費開放，讓全球科學家使用，促進整個生物學領域的進步。
榮獲諾貝爾化學獎
Hassabis 與其團隊憑藉 AlphaFold 項目，獲得了 2024 年諾貝爾化學獎。他表示：「這不僅是一個科學的勝利，更是一個 AI 與人類合作的典範。」
AI 的未來：從科學到哲學的探索
通用人工智慧（AGI）的願景
Hassabis 的終極目標是實現通用人工智慧（AGI），即一種能自主學習和解決問題的超級智能。他相信，AGI 將幫助人類解答以下重大問題：
- 宇宙的根本規律：探索 Planck 尺度下的物理實驗，解開現實的基本結構。
- 生命與意識的奧秘：AGI 或許能揭示人類意識如何形成，進一步理解自我。
- 科學的黃金時代：AGI 將帶來疾病治癒、能源革命，並促進全球合作。
技術的挑戰與倫理
Hassabis 警告，AI 的快速發展可能引發 Moloch Trap（莫洛克陷阱）：企業為了競爭可能採取高風險決策。他呼籲全球協作，建立安全、可靠的 AI 發展框架。
知識的樹：AI 開啟新時代
Hassabis 將人類的知識比喻為一棵樹，而 AI 是探索這棵樹的工具。他相信，AI 將幫助人類解鎖更多分支，推動知識的無限延伸。
「AI 是科學方法的延續，也是探索人類潛能的最佳伙伴。」
結語：諾貝爾獎得主的願景與挑戰
Demis Hassabis 的旅程從遊戲開始，最終用 AlphaFold 改變了科學研究的方式。他的成就證明了 AI 不僅是技術工具，更是解答生命與宇宙謎題的重要助力。隨著 AI 的進一步發展，人類正邁入一個
免費訂閱 [AI 學習科技實驗室] 電子報
