DeepMind CEO Demis Hassabis：AI应作为科学发现工具，而非仅卷入AGI商业竞赛

事件概述

Google DeepMind CEO Demis Hassabis近期在访谈中阐述了其对人工智能发展的核心观点：AI的首要使命应是作为解决人类重大科学难题的工具，而非仅仅参与AGI（通用人工智能）的商业竞赛或提供娱乐化服务。他强调，尽管行业节奏因资本和产品竞争而加速，但DeepMind仍坚持将智能研究回归到科学发现的本质。

核心事实与论据

1. AI作为科学加速器的优先价值

• AlphaFold的突破性影响：AlphaFold成功解决了持续数十年的蛋白质结构预测难题，将原本需要多年实验验证的过程缩短为AI模型计算，并公开数据以推动全球科研进步。
• 聚焦长期挑战：Hassabis指出，AI应专注于人类健康、材料能源等长期科学挑战，而非仅优化生产效率或娱乐应用。
• 科学范式重构：DeepMind致力于证明AI不仅是信息处理工具，更是能够系统性加速十年量级科研进程的“新科学方法论”。

2. 科研理想与商业现实的博弈

• 初衷与现状的冲突：DeepMind最初构想类似CERN（欧洲核子研究组织）的长期科研机构，旨在从容地研究智能本质；但在ChatGPT引爆行业后，被迫卷入高强度的产品竞争、基础设施争夺和资本博弈。
• 双重路线拉扯：当前AI发展虽被短期商业指标主导，但Hassabis仍坚持智能本质研究及科学问题求解的初心，试图在商业现实与科学理想之间寻找平衡。

3. 学习型系统的创造性潜力

• 从模仿到创造：通过AlphaGo的“神之一手”和AlphaZero的自我博弈，证明了AI能从第一性原理出发自主学习，发现人类未知的策略，这种能力可迁移至药物设计、材料科学等复杂领域。
• 非预设知识库：关键突破在于系统不依赖人类预设知识，而是通过自我反馈和优化找到新的解法。

4. AGI的定义与安全风险

• 行动型系统：Hassabis认为真正的AGI不应局限于聊天机器人式的语言交互，而应具备规划、执行、调用工具并与现实世界发生作用的“行动型系统”能力。
• 双重风险挑战：
  • 恶意使用：包括生物武器开发、网络攻击等双用途技术风险。
  • 自主失控：随着系统自主性增强，需防范其在长链条任务中偏离预期目标或做出不可控动作。
• 治理需求：必须同步建立防护栏（guardrails）、评估体系以及国际合作机制，以确保安全与发展并行。

值得关注

• 叙事转变：公众对AI的认知正从消费级产品（如写作、绘图助手）向更深层的科学发现工具转变。
• 长期主义：在追求模型排行榜和融资估值的喧嚣中，Hassabis呼吁关注AI如何帮助人类在蛋白质、药物、能源等领域更快接近答案，重塑文明底层结构。