唐 杰
我们常说AI研究是一场没有终点的长跑。但如果我们要寻找这一代人心中通用人工智能（AGI）梦想的起点，谷歌DeepMind首席执行官兼创始人德米斯·哈萨比斯无疑是绕不开的坐标。
作为一名长期身处学术界与产业界的研究者，我在阅读塞巴斯蒂安·马拉比所著的这部关于哈萨比斯的传记——《哈萨比斯：谷歌AI之脑》时，产生了一种奇妙的既视感。这种感觉并非源于我们有着相似的背景——尽管我们都致力于探求AI智能的本质，都在大学的象牙塔与商业的战场之间穿梭——而是源于一种对终极科学问题的共鸣：如何通过构建硅基的智能，去理解碳基的生命，乃至解构整个宇宙的物理法则。
书中记录了哈萨比斯的一句名言：“解决智能问题，然后用它解决一切。”这句话在AI圈内广为流传，但很少有人能像马拉比这样，通过翔实的访谈和深入的调研，揭示出这句话背后近乎苦行僧般的科学信仰。
从早期的算法模型到如今的大模型，这其中经历了几个范式跃迁。哈萨比斯的独特之处在于，他并未止步于让AI在围棋棋盘上战胜人类，尽管AlphaGo已经是划时代的里程碑。他真正的野心在于AI for Science——让AI真正服务人类进步。
当DeepMind用算法解决了困扰生物学界半个世纪的蛋白质折叠难题时，哈萨比斯证明了AI不仅仅是模仿人类认知的工具，更是拓展人类知识边界的“望远镜”。这与我们所推崇的理念不谋而合——下一代AI的核心价值，在于它能否成为科学发现的基础设施，能否在数学、物理、生物等基础学科中找到新的“上帝视角”。
哈萨比斯的探索路线为我们提供了宝贵的参照。DeepMind起家于强化学习（Reinforcement Learning），它在AlphaGo、AlphaZero中展现了强大的逻辑推理与决策能力，这类似于人类的慢思考。而近年来，随着Transformer架构的崛起，以GPT和Gemini为代表的大模型展现了惊人的生成与直觉能力，这更像人类的快思考。
哈萨比斯在书中被描述为一个试图融合这两者的“架构师”。他在Gemini项目中试图将DeepMind在强化学习上的深厚积累与大语言模型的通识能力相结合。这也是当前全球顶尖AI实验室都在攻克的难关。无论是谷歌DeepMind的Gemini模型，还是OpenAI的o1模型，抑或是我们的GLM系列，殊途同归，我们都在寻找那把打开“认知与推理”双重枷锁的钥匙。
马拉比在书中敏锐地捕捉到了哈萨比斯身上的“奥本海默式”困境。哈萨比斯将DeepMind比作“阿波罗计划”或“曼哈顿计划”，这不仅仅是关于资源投入的比喻，更是关于技术伦理的警示。当我们试图打造一台“无限机器”时，我们实际上是在创造一个可能超越人类理解力的存在。书中披露了哈萨比斯在DeepMind被谷歌收购后坚持设立伦理宪章的细节，以及他对AI安全近乎偏执的关注。这提醒我们，在追求算力规模和模型参数的同时，对齐（alignment）和安全是AGI大厦的基石，而非装饰品。
《哈萨比斯：谷歌AI之脑》不仅是一部商业人物传记，更是一部正在发生的科技史。对于中国的AI从业者而言，这本书提供了一个绝佳的视角，去审视我们的竞争对手，或者说我们的“同行者”。
在通往AGI的道路上，或许会有公司层面的竞争，但在科学的尺度上，我们都是在黑暗中摸索的人。愿这本书点燃更多年轻学子心中的火焰，让我们共同见证智能时代的到来。
（作者系清华大学计算机系讲席教授、智谱AI创始人、GLM模型创始人）
网友评论
