在访谈的一开头，Hassabis 就直言图灵测试已经由时，由于这是数十年提出来的一个基准，且图灵测试是根据人的行动与反应来作判断，这就随意马虎涌现类似前段韶光谷歌一工程师称 AI 系统已故意识的“闹剧”：研究者与一个措辞模型对话，将自己的感知映射在对模型的判断上，有失落客不雅观。

从2015年景立至今，DeepMind在人工智能领域的发展给天下带来过一次又一次的惊喜：从游戏程序AlphaGo到蛋白质预测模型AlphaFold，深度强化学习的技能打破办理了困扰人类科学家多年的重大科学问题，其背后团队的思考与动力，让人憧憬。

在Hassabis的这次访谈中，他还谈到一个有趣的不雅观点，即 AI 超越人类的智能局限。
当人类可能已经习气这个有韶光的三维天下，AI 也容许以达到从十二维理解天下的智能，摆脱工具的实质，由于我们人类对天下的理解也还存在许多不敷之处。

以下是对Demis Hassabis的访谈整理：

Lex Fridman：你是从什么时候开始喜好上编程的？

Demis Hassabis：我大约4岁开始下棋，8岁时用在一场国际象棋比赛中得到的奖金买了我的第一台电脑，一台zx spectrum，后面我买了关于编程的书。
我在一开始用电脑制作游戏时就爱上了打算机，以为它们非常神奇，是自己思想的延伸，你可以让它们做一些任务，隔天睡醒回来时它就已经办理了。

当然，所有机器在某种程度上都能做到这一点，增强我们的自然能力，例如汽车让我们的移动速率超过奔跑速率。
但人工智能是机器能够做所有学习的终极表现，因此，我的想法也很自然地延伸到了人工智能。

Lex Fridman：你是什么时候爱上人工智能的呢？什么时候开始理解到，它不但可以在睡觉的时候写程序、做数学运算，还可以实行比数学运算更繁芜的任务？

Demis Hassabis：大概可以分为几个阶段。

我是青少年国际象棋队的队长，在大概10岁、11岁的时候打算成为一名职业棋手，这是我的第一个梦想。
12岁时我达到大师级的水平，是天下上排名第二的棋手，仅次于Judith Pologer。
当我试图提高棋艺，首先须要提高自己的思维过程，思考大脑是如何想出这些想法的？它为什么会犯错？若何才能改进这个思维过程？

就像80年代早期和中期的国际象棋打算机，我已经习气了有一个 Kasparov 的品牌版本，虽然不像本日那么强大，但也可以通过与其练习来达到提高的目的。
当时我想，这真是太神奇了，有人把这个棋盘编成程序来下象棋。
我买了一本 David Levy 在1984年出版的《国际象棋打算机手册》，这是本非常故意义的书，让我可以充分理解国际象棋程序是如何制作的。

我的第一个人工智能程序是由我的Amiga编程的，我写了一个程序来玩奥赛罗逆向思维，这是一个比国际象棋轻微大略的游戏，但我在当中利用了国际象棋程序的所有原则，即α-β搜索等。

第二个阶段是在我16、17岁旁边时设计的一个叫 \"大众主题公园 \"大众的游戏，个中涉及到 AI 在游戏中仿照，只管以本日的 AI 标准来看它很大略，但它会对你作为玩家的游戏办法做出反应，因此它也被称为沙盒游戏。

Lex Fridman：可否说一些你同 AI 的关键联系？在游戏中创建 AI 系统须要什么？

Demis Hassabis：在我还是个孩子时就在游戏中演习自己，后面经历了一个设计游戏和编写 AI for 游戏的阶段。
我90年代写的所有游戏，都以人工智能为核心组成部分。
之以是在游戏行业这么做，是由于当时我认为游戏行业是技能的最前沿，像 John Carmack 和 Quake，彷佛都是在游戏中进行的。
我们仍在从当中获牟利益，像GPU，是为打算机图形而发明的，但后来被创造对 AI 有主要浸染。
以是当时我认为，游戏中拥有最前沿的人工智能。

早期我参与过一个叫\"大众黑白\"大众的游戏，它是强化学习在打算机游戏中运用最深刻的例子。
你可以在游戏中演习一个小宠物，它会从你对待它的办法中进行学习，如果你对它不好，那它就会变得刻薄，并对你的村落民和你所管理的小部落刻薄。
但如果你善待它，它也会变得善良。

Lex Fridman：游戏对善与恶的映射让我意识到，你可以通过你所做的选择来确定结局。
游戏可以带来这种哲学意义。

Demis Hassabis：我认为游戏是一种独特的媒介，作为玩家并不仅仅是被动地消费娱乐，实际上，你是作为一个代表积极参与的。
以是我认为这便是游戏在某些方面比其他媒介，例如电影和书本等更有内涵的缘故原由。

从一开始我们就对 AI 进行了深入的思考，将游戏作为证明和开放 AI 算法的试验场。
这也是 Deepmind 最初利用大量游戏作为紧张测试平台的缘故原由，由于游戏非常高效，也很随意马虎有指标来查看 AI 系统是如何改进的，思考的方向，以及是否在做渐进式地改进。

Lex Fridman：假设我们不能制造一台能在国际象棋中击败人类的机器，那么人们会认为，由于组合的繁芜性，围棋是一个无法破解的游戏。
但终极，AI 研究者造出了这台机器，人类才意识到，我们没有想象中那么聪明。

Demis Hassabis：这是一段有趣的思考旅程，尤其是当我从两个角度（AI 创造者与游戏玩家）来理解时，更以为神奇，同时又有点苦乐参半的觉得。

Kasparov 将国际象棋称为智能“果蝇”，我蛮喜好这个形容，由于国际象棋从一开始就与 AI 密切干系。
我认为每一位 AI 实践者，包括图灵和喷鼻香农，以及这一领域的所有先辈们，都考试测验过编写一个国际象棋程序。
喷鼻香农在1949年写了第一个关于国际象棋的程序文档，图灵也曾写过一个著名的国际象棋程序，但由于打算机太慢无法运行，因此他用铅笔和纸来手动运行程序，跟朋友一起玩。

DeepBlue 的涌现是一个主要的时候，它结合了我喜好的所有东西，包括国际象棋、打算机和人工智能。
1996年，它打败了 Garry Kasparov。
在那之后，我对 Kasparov 头脑的印象比对 DeepBlue 印象更深，由于 Kasparov 是人类的头脑，他不仅可以与打算机不才棋方面达到同一水平，Kasparov 也可以做人类能做的统统，比如骑自行车、说多国措辞、参与政治活动等等。

DeepBlue 虽然在国际象棋中有过辉煌时候，但它实际上是将国际象棋大师的知识提炼成一个程序，无法做其他任何事情。
因此我认为该系统中短缺了一些智能的东西，这也是我们考试测验做 AlphaGo 的缘故原由。

Lex Fridman：让我们大略地谈谈国际象棋中关于人类的一壁。
你从游戏设计的角度提出，象棋之以是吸引人是由于它是游戏。
能否阐明一下，在bishop（国际象棋中的“象”）和knight（国际象棋中的“马”）之间是否存在一种创造性的张力？是什么让游戏具有吸引力，并且能超过几个世纪？

Demis Hassabis：我也在思考这个问题。
实际上很多精良的象棋玩家并不一定是从游戏设计师的角度去思考这个问题。

为什么国际象棋如此吸引人？我认为一个关键的缘故原由是不同棋位的动态，你可以分辨出它们是封闭的还是开放的，想一下象和马的移动办法有多么不同，而后国际象棋在已经进化到平衡这二者的程度，大致都是3分。

Lex Fridman：以是你认为动态总是存在的，而剩下的规则是试图稳定游戏。

Demis Hassabis：大概这有点像鸡生蛋还是蛋生鸡的情形，但二者达到一种俏丽的平衡，象和马和骑士权力不同，但在全体宇宙的位置中其代价是相等的。
过去的几百年里，它们一贯被人类所平衡，我认为这授予了游戏创造性的张力。

Lex Fridman：你认为 AI 系统能吸引人类去设计游戏吗?

Demis Hassabis：这是个有趣的问题。
如果把创造力定义为想出一些原创的、对某个目的有用的东西，那么最低水平的创造力就像一个插值表达，根本的 AI 系统都具备这样的能力。
给它看数百万张猫的照片，然后给我一只普通的猫，这个被称之为插值。

还有像 AlphaGo，它可以推断。
AlphaGo 与自己对弈了数百万场后想出了一些非常棒的新点子，比如在对弈中走37步，供应了一个人类从未想到的策略，只管我们已经玩了上百数千年。

在此之上还有一个层次，便是能否跳出思维定式做真正的创新。
你能发明象棋，而不是想出一个棋步么？是否能发明国际象棋、或其他和国际象棋或围棋一样的东西？

我认为有一天 AI 可以做到，而现在的问题是如何给一个程序指定这个任务。
我们还不能把高层次抽象观点详细到人工智能系统中，它们在真正理解高层次的观点或抽象观点方面仍旧短缺一些东西。
就目前而言，它们可以组合和构成，AI 能够做插值和推断，但都不是真正的发明。

Lex Fridman：提出规则集并优化，环绕这些规则集制订繁芜的目标，是我们目前无法做到的。
但是否可以采取一个特定的规则集并运行，不雅观察 AI 系统从头开始学习的韶光有多长？

Demis Hassabis：实际上我考虑过，这对付游戏设计师来说是惊人的。
如果有一个别系拿你的游戏玩上千万次，大概一夜之间就能实现自动平衡规则。
可以通过方程或参数来调度游戏中的单位或规则，使游戏更平衡。
这有点像给出一个基本集，通过蒙特卡罗方法搜索或类似的方法来探索，那将是超级强大的工具。

而为了自动平衡，常日须要从数百场比赛中演习数千小时，平衡像星际争霸、暴雪等这样的游戏是令人震荡的，这须要测试职员年复一年的韶光。
以是可以想象，当某个时候这些东西变得足够有效，你可能会想在一夜之间做到。

Lex Fridman：你认为我们是生活在仿照（Simulation）中吗？

Demis Hassabis：是的。
Nick Bostrom 首次提出了著名的仿照理论，但我不太相信它。
从某种意义上说，我们是在某种电脑游戏中，或者我们的后代以某种办法在 21 世纪重塑地球。

理解物理学和宇宙的最佳办法是从打算的角度将其理解为信息宇宙，实际上，信息是现实的最基本单位。
与物质或能量比较，物理学家会说 E=mc²，这是宇宙的根本。
但我认为，信息可能是描述宇宙的最基本办法，它本身可以指定能量或物质精确的物质。
因此可以说我们处于某种仿照中。
但我不同意这些想法丢弃数十亿个仿照。

Lex Fridman：基于你对通用术语机器的理解、对打算机的理解，你认为宇宙中存在打算机能力之外的东西吗？你并不认同 Roger Penrose （数学物理学家）的见地？

Demis Hassabis： Roger Penrose 很有名，曾参与过许多精彩的辩论，我读过他的经典著作《天子新脑》，他阐明大脑中的意识还须要更多量子的东西。
我事情中也一贯在思考我们正在做什么，实际上，我们正将图灵机或经典打算推向极限。
经典打算的极限是什么？我也研究了神经科学，这是我博士选择这一方向的缘故原由，从神经科学或生物学的角度来看大脑中是否有量子存在。

到目前为止，大多数神经科学家和生物学家会说，没有证据表明大脑中有任何量子系统或效应，大多可以用经典理论和生物学方面的知识来阐明。
但与此同时，从图灵机可以做的事情开始，包括 AI 系统，这个过程是一贯在进行的，尤其是在过去的十年里。
我不敢打赌通用图灵机和经典打算范式能走多远，但大脑中发生的事情或容许以在机器上模拟，而不须要玄学或量子的东西。

Lex Fridman：下面我们谈谈 AlphaFold，你认为人类思维都来自于这种类似神经网络的、生物的打算糊状物，而非直接在精神上事情？

Demis Hassabis： 在我看来，宇宙中最大的奇迹便是我们头骨里只有几磅的糊状物，它也是大脑和目前所知宇宙中最繁芜的物体。
我认为这是一台令人惊奇的高效机器，这也是我一贯想构建 AI 的缘故原由之一。
通过构建像 AI 这样的智能体，将其与人类思维进行比较，或能帮助我们历史以来一贯想知道的心灵的独特性，和真正的秘密、意识、做梦、创造力、情绪等统统事物。

现在有了大量的工具来实现这件事。
所有的神经科学工具、FMI机器都可以记录，也有 AI 打算能力可以建立智能系统。
人类思维所能做的事情令人惊异，人类创造了像打算机这样的东西，并思考和研究这些问题，也都是对人类头脑的证明，有助于我们更清晰地理解宇宙和人类的思想。
乃至可以说，我们或许是宇宙考试测验和理解自己俏丽的机制所在。

从另一个角度看，生物学的基本构件也可以用于理解人类思想和身体，从基本构建开始仿照和建立模型是件很神奇的事情，你可以构建越来越大的、更繁芜的系统，乃至是全体人类生物学。

还有一个被认为不可能办理的问题，便是蛋白质折叠，而 AlphaFold 办理了蛋白质折叠问题，这是构造生物学史上最大的打破之一。
蛋白质是所有生命都必不可少的，身体每一个功能都依赖于蛋白质。

蛋白质由它们的基因序列（也被称为氨基酸序列）指定，可以将其视为它们的基本构件。
它们会在身体中、在自然界中折叠成一个三维构造，这个三维构造决定了它在身体中的功能。
此外，如果你对药物或疾病感兴趣，想用一种药归天合物来阻断蛋白质的浸染，条件是要理解蛋白质表面结合点的三维构造。

图注：2021年7月，DeepMind 首次通过与欧洲分子生物学实验室（EMBL）互助建立的数据库公开拓布 AlphaFold 预测结果，初始数据库包含了所有人类蛋白质的98%

Lex Fridman：蛋白质折叠问题的实质是，你能从氨基酸序列中得到一维的字母串吗？能通过打算立即预测出三维构造吗？这是50多年来生物学界的一个重大寻衅。
1972年的诺贝尔奖得到者 Christian Anfinsen 首次阐述，他推测，从氨基酸序列到三维构造是可以实现的。

Demis Hassabis： Christian Anfinsen 的这句话开启了全体打算生物学的50个边缘领域，他们被困在当中、并没有完成得很好。

在 AlphaFold 涌现之前，这都是通过实验来完成的，让蛋白质结晶是件非常困难的事情，有些蛋白质不能像膜蛋白那样结晶，必须利用昂贵的电子显微镜或X射线晶体剖析仪，才能得到三维构造并将其构造可视化。
有了 AlphaFold 后，两个人就能在几秒钟内预测出三维构造。

Lex Fridman：有一个数据集，它在这个数据集上进行演习，以及如何映射氨基酸。
令人难以相信的是，这个小的化学打算性能以某种分布式方法来打算，且算得非常快。

Demis Hassabis： 或许我们该谈论一下生命的起源。
实际上，蛋白质本身是一个神奇的小生物和动物机器。
提出列文塔尔悖论的科学家 Cyrus Levinthal 大致打算了一下，一样平常的蛋白质可能有2000个氨基酸碱基长，可以有10到300种不同的蛋白质折叠办法。
而在自然界中，物理学以某种办法办理了这个问题，蛋白质会在几毫秒、或是一秒的韶光内，在你的身体中折叠起来。

Lex Fridman：该序列有独特的办法来自我形成，它找到了一种在巨大可能性中保持稳定的办法。
某些情形下可能会涌现功能失落调等情形，但大多时候是独特的映射，而这种映射并不明显。

Demis Hassabis：如果是康健常日有一个独特的映射，那患病时，究竟问题出在哪里。
例如，曾经有一个对阿尔茨海默氏症的猜想是，由于以缺点的办法折叠 β-淀粉样蛋白导致折叠错位，以至于在神经元中纠缠在一起。

因此，要理解康健、功能和疾病，就须要理解它们是如何构造化的，知道这些东西在做什么超级主要。
下一步是当蛋白质与某些东西相互浸染时，它们会改变形状。
因此在生物学中，它们不一定是静态的。

Lex Fridman：或许你可以给出一些办理 AlphaFold 的方法，与游戏不同，这是真正的物理系统。
这当中什么是非常难办理的？有哪些跟办理方案是干系的？

Demis Hassabis：AlphaFold 是迄今为止我们构建的最繁芜、可能也是最故意义的系统。

我们起初构建的 AlphaGo 和 AlphaZero 都是与游戏干系，但终极目标不仅仅是破解游戏，而是利用它们来勾引通用学习系统，并应对现实天下的寻衅。
我们更多是希望致力于像蛋白质折叠这样的科学寻衅，AlphaFold 是我们的第一个主要证明点。

就数据来说，创新数量大概须要30多种不同的组成算法，放在一起来破解蛋白质折叠。
一些重大的创新是环绕物理学和进化生物学，建立了硬编码来约束像蛋白质中键角之类的东西，但不会影响学习系统，因此，系统仍能从案例中学习物理。

假设只有大约15万个蛋白质，纵然经由40年的实验，也大概只有约5万种蛋白质构造会被创造。
演习集比常日利用的数据量要少得多，但当中利用了像自我提取等各种技巧。
因此，利用 AlphaFold 做一些非常有信心的预测时，将其放回演习集中使演习集更大，对 AlphaFold 事情至关主要。

实际上，为理解决这个问题，须要进行大量的创新，AlphaFold 产生的是一个直方图，一种蛋白质中所有分子之间的成对间隔的矩阵，它们必须是一个单独的优化过程来创建三维构造。
要使 AlphaFold 真正地从端到端，可直接从氨基酸的碱基序列到三维构造，跳过中间步骤。

从机器学习中也可以创造，越是端到端，就越能使系统变得更好，系统比人类设计者更长于学习约束条件。
在这种情形下，三维构造要比有中间步骤更好，由于那必须手工进入下个步骤。
最好的办法是让梯度和学习一贯流经系统，从终点到想要的终极输出，再到输入。

Lex Fridman：关于 AlphaFold 的设想，那或许是生物学中一个漫长旅程的早期步骤，你认为同样的方法是否预测更繁芜的生物系统的构造和功能、多蛋白质相互浸染；其作为一个出发点，能仿照越来越大的系统，终极仿照像人的大脑、人体这样的东西吗？你认为这是一个长期的愿景吗？

Demis Hassabis：当然，一旦我们有了足够强大的生物学系统，治疗疾病和理解生物学便是我的 To Do List 上的紧张任务，这也是我亲自推动 AlphaFold 的缘故原由之一，AlphaFold 只是一个开始。

AlphaFold 办理了蛋白质构造这个巨大的问题，但生物学是动态的，我们所研究的所有东西都是蛋白质液体结合。
与分子发生反应，搭建通路，终极形成一个虚拟细胞，那是我的梦想。
我一贯同很多生物学朋友交谈，个中就包括了克里克研究所的生物学家 Paul Nurse。
对生物学和疾病创造来说，构建一个虚拟细胞是不可思议的，由于你可以在虚拟细胞上进行大量实验，末了阶段再进入实验室来验证。

就创造新药而言，从确定目标到拥有一个候选药物大约须要10年韶光，如果能在虚拟细胞中完成大部分事情，或容许以将韶光缩短一个数量级。
为了实现虚拟细胞，必须建立对生物学不同部分相互浸染的理解。
每隔几年，我们就会与跟 Paul 评论辩论这个问题。
去年在 AlphaFold 之后，我说现在终于是我们可以去做的时候了，Paul 非常激动。
我们与他的实验室有一些互助。
在 AlphaFold 的根本上，相信生物学会有一些惊人的进步，目前也可以看到，在 AlphaFold 开源之后已经有社区在做了。

我认为有一天，人工智能系统可能会办理像广义相对论这样的问题，而不仅仅是通过对互联网或公共医疗上的内容进行处理。
这将非常有趣，看它会能够想出什么。
这有点像我们之前关于创造力发明围棋的辩论，不是仅仅想出一个好的围棋动作。
如果想要得到像诺贝尔奖的奖项，那它须要做的是发明围棋，而不是由人类科学家或创造者来指定。

Lex Fridman：很多人确实把科学看作是站在巨人的肩膀上，而问题是你在巨人的肩膀上真正达到了多少？大概它只是接管了过去的不同类型的结果，终极以新的视角供应了打破性的想法。

Demis Hassabis：这是一个很大的谜团，我相信在过去十年乃至未来几十年中，很多新的重大打破都会涌如今不同学科领域的交叉点上，在这些看似不相关的领域之间会创造一些新的联系。
人们乃至可以认为，深层思维是神经科学思想和 AI 工程思想间的一种交叉学科。

Lex Fridman：你有一篇论文是“通过深度强化学习对托卡马克等离子体进行磁掌握”，以是你在寻求用深度强化学习来办理核聚变，做高温等离子体的掌握。
你能阐明一下 AI 为什么终极能办理这个吗？

Demis Hassabis：过去的一两年里，我们的事情非常有趣和看到了成效，我们启动了很多我的梦想项目，这些是我多年来网络的同科学领域干系的项目。
如果我们能参与推动，或许能带来具有变革性的影响，科学寻衅本身便是一个非常有趣的问题。

目前，核聚变面临许多寻衅，紧张在物理、材料、科学和工程等方面，以及如何建造这些大规模的核聚变反应堆并容纳等离子体。

我们与瑞士洛桑联邦理工学院（EPFL）和瑞士技能研究所互助，他们有一个测试反应器乐意让我们利用。
这是一个惊人的测试反应堆，他们在上面考试测验各种相称猖獗的实验。
而我们则看的是，当进入一个新领域如核聚变时，瓶颈问题是什么？从第一事理思考阻碍核聚变运作的底层问题是什么？

在这种情形下，血浆掌握是完美的。
这个等离子体有100万℃，比太阳还热，显然没有任何材料可以容纳它。
因此必须有非常强大的超导磁场，但问题是等离子体相称不稳定，就像在一个反应堆中持有许多颗星，提前预测等离子体会做什么，你可以在几百万秒内移动磁场来掌握它接下来会做什么。

如果你把它看作是一个强化学习预测问题，这彷佛很完美，有掌握器，可以移动磁场和切割，但此前用的是传统的掌握器。
我希望有一种可控的规则是他们不能在当下对等离子体做出反应，必须是硬编码的。

Lex Fridman：AI 终极办理了核聚变。

Demis Hassabis：去年我们在《自然》杂志上揭橥了关于办理这个问题的论文，把等离子体固定在一个特定的形状。
实际上这险些就像是把等离子体雕刻身分歧的形状，掌握它并保持在那里创记录的韶光。
这是核聚变的一个未办理的问题。

把它包含在构造中并保持，还有一些不同形状更有利于能量的产生，称为滴液等等，这是很主要的。
我们正与许多核聚变初创公司沟通，看在核聚变领域可以办理的下一个问题是什么。

Lex Fridman：论文标题中还有一个迷人的地方，通过办理分数电子问题来推动密度函数的前沿。
你能阐明一下这项事情吗？AI 在未来能否对任意的量子力学系统进行建模和仿照？

Demis Hassabis：人们试图写出密度函数的近似值以及对电子云的描述，不雅观察两个元素放在一起时如何相互浸染。
而我们试图做的是学习一种仿照，学习一种能够描述更多化学类型的化学函数。

到目前为止，AI 可以运行昂贵的仿照，但只能仿照非常小和非常大略的分子，我们无法做到仿照大型材料。
因此要建立函数近似值来展示其方程后，描述电子在做什么，所有材料科学和性子都是由电子如何相互浸染来掌握的。

Lex Fridman：通过功能对仿照进行总结来靠近实际仿照出来的结果，这项任务的难度在于运行繁芜的仿照，学习从初始条件和仿照参数的映射任务，学习函数会是什么？

Demis Hassabis：这很棘手，但好是我们已经做到了，我们可以在打算集群上运行大量的仿照，即分子动力学仿照，由此产生了大量的数据。
在这种情形下，数据是天生的。
这便是为什么我们利用游戏仿照器来天生数据，由于可以为所欲为地创造出更多的数据。
如果在云端有空闲的电脑，我们就可以运行这些打算。

Lex Fridman：你怎么理解生命起源？

Demis Hassabis：我认为 AI 的终极用场是将科学加速到极致。
它有点像知识之树。
如果你想象这便是宇宙中要得到的所有知识，但目前为止，我们险些只触及了它的表面。
AI 会加速这个过程，尽可能多地探索这棵知识树。

Lex Fridman：直觉见告我，人类的知识之树是非常小的，考虑到我们的认知局限。
纵然有工具，我们仍旧不能理解很多事情。
这大概是非人类系统能够走得更远的缘故原由。

Demis Hassabis：是的，很有可能。

但首先，这是两件不同的事情。
就像我们本日理解了什么，人类的思想能理解什么，我们要理解的整体是什么，这里有三个同心，你可以把它们想象成三棵更大的树，或者探索这棵树的更多分支。
有了 AI 后我们会探索更多。

现在的问题是，如果你思考一下我们能理解的事物的总体是什么，可能有些事物不能被理解，比如仿照之外的事物，或宇宙之外的事物。

Lex Fridman：由于人类大脑已经习气了这个有韶光的三维天下的状态。

Demis Hassabis：但我们的工具可以超越这些。
它们可以是11维，12维的。

我常常举的例子是当我和 Gary Kasparov 下棋时，我们谈论过象棋之类的东西，如果你很善于下棋，你不能想 Gary 他的走法，但他可以给你阐明。
你可以将其理解为事后推理。
有一个进一步的阐明，大概你不可能发明这个东西，但你可以理解和欣赏，就像你欣赏维瓦尔第或莫扎特一样欣赏它的美。

Lex Fridman：我想问一些更猖獗的问题。
比如，你认为地球之外有外星文明吗？

Demis Hassabis：我个人的意见是，我们目前是孤独的。
我们已经有各种天文望远镜和其他探测技能，考试测验着在太空里探求其他文明的旗子暗记，如果现在有许多外星文明在同时做这样的事，那我们该当听到来自外太空的喧华声音。
可事实是，我们什么旗子暗记也没收到。

有很多人会争辩说，天下上有外星文明，只是我们还没有真恰好好地去搜索，或者说我们找的波段缺点，也有可能利用了缺点的设备，我们没故意识到外星人存在的形式非常不同，等等。
但我不同意这些不雅观点，我们实在已经做了很多探索了，如果真有那么多外星文明，那我们该当早就创造了。

有趣的是，如果地球是孤独的文明，从大过滤器（Great Filters）的角度来看，这还挺令人欣慰，这意味着我们已经通过大过滤器的筛选了。

说回你刚才问的生命起源问题，生命起源于一些令人难以置信的事物，而且没人知道这些事是怎么发生的。
如果在地球以外的地方看到单细胞的某种生命形式，比如细菌，我不会感到惊异。
但就凭其能够捕获线粒体并将线粒体为我所用的这个能力，多细胞生命的涌现的难度便是空前绝后的。

Lex Fridman：你认为须要故意识才能有真正的智能吗?

Demis Hassabis：我个人认为，意识和聪慧是双重分离的，以是我们可以在没有聪慧的同时实现意识，反过来也一样。

举个例子，很多动物是有自我意识的，也会社交和做梦，它们可以被定义为有一定的自我意识，但是它们没有聪慧。
但同时，那些在某一任务上非常聪明的人工智能，它们会下象棋，或者实行其他任务实行得非常好，但是它们没有任何的自我意识。

Lex Fridman：前段韶光谷歌的一个工程师认为某个措辞模型是有感知的，你碰着过有感知的措辞模型吗？如果一个别系涌现了“感知”，你怎么理解这种情形？

Demis Hassabis：我不以为目前天下上的任何一个 AI 系统是故意识或者有感知的，这是我每天与 AI 互动的真实感想熏染。
所谓感知，更多是我们大脑自己的投射，由于那是一个措辞模型，与聪慧息息相关，以是人们就很随意马虎把系统拟人化。
这也是为什么我认为图灵测试有缺陷，由于它建立于人的反应和判断上。

我们该当和顶尖的哲学家谈谈意识，比如 Daniel Dennett 和 David Charmers，以及其他对意识有深刻思考的人。
目前意识还没有公认的定义，如果让我来说的话，我以为意识的定义是，信息得到处理时带来的觉得。

Lex Fridman：让我问一个阴郁的私人问题。
你说创造一个天下上最强大的超级人工智能系统。
正如老话所说，绝对权力导致腐败，你也很有可能成为个中一员，由于你是最有可能掌握这个别系的人。
你会考虑这些么?

Demis Hassabis：我每时每刻都在思考有什么能对抗这种腐败的防御方法。

人类最大利益的工具或技能让我们进入一个激进的天下，我们面临着许多艰巨的寻衅。
AI 可以帮助我们办理问题，终极使人类走向终极繁荣，乃至找到外星人。
而 AI 的创造者，AI 所依赖的文化，AI 拥有的代价不雅观，AI 系统的构建者都会影响它的发展。
纵然 AI 系统会自己学习，但其大部分知识也会带有一定已有文化和创造者代价不雅观的残留。

不同的文化让我们比以往任何时候都更加分裂，大概当我们进入了一个极度富余的时期往后，资源不那么稀缺了，我们就不须要激烈竞争，而是可以转向更好的互助。

Lex Fridman：当资源受到重大限定时，一些暴行就会发生。

Demis Hassabis：资源稀缺是导致竞争和毁坏的缘故原由之一，全人类都想生活在善良、安全的天下里，以是我们必须办理稀缺性的问题。

但这还不敷以达成和平，由于还有其他东西会产生腐败。
AI 不应该任由仅仅一个人、或者一个组织来运行。
我认为 AI 该当属于天下，属于人类，每个人都该当对 AI 有发言权。

Lex Fridman：你对高中生和大学生有什么建议吗? 如果年轻人有从事 AI 的欲望，或者想以自己的力量影响这个天下，他们该当如何得到一份自己由衷感到自满的职业？如何找到空想的生活？

Demis Hassabis：我总喜好对年轻人说两句话，第一句话是，你真正的激情在何处？年轻人该当去尽可能地探索这个天下。
在人年轻时，我们有足够多的韶光，还能够承担探索带来的风险。
以自己独特的办法去寻找事物之间的联系，我认为这是探求激情所在的好方法。

第二句话是，理解你自己。
要花很多韶光去理解自己最佳的事情办法是什么，最佳的事情韶光是什么时候，最佳的学习办法是什么?，如何应对压力。
年轻人该当在不同的环境下测试自己，考试测验改进自己的弱点，找出自己独特的技能和上风，然后磨练它们，这些便是你往后在这个天下上的代价。

如果你能把这两件事结合起来，找到自己的激情所在，磨炼出你自己独特而强大的技能，那么你就会得到不可思议的能量，给天下带来巨大的改变。