郑胜辉学习与思考第3188天

这是一本传记，主角是迪米斯·哈萨比斯。这位哈萨比斯何许人也呢？如果你今天在用任何一个AI产品，背后或多或少都会有这个人的影子。他是DeepMind的创始人，你可能还记得，当年击败围棋大师的AlphaGO，这个AI界的标志性产品就是他的手笔，如今谷歌的AI产品Gemini，也是他的作品。哈萨比斯还因为AI推动科学研究，而成为2024年诺贝尔化学奖得主。

哈萨比斯这个人，某种程度上定义了今天我们所理解的 AI 应该是什么样子。无论你是支持他还是反对他，是想成为他还是不想成为他，当你试图理解今天这个 AI 的时代，你都绕不开这个人。

但我读这本书，最想弄清楚的不是他的成就。我想弄清楚的，是他为什么会走向那里。哈萨比斯不是那种被时代推着走、顺势而为的成功者。恰恰相反，在他人生中最关键的几个节点上，他做出的选择都是反直觉的，甚至在当时看起来是非常荒唐的。

他18岁的时候，拒绝了一张50万英镑的支票。他花了十几年的时间，先做游戏，再读神经科学博士，绕了一个巨大的弯路，才走到 AI 这条路上。他在 2010 年创办 DeepMind，专门研究通用人工智能。但是，在那个年代，“通用人工智能”这个词，在大多数业内人士那里是个笑话，听到这个词，80% 的投资人都会把哈萨比斯当成骗子。

那他的底气从哪里来？为什么还会坚定地走在这条路上？这是我读这本书时一直在追问的问题。不是说他后来成功了，所以他当时的选择就是对的。很多坚持荒唐想法的人，最后也确实只是在坚持一个荒唐的想法。哈萨比斯身上一定有某些特别的东西，让他在那么多次面对质疑、面对困境的时候，始终没有放弃方向。我们就从哈萨比斯的一个个重要人生节点，来找到答案。

第一部分，想要了解哈萨比斯，我们要从一场棋局开始。在一场国际象棋锦标赛上，11岁的哈萨比斯正在和一位丹麦象棋大师对弈。这场比赛已经持续了将近十个小时。到了残局阶段，局势对哈萨比斯极为不利。哈萨比斯思考了很久，觉得自己已经输定了，于是选择投降，握手认负。

没想到，对手指着棋盘告诉他：你其实是可以和棋的。只要牺牲掉皇后，走一步看起来不合理的棋，局面就能转回来。接下来对手和朋友一起，都开始笑话小哈萨比斯。

这件事让哈萨比斯非常沮丧。但他沮丧的并不是输掉比赛本身，而是另一件事：他当时环顾四周，看到整个大厅里坐满了来自全欧洲的顶尖棋手，每一个人都在用自己最聪明的大脑，去研究棋盘上64个格子里的胜负。

就在这时，哈萨比斯心里冒出了一个念头：这个大厅里挤满了聪明绝顶的人，他们在棋盘上激烈地角逐，直到耗尽精力。这种巨大的集体智力投入，难道不应该用在更崇高的事业上吗？

这个念头从11岁开始，就没有离开过他。你可能会觉得，11岁的孩子说这种话，是不是有点表演的成分？但如果你往后看他的人生，你会发现这不是表演，这是他的底层操作系统。他天生就有一种对浪费智力的厌恶，以及对值得做的事的强烈执念。

哈萨比斯在这场比赛之前，原本是打算成为职业棋手的，但是经过这一次堪比“龙场悟道”的蜕变后，他把兴趣转向了新的爱好——计算机。他用赢棋得来的奖金，给自己买了第一台电脑。

这台电脑为哈萨比斯打开了另一个世界。他发现，原来有人在研究让电脑下棋这件事。他读到了一本叫《国际象棋计算机手册》的书，里面引用了信息论开拓者香农的观点，香农说：虽然让电脑下棋这件事本身没有实际用途，但如果计算机能够掌握复杂的游戏，这可能成为解决其他更重要问题的突破口。

这句话，哈萨比斯记了很多年。他后来说，正是这句话，让他意识到游戏可以是一个试验场，是探索智能本身的工具。这个认知在他后来的工作里一再出现：DeepMind 为什么要让 AI 玩游戏？为什么要让 AI 下围棋？答案就藏在这里。

要说哈萨比斯确实是个天才，他15岁就拿到了剑桥大学的录取通知书，但因为年纪太小，剑桥让他等两年再入学。在这段等待的时间里，他去了一家叫“牛蛙”的游戏公司实习。牛蛙在当时是英国最有名的游戏公司之一，当时他们正在开发一款叫《主题公园》的游戏，很多80、90后小时候还玩过这款游戏。哈萨比斯在那里学到了很多关于用程序模拟人类行为的技巧，也第一次近距离看到一个游戏公司是怎么运转的。

实习结束的时候，牛蛙的创始人非常看好他，他送给哈萨比斯一个临别礼物，是一本书，书名叫《哥德尔、艾舍尔、巴赫》。这是一本很奇怪的书，或者说这是一本“神书”，作者是认知科学家侯世达，内容横跨数学、音乐、语言、逻辑、AI，核心讨论的问题是：意识到底是怎么从物质中涌现出来的？

17岁的哈萨比斯读这本书，读到停不下来。他后来说，书里让他最着迷的，是关于智力和意识的章节。那是他第一次感觉到，也许人真的可以用科学的方式去理解智能、复制智能。

这本书，加上牛蛙公司的经历，让他对两件事同时产生了强烈的兴趣：游戏，以及AI。当时他还不知道这两件事怎么结合，但他隐隐感觉到，它们的未来是通向同一个东西的。

快要去剑桥入学的时候，牛蛙的创始人又找到哈萨比斯，开出一个条件：你留下来，加入我们下一款游戏的开发，我给你的年薪是50万英镑。50万英镑，在1990年代初是什么概念？大概相当于今天的170万美元。对一个18岁的年轻人来说，这就是一夜暴富。但是，哈萨比斯拒绝了。

哈萨比斯拒绝的原因说起来有点好玩，他当时看了一部电影，这部电影叫《生命的故事》，讲的是科学家沃森和克里克在剑桥发现DNA双螺旋结构的故事。哈萨比斯看完电影之后深受触动，做了两个决定：第一个决定，要坚定地在剑桥读书，第二个决定，他要追随这些人的脚步，他要去做真正的科学家。50万英镑买不走他坚定的方向。

哈萨比斯身上从很早开始就有一种普通人很少有的东西：他对自己想要什么，有异常清晰的答案，这个答案不是“更多的钱”，而是“更重要的事”。他父亲从小教他的就是：“无论输赢，真正重要的是你尽了最大努力。”哈萨比斯后来说，他是逐字逐句地理解这句话，不是“差不多尽力了”，而是“绝对绝对的全部”。这种对100%投入的执念，也可以解释，为什么他在面对那张50万英镑的支票时，可以很平静地摇头。因为在他的逻辑里，拿了钱就意味着要把自己的100%交给一件他认为不够重要的事。这是他不能接受的。

不过很有意思的是，当哈萨比斯去剑桥读完计算机科学之后，他并没有直接进入AI研究，而是又绕回去了——他又回去做游戏了。不是去牛蛙，而是1999年时，他创办了自己的游戏公司，这个游戏公司花了将近八年的时间，开发了一款策略游戏。在这个游戏里，玩家扮演一个国家的统治者，统治的对象不是几十个角色，而是数百万虚拟民众。

为什么哈萨比斯又回去做游戏了呢？哈萨比斯对这段经历有自己的解释。他说，做游戏有两个目的：第一，游戏本身就是AI的试验场，需要模拟人类的行为、群体的决策，这些问题让他对人工智能怎么理解世界有了更具体的感受。第二个原因，他需要钱。研究AI是一件需要长期投入的事，他需要先积累足够的资本，才能启动那个大计划。

哈萨比斯后来回忆，那段时间在他的大脑里同时运行着两个项目：一个是在屏幕上的游戏，另一个是在脑子里的AI。他把所有从游戏工作中赚到的时间和金钱，都看作是通往AI研究的路上的存粮。

29岁的时候，哈萨比斯又做了一个让所有人都感到意外的决定：他关闭了游戏工作室，去伦敦大学读了博士。而这次读的，跟AI、计算机都没有关系，他读的是神经科学的博士。

他的理由是，如果你真的想做通用人工智能，你必须先理解智能本身是什么。而智能最好的样本，就是人的大脑。他在这个问题上有一个深刻的信念：物理学研究的是外部的世界，但神经科学研究的是人内部的世界，那个感知和理解外部世界的东西本身。他认为这比物理学更根本。

用他自己的话来说：“智能是万物之本，是人类感知现实的机制。”直到 35 岁创办 DeepMind 之前，哈萨比斯看起来都在一些和 AI 没有那么强关联的地方兜兜转转。他嘴上说自己关注 AI，可是似乎一直没有真正入场。但实际上，这些看起来不务正业的事情，让他拥有了别人没有的东西：棋手的直觉，游戏设计师对人类行为的理解，神经科学家对人类大脑运作方式的认知。

这三件东西加在一起，构成了他后来做DeepMind做AI的底层方法论。

第二部分，哈萨比斯在当年想要做AI，其实是非常离经叛道的事情。要理解哈萨比斯在2010年做的事情有多大胆，你需要先知道那个时候 AI 是什么处境。别拿今天 AI 铺天盖地、红红火火的样子来套那个时候的情况。那是两个完全不同的世界。

其实AI 这个概念本身，最早可以追溯到1956年，当人们首先提出这个概念之后，当时的乐观情绪很高涨，有人预测，二十年内就可以造出真正的人工智能。但是，现实给了这个领域两次重击。

第一次是在1970年代，研究者发现，让机器真正理解语言和概念，远比想象中难。那时候能造出来的 AI，只能在特别窄的特定场景下表现不错，稍微换一个问题就抓瞎。政府和投资机构对这个方向的信心迅速崩塌，研究经费被大幅砍掉，圈子里的人把这段时间叫作“AI 寒冬”。

1980年代，随着技术迭代，AI 又迎来了一次热潮，风投的热情堪比今天。但到了1990年代中期，这条路又走到了头，第二次寒冬来临。

这次寒冬比第一次更难熬。第一次寒冬只是资金减少，第二次寒冬是整个学术圈都开始逃离。大学里，开人工智能相关课程的教授越来越少。很多顶级的 AI 研究者，把简历上的研究方向都改掉了，不敢提“人工智能”，要换成“机器学习”。一位后来参与深度学习研究的科学家，曾经描述那段时间，他说：“你要是在会议上说你在研究神经网络，旁边的人看你的眼神，就像你在声称相信鬼魂一样。”

在这种背景下，AGI（通用人工智能） 在当时成了一个没人敢大声说的词。不是因为没人想，而是因为 AI 圈子被现实打脸了太多次，谁再说大话，就会被当成骗子。

就是在这样的环境里，哈萨比斯向投资人们介绍他的计划：我要创办一家公司，我的目标是实现通用人工智能。结果是，80%的投资人听完，直接扭头离开。

你可以想象那个场景。一个35岁的天才，只要他愿意，他18岁的时候就可以年薪50万英镑，他做过天才的棋手，做过优秀的游戏设计师，做过神经科学的博士，现在站在这里，他说要造出人类历史上最重要的技术。大多数听众的第一反应，不是兴奋，而是：这个人是不是在骗钱？

换作我们肯定是顶不住的，但哈萨比斯对这个局面有一种奇特的平静。他在接受采访的时候说过一句话，我觉得很能说明他的心态：“我们只想要真正的信徒。那80%扭头走开的人，恰好帮我们筛掉了不该进来的人。”

这不是事后的自我安慰。他知道，做 AGI 这件事，需要的不是那种“我来试一试”的投资人，而是“我相信这是最重要的事，哪怕失败了也值得”的人。他需要的是真正的同频者。

DeepMind 创立时有三位联合创始人，哈萨比斯、沙恩·莱格和穆斯塔法·苏莱曼，他们三个就是这种真正的信徒。莱格是认知科学背景，他有一个著名的定义：“智能，是一个系统在各种环境中实现目标的能力。”苏莱曼更有意思，他拥有神学院的教育背景，他的研究更关注 AI 的社会影响，他想确保这项技术的发展方向不会失控。

三个人，一个想实现AGI，一个想定义AGI，一个想管住AGI。这个组合本身就说明了，哈萨比斯不只是想把技术做出来，他从一开始就意识到这件事的复杂性。当然，理想是一回事，现实是另一回事。DeepMind 创立的头几年，过得相当艰难。

直到它遇到了第一笔重要融资，这笔融资来自彼得·蒂尔。彼得·蒂尔是硅谷的传奇人物。他是 PayPal 的创始人，还是Facebook 最早的机构投资人，光是在Facebook这一项上就赚了超过十亿美元。

蒂尔是一个真正相信 AGI 的人。他自己就是国际象棋爱好者，1997年“深蓝”击败卡斯帕罗夫的那一刻，让他坚信 AI 终将颠覆人类的脑力劳动。所以哈萨比斯去找他，算是找对了人。2011年底，蒂尔的基金为Deepmind投入了790万美元，哈萨比斯终于可以踏踏实实搞研究了。

但到了2013年，当DeepMind需要更多资金时，蒂尔突然变了。他的基金不愿意继续担任这一轮的最大出资方。蒂尔一直是 DeepMind 最重要的背书，他一退出，整个融资节奏就都乱了。别的投资人可能原本愿意投钱的，现在也不愿意了。

这个时候事情开始变得越来越难。而且蒂尔的基金没有明确拒绝，只是一直拖着不松口。眼看DeepMind 账上的钱越来越少，少到快发不出工资的程度，他们必须在现有资源里拼凑出一个方案，否则 DeepMind 就要关门了。

这时候，哈萨比斯做了一件让很多人想不到的事：他带着一支小队，接了一个商业项目：帮一家购物平台优化商品推荐算法。具体的工作是，让 AI 分析一张裙子的照片，然后找出形状、图案、颜色相似的商品，推荐给用户。

这和 AGI 有什么关系？几乎没有。但是哈萨比斯接了，而且干得很认真。那段时间，团队里的研究员白天在写裙子识别的代码，晚上还在推进神经网络的基础研究，两条线并行，因为大家都知道，这是活下去的代价。哈萨比斯的状态也是这样：他在两个完全不同的频道里同时运转，一个频道是商业项目，另一个频道是他真正关心的问题。外人看起来，他已经向现实投降了；但他自己清楚，那条研究的线，一直没有断。

后来的转机，来自一个新投资人：周凯旋。周凯旋打理着李嘉诚基金会数百亿美元的财富，见到哈萨比斯后，短短15分钟，她就决定要投资DeepMind。她带着1360万美元进场，加上蒂尔基金最终追加的920万美元，凑出了超过2500万美元，DeepMind才真正稳住了。

哈萨比斯后来谈到那段经历，说那次差点倒闭让他意识到两件事：第一，不应该过度依赖单一投资人；第二，纯粹的基础研究和风险投资的逻辑，本质上是有冲突的。风投要的是可预期的回报窗口，而真正的科学探索，没有人能告诉你什么时候才会出结果。

哈萨比斯清楚，想要让 DeepMind 更健康地成长，很难像那些传统创业公司那样一轮一轮地融资，他必须要找到一个更加稳定、更加坚实的支持者。2014年1月，谷歌以6.5亿美元收购了DeepMind。

这个价格是怎么谈出来的？背后其实有一个细节，我觉得很能说明哈萨比斯的谈判风格。在谷歌出现之前，DeepMind 还有另一个追求者，那就是Facebook的掌门扎克伯格。哈萨比斯一边和谷歌谈，一边有意无意地让谷歌知道： Facebook 也在追我。这个竞争压力让谷歌在价格和条款上，都不得不更认真地对待这笔交易。

但光靠制造竞争还不够。哈萨比斯还有一个更厉害的帮手：杰弗里·辛顿。辛顿是谁？他被称为“AI教父”，神经网络领域的奠基人之一。谷歌在收购 DeepMind 之前，已经先收购了辛顿创办的公司。而谷歌内部在讨论 DeepMind 价值时，辛顿站出来说了一句话：仅仅哈萨比斯一个人，就值1.5亿美元。

AI教父开口为一个人背书，谷歌就得认真掂量这句话了。这不是普通的推荐信，而是这个领域最有话语权的人，在替 DeepMind 的价值定价。当然，辛顿后来自己也承认，1.5亿这个数字其实是他拍脑袋想出来的。

谷歌评估 DeepMind 的方式，本身也很有意思。他们有一套“人才收购”的定价模型：DeepMind 有三四十位核心研究员，不是普通工程师，而是真正的计算机和AI方面的科学家。谷歌在收购辛顿的公司时，平均每位科学家的隐含估值是1500万美元。按这个逻辑推算，DeepMind 整个团队，就值这个价。最终，谷歌以6.5亿美元成交。哈萨比斯个人大概拿到了1.36亿美元。

但哈萨比斯在谈判里还附加了一个条件，是外界很少提及的。他在签署收购协议的时候，要求谷歌必须支持设立一个独立的 AI 伦理委员会，负责监督 DeepMind 的研究方向。6.5亿美元的收购，还要附带一份对 AI 未来安全的承诺。

这个细节，我觉得非常能说明哈萨比斯对 AGI 的态度。他不是一个只想把技术做出来就不管后果的人。从 DeepMind 创立的第一天起，他就把“负责任地发展 AI”当作使命的一部分，而不是一个公关口号。

收购完成之后，哈萨比斯把拿到的钱绝大部分继续投入了研究。这也是他这个人的一个侧面：钱对他来说，是一种允许他继续做“正事”的资源，而不是目的。

第三部分，哈萨比斯也没有让谷歌失望，DeepMind 确实创造了人工智能的下一个春天。2016年3月，韩国首尔。DeepMind 的 AI 系统 AlphaGo，对阵世界围棋冠军李世石，要进行五场棋局。

在比赛开始之前，李世石接受采访，他非常乐观，预测自己会以5比0，最少是4比1赢得比赛。他说，围棋的棋局空间实在太大了，远超国际象棋，他不认为当时的 AI 能真正理解围棋的精髓。而且这个判断，当时有大量的专业棋手都认可。

然后第二局发生了。在比赛进行到第37步的时候，AlphaGo 走了一步棋，棋子落在了棋盘右侧一个没有人预料到的位置。解说的职业棋手当场停顿了几秒，不确定地看了看屏幕，然后说：这……这是一个错误吧？

那不是错误。那是 AlphaGo 走出的一步人类棋手几乎根本不可能想到的妙手。事后分析显示，那步棋的落点，在人类棋谱里出现的概率不到万分之一。但正是从那步棋开始，整个局面的走向彻底改变了。

连李世石都说，他从来没见过那样的棋。最终，AlphaGo 以4比1赢得了比赛。三年后，李世石宣布退役。他说，他再也无法感受到下棋的快乐了，因为他知道，存在一个永远无法被超越的存在。

这场比赛之所以重要，不只是因为 AI 赢了人类棋手，机器人成了最会下围棋的。更重要的是它证明了一件事：AI 可以在一个极端复杂的领域，靠自我学习，发展出超越人类经验积累的判断力。而这个判断力不是人教会的，是它自己“想”出来的。

哈萨比斯多年来相信的那件事，终于有了一个让所有人都无法否认的证明。但AlphaGo赢了人类棋手，并不意味着所有的问题都消失了。恰恰相反，成功之后，压力开始以另一种形式出现了。

因为谷歌那边的期望，不只是要出好的研究，还要快，还要能商业化，还要能和产品线结合，还希望能够赚钱，真的是“既要……又要……还要……”。这种压力，哈萨比斯不是没有感受到，但他选择了一种沉默的应对方式：继续按自己的节奏去推动研究。

然后，2022年初，一个人的离开，让这种内部的紧张第一次浮到了台面上。这个人叫杰克·雷，他是DeepMind 的核心研究员之一。他离开的原因，不是待遇，不是个人恩怨，而是他觉得AI的研究方向出了问题。

你要理解这件事的张力，先得知道雷是一个什么样的人。他在 DeepMind 工作多年，是团队里真正信仰 AGI 路线的人之一。他的离开，不是因为他不相信了，而是因为他对怎么走这条路，和哈萨比斯产生了根本性的分歧。

2019年，当 OpenAI 推出了 GPT-2 的时候，杰克·雷就已经看到了这个技术方向的潜力，他开始推动在 DeepMind 内部建立自己的大语言模型。而且他发现，这些技术完全可以封装成一个聊天机器人推向公众。他在内部一直在推这件事：产品就在那里，只需要做一个用户界面，然后把这个产品发布就行了。

换句话说，DeepMind 在当时完全有机会推出一个比 ChatGPT 更早的产品。我们回头看的话，如果抢占了这个先机，那得是一个多大的机会。但是这个请求，在 DeepMind 内部始终没有得到批准。

哈萨比斯给出的理由是：DeepMind 此前在一个医疗 AI 项目上发布过一款工具，后来因为临床场景复杂性超出预期，被迫撤回，承受了不小的舆论压力。这件事让哈萨比斯对“发布”这个动作格外谨慎。他不想为了抢先一步，让一个还没经过足够测试的产品跑出去，砸了多年建立起来的科学信誉。

其实两边的理由都成立。雷的逻辑是：机会窗口不等人，等完美等来的是落后；哈萨比斯的逻辑是：DeepMind 不是一家产品公司，跑得快不是我们的核心竞争力，跑得准才是。

这两种逻辑，在同一家公司里是很难共存的。所以雷最终选择离开，加入了 OpenAI。他离开的时候说了一句话，我觉得说出了他真正的心情：“去 OpenAI 会发现，大语言模型是唯一的赌注，没有其他赌注，这非常有吸引力。”他想要的，是那种全部押注在一条线上的清晰感。DeepMind 的多路并行，在他看来，不是谨慎，而是犹豫。

雷走了，而且跟着他走的，还有四位工程师。这是一个信号。一家机构里，当最聪明的一部分人开始用脚投票的时候，通常意味着某种内部分歧，已经从可以讨论的层面，变成了无法弥合的矛盾。

更大的危机还在外面。2022年11月，OpenAI 发布了 ChatGPT。一百天的时间，就积累了一亿用户。这个数字让整个科技行业都震动了。谷歌迅速进入了紧急状态，拉里·佩奇和谢尔盖·布林这两个几乎已经淡出日常管理的创始人，突然在一系列紧急会议上出现。结果是：合并谷歌大脑和 DeepMind，联合开发 Gemini，正面对抗 OpenAI。

哈萨比斯接手了这个任务。他从一个相对独立的研究机构负责人，开始变成了一场大规模商业竞赛的参与者。这是一个巨大的转变。一个坚持了二十年“慢慢来，做对的事”的人，突然被推入了一个所有人都在拼速度的竞技场。外界有人说他错过了 ChatGPT，错过了大语言模型这波浪潮；有人说他坚持的那套神经科学路径，已经被证明是AI研究中的弯路。他没有公开回应这些声音。他的答案，藏在另一条赛道上。

第四部分，外部竞争最激烈的那几年，谷歌在追 ChatGPT，OpenAI 在迅速地推广自己的模型，整个 AI 圈子都在卷规模、卷速度。哈萨比斯没有全心去追这场竞赛。他把团队的一部分力量，悄悄转向了一个完全不同的方向。这件事叫 AlphaFold。蛋白质折叠，这是生命科学里一个困扰了科学家超过50年的难题。

简单来说是这样的：蛋白质是生命活动的基础，几乎所有的生命过程，细胞工作、免疫反应、药物作用，都和蛋白质有关。而蛋白质的功能，由它的三维结构决定。

你可以把蛋白质想象成一根很长的项链，上面串着几百甚至几千颗形状各异的珠子。这根项链在自然界中不会保持着伸直的状态，它会按照某种规律自动折叠，弯曲成一个特定的立体形状。而这个立体形状，才是蛋白质能发挥功能的关键。

问题是，这根“项链”最终会折成什么形状，取决于珠子的排列顺序，以及各颗珠子之间复杂的物理化学作用力。这个折叠过程发生在瞬间，但是，要用数学方法计算出来，却需要穷举天文数字级的可能性。1980年代，就有科学家估算，如果用暴力计算，算清一个蛋白质的折叠方式，所需时间比整个宇宙的年龄还长。

所以传统方式，就只能靠人工实验：用 X 射线晶体学或者冷冻电镜，一个蛋白质一个蛋白质地测定。成本极高，速度极慢，世界上已知的蛋白质有几亿种，绝大多数的结构从来没有来得及测定。

AlphaGo 胜利之后，哈萨比斯把团队的一部分力量转向了这个问题。他相信，AI 在围棋上展现出的那种“从数据中自主发现规律”的能力，同样可以用在蛋白质折叠问题上。

2020年，AlphaFold 2 发布。它预测蛋白质结构的准确性，达到了和实验方法相当的水平，当然成本几乎可以忽略不计。这在科学界引发了真正的震动。在那之后的两年里，AlphaFold 预测了超过两亿种蛋白质的结构，并且全部免费开放给全世界的研究者使用。

免费开放很重要。在 AlphaFold 之前，一个科学家想测定一种蛋白质的结构，需要申请实验室时间，等排期，做实验，花费的时间动辄几个月，长的话甚至要几年，成本可以高达数十万美元。而现在，打开电脑，输入蛋白质的序列，几秒钟就能得到预测结果。全世界做药物研发的实验室、研究遗传病的科学家、试图理解免疫系统工作方式的研究者，突然都出现了一个极其好用的工具。

举个例子，疟疾这种折磨了人类几千年的传染病，它的致病寄生虫体内有几千种蛋白质，过去研究者只能弄清楚其中极少数的结构。AlphaFold 发布后，相关蛋白质的结构数据一夜之间全部可查。研究者可以立即拿来分析哪些蛋白质是潜在的药物靶点，这把原本需要十几年的研究工作，压缩到了马上就可以开始。

2024年，哈萨比斯因为 AlphaFold 获得了诺贝尔化学奖。从研究开始到获奖，不到七年时间，是近70年来化学领域从发现到获奖速度第二快的案例。诺贝尔委员会说，这是AI用于科学发现的历史性时刻。

哈萨比斯在接受本书作者采访的时候，有一个细节非常动人。他向作者展示了他在领取诺贝尔奖期间拍摄的三张照片。那是他在领奖时签名的签名簿，第一张照片上面是爱因斯坦的签名，第二张照片是沃森和克里克的签名，也就是我们前面提到的 DNA 双螺旋结构的发现者，一张是费曼的签名，那是哈萨比斯最喜欢的物理学家。

哈萨比斯告诉作者：“我的偶像们都在上面签名了，光是说起这件事情，我就激动得起鸡皮疙瘩。在签名簿上签字，感觉就像在和他们对话。坐在诺贝尔的会议室里，周围全是诺贝尔奖得主的雕像和画像。工作人员会向你讲述这段历史，你也将成为其中一员。这段经历太不可思议了。”这，才是哈萨比斯从11岁开始一直想做的事情。

结尾

在读这本书的时候，我一直在想一个问题：像哈萨比斯这样的人，他的动力究竟从哪里来？是来自从小就有的使命感？是来自比别人更多的兴趣？还是他作为天才的自负？

我觉得，这三件事在他身上根本没有办法分开。使命感，是他方向上的锚。最能说明这一点的，不是那些大话，而是谷歌收购谈判里那个附加条件。6.5亿美元的合同都快签了，他还要求对方必须设立独立的 AI 伦理委员会。拿钱的同时，他还要把“负责任地做 AI”写进协议里。你想想，有多少人在那个节点，会在意这件事？这就是使命感在起作用。它会让人在困难的时候不改方向，也让人在成功的时候不忘边界。

兴趣，是哈萨比斯续航的燃料。哈萨比斯在 DeepMind 差点倒闭的那段时间，白天做购物推荐算法，晚上还在研究神经网络，是因为他真的觉得这个问题好玩。因为有兴趣，这个人的动力才很难被耗尽。

自负，是他在没有外部支撑时，让他继续走下去的最后底气。在AI还是寒冬的时代，在80%的投资人听到哈萨比斯的商业计划扭头就走的时候，他却说，太好了，这帮我筛掉了不该进来的人。他真的相信自己是清醒的少数派。

三件事，缺一不可。少了使命感，他可能会在某个更赚钱的方向上停下来；少了兴趣，他可能会在漫长的等待里把精力耗尽；少了自负，他可能会在一次次被拒绝之后，终于开始怀疑自己是不是真的错了。

哈萨比斯是否真的能实现 AGI，此时此刻的我们还不知道。但有一件事我们已经知道了：他定义了这个时代的人们对 AI 应该是什么样子的想象。不管未来的 AI 发展走向哪里，它都会站在哈萨比斯站过的地方，然后向前再走一步。

资料来源：得到APP听书栏目。撰稿：陈章鱼；脑图：巫闽花。声明：除原创内容特别说明外，推送稿件文字及图片和音视频均来源于网络及各大主流媒体。版权归原作者所有，如认为内容侵权，请在文章下方留言联系我们删除。

我们的责任：协助更多的妈妈，成为内外兼修的母亲。把家庭经营好，把家族传承好。

母亲智慧文化馆的愿景：愿每一位母亲都能幸福三代人。

价值观：爱家；敬业；说到做到。

使命：传播母亲智慧文化；助力母亲内外兼修；助力家庭健康成长；助力家族美好传承。

客问：很多母亲在夫妻关系如何处理？亲子关系如何处理？职场关系如何处理等方面有焦虑。文化馆如何协助更多的母亲成为内外兼修的母亲？

师答：分二步走。

第一步：文化馆的一楼，通过讲解；通过陪聊；通过举办思维方式分享会等手段，解决母亲们“从不知道到知道”的痛点，让更多的母亲得到启发，走出焦虑。

第二步：文化馆的二楼，解决“从知道到做到”的痛点。通过内外兼修俱乐部进行陪跑，让更多的母亲外面漂漂亮亮的，里面又充满智慧，这样就有更多的力量把家庭经营好，把家族传承好。

地址：杭州南宋御街“密不可分母亲智慧文化馆”

联系人：叶子老师

解忧热线：1314 848 1314