恒力配资想用AI解决一切的人，为何在大模型时代“慢”半拍？ ——读《哈萨比斯：谷歌AI之脑》

　　《哈萨比斯：谷歌AI之脑》　　（美）塞巴斯蒂安·马拉比著　　周健工译　　浙江科学技术出版社/湛卢文化　　2026年3月出版

　　◎潘楷昕

　　从图灵提出“机器能否思考”的命题开始，人类对智能本质的探索就从未停止。在这个过程中，许多研究者都面临着同样的选择：是止步于对风险的担忧，还是继续推进对智能边界的探索？最终，对“发现”本身的渴望，往往成为了超越一切顾虑的核心动力。这种纯粹的求知欲，正是推动人工智能领域不断突破的底层逻辑。

　　这个关于人类认知边界的思考被塞巴斯蒂安·马拉比写进了《哈萨比斯：谷歌AI之脑》的引言中。这本书的主角戴密斯·哈萨比斯是谷歌DeepMind的联合创始人兼CEO，也是2024年诺贝尔化学奖得主。在AI圈，他有一句广为流传的名言，大意是：解决智能问题，然后用它解决一切。

　　马拉比花了三年时间，与哈萨比斯进行了超过三十个小时的独家对话，并采访了一百多位核心人物，包括决裂的合伙人、直接的竞争对手。这本书试图回答的问题是：一个把全部人生押在“造出终极智能”上的人，他的信念从何而来，盲区又在哪里。

　　值得一提的是，马拉比不是科技记者，而是一位擅长拆解资本与权力故事的作家，并两次入围普利策奖。因此，与关注技术突破相比，马拉比更想知道的是：在谷歌的权力结构中，一个掌握了可能改变人类命运技术的人怎么生存？在与OpenAI的竞赛中怎么妥协？在安全理想和商业压力之间怎么取舍？

　　当直觉变成路障

　　读AI人物传记，最容易掉进一种叙事惯性：少年天才如何一步步征服世界。本书有意绕开了这条路。马拉比更感兴趣的是另一个问题：一个人最坚定的信念，在什么情况下会从他最大的优势变成最大的障碍？

　　哈萨比斯的早年经历确实耀眼：4岁学国际象棋，13岁获大师称号，17岁主导开发了经典模拟游戏《主题公园》；后来去剑桥读计算机，再去伦敦大学学院读认知神经科学博士，并发现海马体与情景记忆的关系，这项研究成果被《科学》杂志评为年度突破。但是，马拉比没有落入“天才加极端性格缺陷等于伟大成就”的俗套。他另辟蹊径，把哈萨比斯的童年、剑桥和游戏公司经历写成了一种思维风格的锻造：国际象棋教会他模式识别，游戏设计教会他让智能体在环境中自主学习，神经科学让他确信了费曼的信条——你造不出来的东西，你就没真正理解。这三段经历叠加，把他推向了对强化学习的坚定信仰。

　　这个信仰成就了AlphaGo，让机器跟自己下棋，碾压人类数千年积累的围棋智慧。但同样是这个信仰，却在大语言模型崛起的关键窗口期绊住了他。在ChatGPT爆火的时候，DeepMind却在大模型赛道上落后了。书中第13章的标题叫“语言与自然之道的背离”，副标题更直白：第一次惜败OpenAI。书里有一个刺眼的判断：试图打造纯AlphaZero类型的模型，是一种不必要的阻碍。对自己的直觉有绝对信心的哈萨比斯，突然发现直觉也会出错，愤怒中更多夹杂着不甘。

　　但这并非单纯的顽固，其背后有一层严密的技术逻辑。DeepMind起家的强化学习擅长逻辑推理和深度决策，更接近丹尼尔·卡尼曼所说的“系统二”，即慢思考；而大语言模型展现的生成与直觉能力，则更像“系统一”，即快思考。哈萨比斯并非不懂大模型，而是试图走出一条新路：在Gemini项目中，他尝试把强化学习的积累与大语言模型的通识能力结合起来。这或许能解释他的“迟缓”，他不是在抗拒时代，而是在试图整合两种截然不同的智能形态。

　　马拉比对此不贬也不捧，而是冷静地呈现一个事实：不同的方法论信仰，会衍生出不同的组织形态、盲区和风险。动机不同，最终塑造的技术路径也截然不同。哈萨比斯的直觉在AlphaGo和AlphaFold上被证明是远见，但在大语言模型上却一度成了阻碍。同一种品质，换一条赛道就换了面目，这恐怕是书中最令人不安的，也是最值得深思的地方。

　　三次豪赌的真正赌注

　　DeepMind的历史上有三次关键突破。作者在书中逐一还原了它们。每一次看上去赌的是技术路线，实际上押的都是比技术更宏大的东西。

　　第一次是AlphaGo。2016年，它击败韩国棋手李世石；2017年，又以3比0完胜柯洁。围棋在东亚文明中是“智慧”的象征。当AI在这片人类智力高地取得胜利时，它动摇的不只是棋手的职业生涯，还有社会对“人类智力优越性”的底层信念。于是一场棋盘上的对弈，竟然搅动了大国科技竞争的议程。马拉比在这件事中洞察到更深层的趋势：AI早已不是一项技术，它开始重塑国与国之间的力量对比。AlphaGo赌的不只是一盘棋，赌的是人类还能不能理直气壮地说“机器比不上我”。

　　第二次是AlphaFold破解蛋白质折叠。蛋白质折叠预测被称为“生物学界的费马大定理”，困扰科学家半个世纪。这个过程很曲折：起初，团队以为是序列问题，尝试用循环神经网络去求解，无果；后来，又以为是图像识别问题，换成卷积神经网络，虽有起色，但还是不对。关键的转折是研究员约翰·江珀的加入。他提出一个颠覆性的判断：用深度学习直接把氨基酸链映射到折叠结构上。在得到哈萨比斯的支持后，团队全面转向Transformer架构。2018年，AlphaFold首次参加CASP竞赛便击败97个团队；2020年AlphaFold 2以92.4的高分彻底颠覆了这个领域；2024年哈萨比斯也因此拿到诺贝尔化学奖。

　　这段经历里最值得回味的，反而是它的“笨”：方向错了就换，还不对就再换，根本没有什么灵光乍现的高光时刻。哈萨比斯自己也反复说过，AI发展至今的诸多成果中，AlphaFold才是对人类具有实打实的贡献。当满世界都在追聊天机器人的热度，他偏偏觉得预测蛋白质结构才是正事。

　　第三次严格来说不是豪赌，更像一场被动应战。ChatGPT一经问世，谷歌内部瞬间乱了阵脚，连创始人谢尔盖·布林都回来亲自看代码。2023年4月DeepMind和Google Brain合并，哈萨比斯统领谷歌整个AI部门，随后推出Gemini系列模型。DeepMind走的是慢路子，靠科学功底一步步追，最后还真追上了OpenAI的节奏。前两次赌的是技术方向对不对，这一次赌的是另一样东西：慢，究竟能不能赢快。

　　但三次赢下来，没有哪一次是完美无瑕的。AlphaGo的胜利加剧了地缘科技竞争的紧张氛围；AlphaFold拿了诺贝尔奖，团队核心成员却开始流失；在追赶大模型的过程中，原本坚持的安全原则一再让步。赢棋容易，收拾棋局难。这三次豪赌押上的远不只是技术实力，还有人心和原则，而这两样东西，一旦失去，便再难寻回。

　　理想主义遇上商业帝国

　　一个科学家带着“造出终极智能”的理想创办了公司，然后把公司卖给了全球最大的科技巨头之一。接下来会发生什么？这是本书最让人坐立难安的部分。

　　DeepMind有三个联合创始人。哈萨比斯管科学方向，沙恩·莱格管技术，苏莱曼则致力于将研究成果落地。然而，2014年谷歌以约6.5亿美元买下这家公司之后，三个人之间的关系逐渐出现裂痕。苏莱曼推动与英国NHS开展医疗数据合作，不料引发舆论风波，其管理风格也招致内部投诉，最终被边缘化并离开。如今，他已辗转至微软出任AI部门CEO。当年一起创业的三个人，如今分别坐在谷歌和微软的AI主控台上。

　　更戏剧性的是书中揭露的“马里奥计划”。DeepMind曾秘密谋划脱离谷歌独立，不仅开价50亿美元分手费，还想建立独立的AI安全审查委员会。但谷歌先用一笔高达数十亿美元的资源承诺稳住局面，然后审查委员会胎死腹中，独立计划也随之泡汤。董事会结构、公司章程、安全承诺，这些纸面上看似牢靠的东西，在市场恐慌和商业压力面前，往往不如一句口头信任来得管用。

　　哈萨比斯身上有一种“奥本海默式”的困境。他自己就把DeepMind比作“曼哈顿计划”，这个比喻不仅指资源投入的规模，更包含一种技术伦理上的自觉。早在被谷歌收购时，他就坚持要设立伦理宪章，对AI安全有近乎偏执的关注。一个发明者可以在内心坚守底线，但是当发明的节奏被市场和竞争对手裹挟，底线能守住多久，恐怕连他自己也说不准。“马里奥计划”的结局已经给出了一个不太乐观的答案。

　　说到底，这本书始终在追问一个问题：AGI可能是人类的终极技术，如此威力无穷的存在，该由谁来掌控？哈萨比斯对此有自己的判断：还需要大约十年，以及一两个关键性技术突破，AGI不能仅靠大语言模型实现，他也坚信人类最终必然走向合作。但本书没有给出肯定的回答，只留了一个问号：哈萨比斯一直想做正确的事，但他能做到吗？

　　这个问号后面还藏着另一层意思。马拉比跟哈萨比斯关系极为紧密，三十多小时的独家对话，加之可全面进入DeepMind内部的采访权限，让这本书的叙事重心天然偏向传主。苏莱曼、辛顿等“反方”声音虽有出场，但情感天平始终倾斜。书中对谷歌母公司Alphabet层面的权力逻辑也着墨不多。不过，一个被传主深度信任的记者能看到什么、看不到什么，恰恰勾勒出这个人和这家公司的边界在哪里。

　　回头再看，这本《哈萨比斯：谷歌AI之脑》写的其实是同一种品质的三副面目：在棋盘和蛋白质上，哈萨比斯的直觉是远见；在大语言模型上，它一度成为路障；在跟谷歌的博弈中，它又化作一种拧巴的理想主义，一再变形，却始终没有彻底消失。人们最终看到的，不是一个天才的成功故事，而是一幅尚无定论的图景：一个人想用AI解决一切，但AI引发的问题，可能比他能解决得还要多。而这场关于智能、权力与未来的宏大实验还远远没有结束。

鑫东财配资提示：文章来自网络，不代表本站观点。