戴密斯·哈薩比斯 | 圖片來(lái)源：Wired

來(lái)源  WIRED.UK

作者  Greg Williams

編譯  桑頌

編輯  魏瀟

戴密斯·哈薩比斯（Demis Hassabis）——前兒童國(guó)際象棋神童、劍橋大學(xué)雙學(xué)科績(jī)優(yōu)生、世界智力運(yùn)動(dòng)會(huì)（World Mind Sports Olympiad）五屆冠軍得主、麻省理工學(xué)院（MIT）和哈佛大學(xué)校友、游戲設(shè)計(jì)師、青年創(chuàng)業(yè)者，以及人工智能（AI）創(chuàng)業(yè)公司 DeepMind 的聯(lián)合創(chuàng)始人——此刻正頭戴黃色頭盔，身著高領(lǐng)夾克和工裝靴，站在國(guó)王十字街區(qū)（King’s Cross）的一個(gè)屋頂上注視著倫敦，這是一個(gè)能夠從各個(gè)方向俯瞰這座城市的地方，在這里他能望到通往海格特（Highgate）的斜坡，他和他的家人就住在那里。

他來(lái)到這里是為了巡視 DeepMind 正在建設(shè)的新總部大樓，這家公司于 2010 年由他和倫敦大學(xué)學(xué)院（University College London, UCL）的研究員塞恩·雷格（Shane Legg）以及童年摯友穆斯塔法·蘇萊曼（Mustafa Suleyman）一同創(chuàng)建。雖然世人都默認(rèn) DeepMind 是一家科技創(chuàng)業(yè)公司，但它目前的主要業(yè)務(wù)仍是科學(xué)研發(fā)，而且已經(jīng)在學(xué)術(shù)期刊上發(fā)表了數(shù)百篇論文——這和那些人工智能研究機(jī)構(gòu)做的事情沒(méi)有什么區(qū)別。這棟由 500 個(gè)建筑承包商打造的大樓計(jì)劃于 2020 年中投入使用，象征著 DeepMind 的新起點(diǎn)。

DeepMind 官網(wǎng)對(duì)研究成果的介紹

新總部的位置位于國(guó)王十字車(chē)站以北，以“知識(shí)街區(qū)（Knowledge Quarter）”聞名。DeepMind 創(chuàng)建時(shí)，倫敦的大部分創(chuàng)業(yè)公司還在屈從于舊街（Old Street.）的影響力。但哈薩比斯和他的合伙人卻有著不同的愿景：“破解人類(lèi)智能之謎”，并發(fā)展通用人工智能（AGI）——更加強(qiáng)大的、能夠應(yīng)用于多領(lǐng)域的 AI。到目前為止，AI主要是通過(guò)構(gòu)建能夠贏(yíng)得游戲的算法來(lái)實(shí)現(xiàn)的，比如打磚塊、國(guó)際象棋和圍棋。下一步則是將其應(yīng)用于科學(xué)研究，利用計(jì)算機(jī)科學(xué)來(lái)解決化學(xué)、物理學(xué)和生物學(xué)中的復(fù)雜問(wèn)題。

“我們是一家研發(fā)為主的公司，” 43 歲的哈薩比斯說(shuō)?！拔覀兿Ｍx大學(xué)近一點(diǎn)，”他指的是倫敦大學(xué)學(xué)院（UCL），在那里他憑借題為《以神經(jīng)活動(dòng)進(jìn)程為基礎(chǔ)的情景記憶研究》的論文，獲得了自己的博士學(xué)位。“這也是為什么我們喜歡留在這兒，我們?nèi)匀浑x UCL、大英圖書(shū)館、圖靈研究所很近，離帝國(guó)理工也不算太遠(yuǎn)……”

哈薩比斯和他的合伙人深知，DeepMind 以它在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方面的突破而聞名于世：他們開(kāi)發(fā)的神經(jīng)網(wǎng)絡(luò)算法不但精通電腦游戲，還擊敗了國(guó)際象棋大師，并讓世界圍棋冠軍李世乭宣告：“從游戲開(kāi)始的那一刻起，我就沒(méi)有一刻覺(jué)得自己能贏(yíng)?！?/span>

“人機(jī)圍棋大戰(zhàn)”第二局前99手。| 來(lái)源：Wikipedia

過(guò)去，機(jī)器在與人類(lèi)的棋類(lèi)或其他類(lèi)游戲比賽中會(huì)顯現(xiàn)出明顯的算法特征：應(yīng)對(duì)風(fēng)格嚴(yán)格且死板。但是在圍棋對(duì)弈中，DeepMind 開(kāi)發(fā)的人工智能 AlphaGo 以一種近乎人類(lèi)的方式打敗了李世乭。第二局比賽中第 37 手一個(gè)極不尋常的舉動(dòng)令那些在首爾現(xiàn)場(chǎng)觀(guān)戰(zhàn)的人們倒吸了一口冷氣，并讓數(shù)百萬(wàn)在線(xiàn)觀(guān)眾感到困惑—— AI 用一種在人類(lèi)眼中極富創(chuàng)造力的方式走了一步棋。

對(duì)于哈薩比斯、蘇萊曼和雷格來(lái)說(shuō)，如果 DeepMind 的前九年被認(rèn)為是他們集中研究強(qiáng)化學(xué)習(xí)（reinforcement learning）的階段【這種基于代理系統(tǒng)的理論不僅試圖讓 AI 建立起所處世界和識(shí)別模式的模型（像深度學(xué)習(xí)所做的那樣），也能讓 AI靈活地做出決定并努力達(dá)到目標(biāo)）】，那么目前 AI 通過(guò)游戲?qū)箮?lái)的證據(jù)將定義下一個(gè)十年：即使用數(shù)據(jù)和機(jī)器學(xué)習(xí)來(lái)解決一些科學(xué)中最難的問(wèn)題。哈薩比斯說(shuō)，他們下一步的工作將從這個(gè)問(wèn)題出發(fā)：找到一個(gè)方法，讓深度學(xué)習(xí)將強(qiáng)化學(xué)習(xí)拓展到真實(shí)世界的問(wèn)題中。

“強(qiáng)化學(xué)習(xí)的缺點(diǎn)在于它一直集中于解決于小玩具式的問(wèn)題，這就像網(wǎng)格一樣規(guī)律又簡(jiǎn)單，”他說(shuō)?！叭藗冇X(jué)得它可能無(wú)法拓展到混亂真實(shí)的現(xiàn)實(shí)問(wèn)題，這才是我們想把強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)聯(lián)合起來(lái)并起到作用的地方?！?/span>

對(duì)于 DeepMind 來(lái)說(shuō)，新總部的修建象征著公司的新篇章——努力將研究的影響力和計(jì)算能力轉(zhuǎn)變?yōu)閷?duì)構(gòu)筑有機(jī)生命的單元的理解。這家公司希望通過(guò)這種做法能夠在醫(yī)學(xué)和其他學(xué)科取得對(duì)多個(gè)領(lǐng)域產(chǎn)生影響的突破?！拔覀兊娜蝿?wù)將是科學(xué)發(fā)展史上最迷人的旅程之一，”哈薩比斯說(shuō)。“我們正在努力建造一個(gè)科學(xué)進(jìn)取的殿堂?！?/span>

在 UCL 和 MIT 求學(xué)期間，哈薩比斯發(fā)現(xiàn)跨學(xué)科合作成了熱門(mén)。在他的回憶里，研討會(huì)是由來(lái)自不同學(xué)科如神經(jīng)科學(xué)、心理學(xué)、數(shù)學(xué)乃至哲學(xué)的學(xué)者們參與的。研究者們?cè)诨氐阶约核鶎僭合登皶?huì)進(jìn)行幾天的交流和辯論，并說(shuō)好要定期聚會(huì)、尋找合作方法。但是下一次會(huì)議很可能在一年之后才能召開(kāi)——申請(qǐng)經(jīng)費(fèi)、教學(xué)任務(wù)以及研究和學(xué)術(shù)生活都會(huì)妨礙這種跨學(xué)科合作。

“開(kāi)展跨學(xué)科研究很難，”哈薩比斯說(shuō)。“假設(shè)有兩位在數(shù)學(xué)和基因組學(xué)領(lǐng)域世界領(lǐng)先的科學(xué)家——顯然這之間存在一些交叉——但是誰(shuí)來(lái)充當(dāng)理解他人領(lǐng)域的工作、術(shù)語(yǔ)以及真正問(wèn)題的角色呢？”

即便找到了該領(lǐng)域存在的真正問(wèn)題，那么為什么這個(gè)問(wèn)題還沒(méi)有被解答？如果沒(méi)有得到解答，那么它面臨的棘手困難是什么？這在外人看來(lái)可能很簡(jiǎn)單。但是即使是處于同一學(xué)科的科學(xué)家，也不總是用同樣的方式來(lái)看待他們的工作。而且眾所周知的是，學(xué)者們很難為其他學(xué)科增添價(jià)值，找到一個(gè)能一起攻克的共性問(wèn)題就更難了。

現(xiàn)在的 DeepMind 總部——實(shí)際上就是國(guó)王十字街區(qū) Google 大廈中的兩層——近年已越來(lái)越知名。僅公司的 AI 研究就集中了六到七個(gè)學(xué)科，在擴(kuò)大影響范圍的同時(shí)還一直在招募數(shù)學(xué)、物理學(xué)、神經(jīng)科學(xué)、心理學(xué)、生物學(xué)和哲學(xué)方面的專(zhuān)家。

“科學(xué)最有趣的領(lǐng)域在于學(xué)科間的斷層和交叉，”哈薩比斯說(shuō)?！拔遗ㄔO(shè) DeepMind 是為了尋找‘粘合劑人才’——那些在多個(gè)領(lǐng)域都處于世界一流水平的人才，擁有找到不同學(xué)科之間相似之處和連接點(diǎn)的創(chuàng)造力?！?/span>

普什米·科里（Pushmeet Kohli）就是“粘合劑人才”中的一員——這位微軟研究院（Microsoft Research）的前任主管，現(xiàn)在正領(lǐng)導(dǎo)著 DeepMind 的科學(xué)團(tuán)隊(duì)。那段幾乎沒(méi)有任何實(shí)際進(jìn)展的“ AI 寒冬”在過(guò)去十年已經(jīng)結(jié)束。如今，面臨類(lèi)似困境的，是蛋白質(zhì)折疊預(yù)測(cè)。

蛋白質(zhì)結(jié)構(gòu)示意圖。| 來(lái)源：Pixabay

科里匯集了一支由結(jié)構(gòu)生物學(xué)、機(jī)器學(xué)習(xí)和物理學(xué)專(zhuān)家組成的團(tuán)隊(duì)來(lái)迎接這項(xiàng)重要問(wèn)題挑戰(zhàn)。蛋白質(zhì)是所有哺乳動(dòng)物生命的基礎(chǔ)，它們?cè)诜肿铀缴洗罱ㄆ鹆私M織和器官的大部分結(jié)構(gòu)和功能。它由氨基酸序列構(gòu)成，氨基酸序列的折疊結(jié)構(gòu)決定了蛋白質(zhì)的形狀，進(jìn)而決定其功能。

“蛋白質(zhì)是有史以來(lái)最令人嘆為觀(guān)止的機(jī)器，它允許原子在納米尺度移動(dòng)，化學(xué)效率是人造機(jī)器的 10n 倍，”約翰·江珀（John Jumper）說(shuō)，他是 DeepMind 的蛋白質(zhì)折疊研究者?！斑@些自組裝機(jī)器非常不可思議?！?/span>譬如，蛋白質(zhì)對(duì)細(xì)胞的每種功能來(lái)說(shuō)都是必需的，而錯(cuò)誤折疊的蛋白質(zhì)被認(rèn)為是導(dǎo)致帕金森、阿茨海默癥和糖尿病等疾病的關(guān)鍵因素。

“如果了解蛋白質(zhì)自然形成的過(guò)程，我們自己就能夠構(gòu)建它，”江珀說(shuō)?！笆菚r(shí)候看清這個(gè)復(fù)雜的微觀(guān)世界了?！?/span>

蛋白質(zhì)折疊問(wèn)題能夠吸引 DeepMind 團(tuán)隊(duì)的原因還包括基因組數(shù)據(jù)集的廣泛應(yīng)用。從 2006 年開(kāi)始，DNA 數(shù)據(jù)的采集、存儲(chǔ)、傳遞和分析開(kāi)始激增。研究人員推測(cè)到 2025 年時(shí)，可能已經(jīng)有二十億個(gè)基因組數(shù)據(jù)集被分析，這需要占據(jù) 40 EB（exabyte，1 EB = 1024 PB = 1048576 TB）的儲(chǔ)存容量。

“從深度學(xué)習(xí)的角度來(lái)這是一個(gè)很好的問(wèn)題，因?yàn)槿祟?lèi)付出了巨大的金錢(qián)、復(fù)雜性和時(shí)間（投入）成本，我們用來(lái)理解蛋白質(zhì)結(jié)構(gòu)的驚人資源已經(jīng)到位，”江珀說(shuō)。

取得進(jìn)展的同時(shí)，科學(xué)家們也在警惕虛假繁榮的泡沫。備受尊敬的美國(guó)分子生物學(xué)家塞勒斯·萊文索爾（Cyrus Levinthal）冷靜地表達(dá)了這項(xiàng)挑戰(zhàn)的復(fù)雜性，他指出在得到正確的三維結(jié)構(gòu)之前，找出一種代表性蛋白質(zhì)所有可能結(jié)構(gòu)所需的時(shí)間，可能比整個(gè)宇宙的發(fā)展進(jìn)程還要長(zhǎng)?！八阉骺臻g非常巨大，” DeepMind 的研發(fā)科學(xué)家里奇·埃文斯（Rich Evans）說(shuō)，“比圍棋還要大?！?/span>

無(wú)論如何，在 2018 年 12 月墨西哥坎昆舉行的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)技術(shù)關(guān)鍵評(píng)估（Critical Assessment of Techniques for Protein Structure Prediction，CASP）大會(huì)中，DeepMind 通過(guò)已知的氨基酸序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，取得了里程碑式的進(jìn)展。

他們的參賽代表是 AlphaFold——他們?cè)谥皟赡觊g開(kāi)發(fā)出的新 AI。組織方會(huì)提前向參賽成員發(fā)送數(shù)據(jù)集，后者則在不知道是否正確的情況下發(fā)回他們的預(yù)測(cè)結(jié)果。一共有 90 個(gè)蛋白質(zhì)結(jié)構(gòu)需要預(yù)測(cè)，其中一些是已經(jīng)有模板的預(yù)測(cè)目標(biāo)，參賽者能使用已解析出結(jié)構(gòu)的蛋白質(zhì)作為參考，而另一些則要從頭開(kāi)始建模。DeepMind 團(tuán)隊(duì)的最終賽果可以稱(chēng)得上輝煌：AlphaFold 總體上比其他團(tuán)隊(duì)更準(zhǔn)確，一些指標(biāo)遠(yuǎn)超其他團(tuán)隊(duì)，在需要從頭建模的 43 個(gè)蛋白質(zhì)序列模型中，AlphaFold 精準(zhǔn)預(yù)測(cè)了 25 個(gè)，并且優(yōu)勢(shì)十分明顯——第二名只成功預(yù)測(cè)出了 3 個(gè)。

AlphaFold在CASP13比賽中預(yù)測(cè)的蛋白質(zhì)三維骨架可視化圖。| 來(lái)源：Wired

此次預(yù)測(cè)競(jìng)賽的參與者、來(lái)自哈佛醫(yī)學(xué)院的穆罕默德·阿爾庫(kù)雷希（Mohammed AlQuraishi）表示：“我承認(rèn)他們做得很好，但卻沒(méi)想到會(huì)那么好。”

根據(jù)阿爾庫(kù)雷希的介紹，DeepMind 使用的方法與其他實(shí)驗(yàn)室是類(lèi)似的，但其獨(dú)特之處在于它們能夠“更好地完成”。他同時(shí)指出了 DeepMind 團(tuán)隊(duì)在工程方面的實(shí)力。

“我認(rèn)為他們能夠比學(xué)術(shù)團(tuán)隊(duì)做得更好，因?yàn)檫@個(gè)領(lǐng)域的學(xué)術(shù)團(tuán)隊(duì)往往不愿公開(kāi)自己的成果，”阿爾庫(kù)雷希說(shuō)?！岸?，即使 DeepMind 將他們對(duì)算法的構(gòu)思公之于眾讓大家獨(dú)立地嘗試，也沒(méi)有人能將它們整合起來(lái)?！?/span>

阿爾庫(kù)雷希將機(jī)器學(xué)習(xí)領(lǐng)域的學(xué)術(shù)團(tuán)體做了個(gè)對(duì)比，近年來(lái)像 Google Brain、DeepMind 和 Facebook 這類(lèi)公司經(jīng)歷了一些大規(guī)模的變遷，它們的組織結(jié)構(gòu)變得更加高效、薪酬待遇更為充足，而且擁有大學(xué)里沒(méi)有的計(jì)算機(jī)資源。

“在一定程度上來(lái)說(shuō)，機(jī)器學(xué)習(xí)領(lǐng)域的計(jì)算機(jī)科學(xué)團(tuán)體在過(guò)去的四到五年中已積累了豐富的經(jīng)驗(yàn)，”他說(shuō)?！?span style="box-sizing: inherit;font-weight: bolder;">計(jì)算生物學(xué)（Computational biology）在嶄新的現(xiàn)實(shí)面前才剛剛蘇醒?！?/span>

這與 DeepMind 的創(chuàng)始人在 2014 年 1 月被 Google 收購(gòu)時(shí)的解釋相呼應(yīng)。Google 龐大的計(jì)算設(shè)備網(wǎng)絡(luò)能夠使公司更快地推動(dòng)研究進(jìn)展，而 4 億英鎊（約合 34 億人民幣）的支票讓雇傭世界一流人才成為可能。哈薩比斯描述了招募適合特定研究領(lǐng)域的目標(biāo)人才的策略?！拔覀兊穆肪€(xiàn)圖告訴我們哪個(gè)學(xué)科領(lǐng)域或者 AI /神經(jīng)科學(xué)的哪個(gè)子領(lǐng)域?qū)⑹侵匾?，”他說(shuō)。“然后我們就去找到相應(yīng)領(lǐng)域中最優(yōu)秀的人?！?/span>

 “像 DeepMind 這樣的公司，我認(rèn)為研究蛋白質(zhì)折疊是一個(gè)很好的起點(diǎn)，因?yàn)樗膯?wèn)題很明確，并且有能夠使用的數(shù)據(jù)，你幾乎像是在處理一個(gè)純粹的計(jì)算機(jī)科學(xué)問(wèn)題?！卑枎?kù)雷希說(shuō)?！霸谄渌纳飳W(xué)領(lǐng)域則不太現(xiàn)實(shí)，它們更麻煩。因此，我并不認(rèn)為 DeepMind 在蛋白質(zhì)折疊方向取得的成功能夠自動(dòng)轉(zhuǎn)化到其他領(lǐng)域?！?/span>

作為一家研究型企業(yè)，DeepMind 的項(xiàng)目管理體系非常龐大。每 6 個(gè)月，高級(jí)項(xiàng)目經(jīng)理會(huì)審查優(yōu)先事項(xiàng)、重新組織一些項(xiàng)目并對(duì)團(tuán)隊(duì)成員尤其是工程師們進(jìn)行激勵(lì)、并進(jìn)行人事調(diào)整。學(xué)科交叉是常見(jiàn)且有意為之的。公司的許多項(xiàng)目周期都比較長(zhǎng)，通常在兩到四年之間。但是，盡管 DeepMind 的信息一直圍繞其研究，它現(xiàn)在是 Google 母公司——Alphabet 旗下的一個(gè)子公司，同時(shí)也是全球排位第四的最有價(jià)值公司。在倫敦的學(xué)者期望他們能夠參與長(zhǎng)期、開(kāi)創(chuàng)性的研究的同時(shí)，加利福尼亞的高管們則會(huì)留心他們的投資回報(bào)率。

曾有媒體報(bào)道，DeepMind 近年來(lái)接連虧損，其 2018 年虧損已達(dá) 5.72 億美元（約合 40 億人民幣）?？梢悦鞔_的是，錢(qián)大部分都貢獻(xiàn)給了旗下員工：DeepMind 雇用數(shù)百名昂貴的研究人員和數(shù)據(jù)科學(xué)家，但并沒(méi)有產(chǎn)生任何重大收入。2018 年，DeepMind 為約 700 名員工花費(fèi)了 4.8 億美元，員工平均年薪高達(dá) 400 萬(wàn)人民幣，比 2017 年增加了近一倍。

“我們關(guān)注產(chǎn)品，我們希望 Google 和 Alphabet 是成功的，并且能夠通過(guò)我們正在進(jìn)行的研究獲取利潤(rùn)——他們擁有 DeepMind 編程的數(shù)十種產(chǎn)品和背后的技術(shù)，重要的是這是一種推動(dòng)而不是拉動(dòng)，”哈薩比斯說(shuō)。

 “許多產(chǎn)業(yè)研究都是產(chǎn)品導(dǎo)向的，”哈薩比斯說(shuō)?！?span style="box-sizing: inherit;font-weight: bolder;">問(wèn)題在于你只能做增量研究，這不利于開(kāi)展重大突破所必須的、有雄心高風(fēng)險(xiǎn)的研究。”

哈薩比斯提到，大型制藥公司會(huì)為研發(fā)投入數(shù)十億美元：在季度盈利報(bào)告的推動(dòng)下，制藥行業(yè)隨著失敗成本的增加變得愈加保守。根據(jù)創(chuàng)新基金會(huì) Nesta 2018 年的一份報(bào)告，在過(guò)去 50 年中，生物醫(yī)藥研發(fā)生產(chǎn)力穩(wěn)步下降——盡管公共和私人投資大幅增加，但新藥的開(kāi)發(fā)成本越來(lái)越高。該報(bào)告指出，“開(kāi)發(fā)新藥的成本呈指數(shù)增長(zhǎng)，這直接反映在研發(fā)支出的低回報(bào)率上。最近的一項(xiàng)估計(jì)顯示，全球最大的制藥公司的回報(bào)率為 3.2％ ; 同樣，德勤的研究估計(jì)，生物制藥的研發(fā)回報(bào)率從 2010 年的 10.1% 降至 2018 的 1.9%，達(dá)到了 9 年來(lái)的最低水平。

“看看大多數(shù)大型制藥公司的首席執(zhí)行官，他們不是科學(xué)家，而是來(lái)自財(cái)務(wù)部門(mén)或營(yíng)銷(xiāo)部門(mén)，”哈薩比斯說(shuō)?！斑@對(duì)組織有什么影響？這意味著公司要從已經(jīng)發(fā)明的東西中擠出更多利潤(rùn)，比如削減成本或拓展市場(chǎng)，而不是真正發(fā)明新東西——這更有風(fēng)險(xiǎn)。你不能就這么輕易地把電子表格里的研發(fā)成本砍掉。這不是一種富有創(chuàng)造力的思維方式...... 

對(duì)于許多創(chuàng)業(yè)者來(lái)說(shuō)，他們常擁有一個(gè)機(jī)緣巧合的起點(diǎn)——他們遇到了讓自己下定決心解決的問(wèn)題，偶然遇到了合伙人或投資人以及擁護(hù)自己想法的學(xué)者。但對(duì)哈薩比斯來(lái)說(shuō)情況并非如此，他有目的地做了一系列決定——其中一些甚至是在生命中更早的階段就定下了的，而這些決定最終促成了 DeepMind 的誕生?！斑@是我窮盡一生來(lái)抵達(dá)的目標(biāo)，”他說(shuō)?！皬挠螒蛟O(shè)計(jì)，到游戲?qū)?、學(xué)習(xí)神經(jīng)科學(xué)和編程、大學(xué)期間學(xué)習(xí) AI、去許多世界頂級(jí)機(jī)構(gòu)深造、攻讀博士學(xué)位的同時(shí)開(kāi)始創(chuàng)立自己的早期事業(yè)……我已經(jīng)盡可能地用上了自己的每一點(diǎn)經(jīng)驗(yàn)。我很明確，在每個(gè)人生路口做出的選擇最終匯聚在一起，形成了我目前的人生?！?/span>

即便公司已經(jīng)準(zhǔn)備搬到新的總部，哈薩比斯仍認(rèn)為 DeepMind 還是一家創(chuàng)業(yè)公司，正在與世界上其他國(guó)家（如中國(guó)和美國(guó)）的公司進(jìn)行競(jìng)爭(zhēng)，“有許多大公司在試圖做這些事情，”他說(shuō)。他提到，盡管取得了進(jìn)展，但 DeepMind 在破解人類(lèi)智能之謎、建立 AGI 上仍有很長(zhǎng)的路要走?！拔胰匀幌Ｍ覀儽３钟幸粋€(gè)創(chuàng)業(yè)公司應(yīng)該有的渴望、節(jié)奏與活力?！?/span>

DeepMind 的員工們站在國(guó)王十字街區(qū)的屋頂上。| 來(lái)源：Wired

創(chuàng)新是困難且孤獨(dú)的。建立一個(gè)組織的流程和文化，使其能夠“在世界中有所作為，”——就像史蒂芬·喬布斯（Steve Jobs）告訴團(tuán)隊(duì)開(kāi)發(fā) Mac 計(jì)算機(jī)那樣，很少有企業(yè)或者機(jī)構(gòu)能夠在多領(lǐng)域發(fā)展出多條產(chǎn)品線(xiàn)。隨著 DeepMind 的發(fā)展，創(chuàng)始人需要尋求前路，同時(shí)密切留意在未來(lái)幾年中可能成為最具變革性的技術(shù)，這其中充滿(mǎn)著潛在的危險(xiǎn)及機(jī)遇。

“你會(huì)度過(guò)許多艱難的日子，我認(rèn)為在一天結(jié)束時(shí)，努力賺到很多錢(qián)或其他任何事情都不足以幫你度過(guò)那些真正痛苦的節(jié)點(diǎn)，”哈薩比斯說(shuō)。“只有真正地懷有熱情并堅(jiān)定地相信自己所做是真正重要的事情，才能讓你渡過(guò)難關(guān)?！?/span>