你好，我是 Mech Muse。今天要帶大家走進一場來自 2025 年 9 月 13 日 All-In Summit 的獨家訪談——主角正是 Google DeepMind CEO Demis Hassabis。這場對話以「AI、創造力與科學黃金時代」為主題，帶來許多對未來 AI 發展的重要洞見。
當你看到標題，或許期待的是一篇探討「反彈」的報導，但這份逐字稿內容卻完全不同：沒有批評、沒有負面聲音，反而是一場充滿遠見的深度對談。Hassabis 不只被盛讚為「天才」，更清楚描繪了 AI 如何推動科學突破、改變虛擬世界，甚至加速藥物研發與人類健康。
所以，這篇文章我將帶你完整解析：- ✨ Google DeepMind 如何成為 AI 的「引擎室」
- ✨ AlphaFold 為何能觸及諾貝爾獎殿堂
- ✨ Genie 3 世界模型如何翻轉虛擬世界
- ✨ AGI 距離我們還有多遠，缺了什麼拼圖
- ✨ AI 如何推動科學黃金時代與醫療革命
請繫好安全帶 🚀，因為這將是一次直達未來的旅程！
從童年夢想到諾貝爾殿堂 🏆
Demis Hassabis 與 DeepMind 的崛起
Demis Hassabis 的故事，本身就像一部 AI 的成長史。
這位在倫敦出生的天才，童年時代便展現出過人的數理天賦與遊戲天分。他曾是西洋棋神童，少年時代就與大師級棋手對弈 ♟️。後來他不只進入劍橋大學攻讀計算機科學 🎓，還曾在遊戲公司工作，親手設計遊戲 AI 和圖形引擎。對 Hassabis 來說，遊戲、數學和人工智慧從來不是分開的世界，而是同一個拼圖的不同角落。
2010 年，他與朋友共同創立 DeepMind。短短幾年後，這間小型 AI 新創被 Google 收購，並成為 Alphabet 集團的 「AI 引擎室」。如果 Google 是一艘龐大艦隊，DeepMind 就是那台推動艦隊往未來航行的核心引擎。
2016 年，AlphaGo 擊敗世界棋王李世乭，震驚全球。這不只是一次比賽的勝負，而是 AI 正式走進大眾視野的分水嶺。從那一刻起，AI 不再只是科學實驗室裡的玩具，而是可以與人類在最複雜的策略遊戲中正面交鋒的智慧體。
時間快轉到 2021 年，DeepMind 推出 AlphaFold 🧬，一個能準確預測蛋白質結構的系統。這個突破被譽為生物學的登月計畫，因為它解決了科學家苦苦追尋數十年的難題。2025 年，這項成就讓 Hassabis 榮獲諾貝爾獎，並受封英國爵士。他自己形容接到瑞典打來的電話那一刻「超現實」，因為那是每個科學家夢寐以求的榮耀。
如今的 DeepMind 已整合 Alphabet 旗下所有 AI 工作，擁有超過 5000 名成員，其中八成以上是博士與工程師。他們的成果不只停留在論文，而是實際應用在 Google 搜尋、YouTube、Maps、Gemini 應用中，影響數十億人。
Mech Muse 觀點 Hassabis 的成功之路，正好體現了 AI 發展的縮影：從遊戲到科學，從挑戰人類棋王到改善人類健康。這種「跨界整合」正是 AI 最大的力量。AI 的黃金時代，不會是一場單純的技術競賽，而是知識、科學與創造力的全面交響曲。
翻轉虛擬世界 🎮
Genie 3 與直覺物理的逆向工程
在 AI 的前沿研究中，「世界模型」是近年最受關注的概念。DeepMind 最新推出的 Genie 3，正是這個領域的代表之作。
不同於傳統的遊戲引擎（例如 Unity、Unreal），Genie 3 不需要人類工程師預先設計場景或物件。它只需一段自然語言提示，便能即時生成一個可互動的 3D 世界。你可以輸入：「我想在沙灘上散步 🏖️」，然後控制角色或甚至一隻狗 🐕，直接探索那個 AI 剛剛創造出來的世界。
最神奇的是，這些像素與物理規則不是「寫死」的，而是 AI 透過觀看數百萬 YouTube 影片，自行學會如何「逆向工程」這個世界的物理。換句話說，Genie 3 等於是用觀看的方式學會了「地心引力」「摩擦力」「碰撞」等直覺物理規律。
Hassabis 自己曾是遊戲開發者，他很清楚當年要寫一個遊戲 AI 或物理引擎有多困難。如今 Genie 3 做到的事情，是當年工程師難以想像的。這不僅改變了遊戲設計的流程，也可能徹底重塑虛擬實境與數位娛樂的未來。
想像一下：未來我們不再需要龐大的美術團隊去一筆一筆建模，而是直接用語言與 AI 對話，就能生成一個「隨時可玩」的世界 🎮。
Mech Muse 觀點 Genie 3 不只是「好玩」，它是一個訊號：AI 正在學會「理解世界」。這種世界模型的突破，不只是讓遊戲更逼真，而是 AI 朝向 「通用人工智慧」邁出的重要一步。畢竟，只有理解物理世界，AI 才能真正走進我們的日常生活。
通用人工智慧的拼圖 🤖
機器人、持續學習與真正的創造力
Hassabis 對 AGI（通用人工智慧） 有一個清晰的藍圖。他認為，要讓 AI 真正成為 AGI，有三個關鍵要素仍然缺失：
- 真正的創造力 💡
目前的 AI 雖然能下出「神之一手」的棋步，但還無法像愛因斯坦那樣，從零提出新的理論。真正的創造力需要「直覺跳躍」，而不是數據裡的累積。 - 一致性 ⚖️
現有的 AI 有時能回答博士級的問題，但在小學數學 ➕➖ 上卻會犯低級錯誤。要成為 AGI，AI 必須在所有領域都保持穩定表現。 - 持續學習能力 🔄
人類可以一邊工作一邊學習，但 AI 系統目前還不具備「在線學習」的能力，每次更新都要重新訓練。
除了這些核心要素，Hassabis 特別強調 機器人技術 🤖。
DeepMind 目前正將 Gemini 模型應用到機器人中，讓它能透過語言理解並執行動作。例如：「把黃色的杯子放進紅色的桶子。」AI 不只聽懂語言，還能轉換成精確的動作。
他預測未來幾年會出現一個「哇！」的時刻——當 AI 驅動的機器人真正能融入我們的家庭與工作場景，就像 70 年代的個人電腦一樣 💻，改變所有產業。
Mech Muse 觀點 AGI 不是單靠「更大的模型」就能達成，而需要真正的質變。機器人是這個拼圖裡最直觀的一塊：如果 AI 能夠正確理解我們的世界並在其中行動，那麼 AGI 才算真正落地。Hassabis 的時間表是 5 到 10 年，這不僅是一個技術問題，更是一個社會挑戰。
AI 加速科學發現 🔬
從 AlphaFold 到藥物革命
Hassabis 最關心的領域，並不是娛樂或商業，而是 科學與醫療。
他相信 AI 將成為「科學的終極工具」，帶來前所未有的黃金時代。DeepMind 已經在多個領域展現實力：
- 材料設計 ⚙️：AI 幫助尋找更高效的電池材料。
- 核融合 ☀️：協助控制等離子體，讓「人造太陽」更接近實現。
- 氣候與天氣預測 🌍：提供更精準的短期與長期預報。
- 數學問題 ➗：在奧林匹亞級的挑戰中找到新解法。
而在醫療領域，DeepMind 成立了 Isomorphic，專門將 AlphaFold 的成果應用到藥物發現 💊。目標是把原本需要十年才能完成的藥物研發，縮短到「幾週甚至幾天」。
他們已與 禮來、諾華 等製藥巨頭合作，並與 MD Anderson 等醫療機構展開研究。首批候選藥物預計將在未來一年進入臨床前階段。這意味著我們可能很快會看到由 AI 設計的藥物進入實際醫療。
Mech Muse 觀點 AI 在醫療領域的突破，將是「科技回饋社會」最有力的例子。相比娛樂或廣告，醫療與科學的應用能真正改變人類命運。若未來十年我們真的迎來一個「科學的黃金時代」，AI 很可能就是推動它的關鍵引擎。
總結 🌟
透過 Demis Hassabis 的視角，我們看見了：
- DeepMind 的成長史，如何從遊戲走向科學殿堂 ♟️🎓
- 世界模型的突破，讓 AI 學會理解物理世界 🌍
- AGI 的拼圖，包括創造力 💡、一致性 ⚖️ 與機器人技術 🤖
- AI 加速科學與醫療，讓藥物研發與科研進入快轉模式 💊
雖然原本預期討論「反彈」，但我們得到的卻是一幅 AI 黃金時代的清晰藍圖。
這不只是技術的進化，而是一場科學、醫療與人類未來的全面革新。
👉 請持續關注 Mech Muse，未來我將帶來更多 AI、機器人、能源、科學革命的深度解析，陪你一起站在未來的門口，看見世界如何被改寫！
