【谷歌股价下跌核心人才被挖】本周一谷歌的股价跌了将近7%。华尔街开始感到焦虑因为谷歌最核心的两个技术大脑——AlphaFold的功臣、诺贝尔奖得主John Jumper以及大模型传奇人物、Transformer作者之一Noam Shazeer刚刚被竞争对手挖走了。【大家的疑问与哈萨比斯的回应】大家都想知道谷歌是不是在失血是不是快守不住大模型这一局了但在这几天戛纳创意节的舞台上DeepMind创始人哈萨比斯Demis Hassabis却显得挺无所谓。面对主持人的当场质问他轻描淡写地回了一句“我们在人才市场上赢下了该赢的部分而且DeepMind依然拥有行业里最宽广的研究板凳席。”【哈萨比斯的底气来源】哈萨比斯说这话确实是有底气的。今天硅谷的各大实验室在万亿估值下疯狂抢人但他还记得2010年刚创立DeepMind的日子。那时候工业界根本没人搭理AI哪怕在学术界去研究神经网络也基本等同于“职业生涯自杀”。大家都觉得这玩意儿在90年代就被MIT证明是个死胡同。哈萨比斯和一小群脑科学家不信邪硬是靠着强化学习和神经网络一路撑了过来才有了后来的AlphaGo和Transformer爆发。【话题回到技术本身】在这场与Semafor编辑Reed Albergotti的对话中哈萨比斯把话题从人才战拉回到了他真正关心的技术本身。他不太相信只靠纯文本写代码的自省模型比如Mythos能通往AGI。在他眼里智能必须理解物理世界这也是为什么DeepMind要花大力气做Veo和Omni这样的视频模型。【哈萨比斯的行业直觉】哈萨比斯甚至把这跟他2007年关于脑科学海马体的研究结合了起来指出人类的想象力其实就是一个“物理模拟器”。这就像他2003年在Pentium处理器上写过的那个因太超前而失败的模拟游戏《共和国》一样今天他终于可以用数十万张GPU去重新模拟细胞、天气甚至是整个经济体的运行。以下是这次谈话里他聊到的几个非常有意思的行业直觉别被高管被挖的新闻吓退科技行业本就该这么卷。2010年做神经网络是学术界的“职业自杀”现在成了人人眼红的香饽饽。顶尖人才的跨实验室流动其实是常态而谷歌作为孕育了Transformer、AlphaGo的策源地其庞大的研究深度和广度依然是对手无法比拟的。只靠写代码和文本自我迭代成就不了AGI。智能必须能感知并理解物理世界这也是为什么大模型需要看懂视频、看懂YouTube。只有打通了对现实物理世界的感知智能眼镜、具身机器人这些硬件场景才有可能真正落地。AI生成的音视频必须强制打上不可逆的水印。随着Veo这类视频模型越来越逼近真人深伪Deepfakes和造假已经防不胜防。谷歌早已在所有的生成内容里内嵌了隐形水印SynthID并开源给了OpenAI和英伟达。哈萨比斯认为这在未来应当变成像汽车安全带一样的强制性法规。真正的AI创意应当通过“爱因斯坦测试”。真正的创造力不是去鹦鹉学舌地拼接数据而是在有限的信息里推导出全新的真理。就像爱因斯坦当年在瑞士专利局里“白日梦”模拟光速列车、并以此推导出相对论一样AI同样需要通过“海马体”机制在虚拟世界里运行无数次模拟来寻找最优解这也是它解决生命科学、预测天气和推演经济的底层逻辑。【关于AGI路径与风险的探讨】采访者问哈萨比斯是否也像很多人一样认为通向AGI的路径会经过像Mythos这种可能很快具备某种自我改进能力的模型还是认为真正实现AGI仍然需要一种多模态的方法就像他们在Gemini上所做的那样。哈萨比斯表示随着越来越接近AGI需要用更系统化的方法来应对一切。前方有惊人的机会但也存在风险网络安全只是其中之一未来还会出现生物、核能等更严重的问题这是给全人类的预警希望能认真对待。至于AGI的技术路径他认为Google Brain或DeepMind过去十年里有大量关键突破他们一直是在多条路线上同时下注并推进。【DeepMind的人才情况】采访者问哈萨比斯觉得今天的DeepMind是否仍然拥有赢下AGI竞赛所需要的人才。哈萨比斯认为顶尖实验室之间人才流动多他们吸引到了相当一部分顶级人才在所有领先实验室中依然拥有最大、最广泛的研究梯队也持续产出绝对前沿的成果。不过现在市场竞争异常激烈2010年做AI几乎没人现在全世界都意识到了AI的潜力。【视频生成工具的进步】采访者问现在这些视频生成工具能够做到哪些一年前还做不到的事。哈萨比斯表示这些工具以及背后的模型几乎每个月都在大幅进步。一年前新的Omni模型和像Nano Banana这样的图像工具开始具备“实时编辑”生成结果的能力这对创作者极其有用过去一年最大的变化之一就是这种细粒度控制能力除此之外整体质量也在持续提升。【AI创作的相关讨论】采访者问关于广告行业内部对是否使用AI、是否披露等讨论是暂时性的还是会长期存在。哈萨比斯认为必须处理错误信息和深度伪造的问题他们开发了数字水印系统SynthID并开源希望最终成为监管要求。至于创作中使用AI是否披露他不确定认为这可能只是当前阶段的问题唯一需要明确的是最终输出是否是合成生成的。采访者问AI工具会怎样改变创造力。哈萨比斯认为会有双重变化一方面让创意工具民主化降低进入门槛但也会产生大量未必有创意价值的内容另一方面能增强和赋能专业创作者的创作流程让他们能做更多事、更快迭代。但就像任何新工具一样用错会削弱创作过程用得创新会增强创作过程创意产业还需要时间摸索最佳使用方式。采访者问是否应该有可审计机制让人们知道AI输出部分是否借用了自己的作品并获得补偿。哈萨比斯认为也许需要新的经济模式科技行业和创意行业需要共同合作但具体归因很困难未来还得继续看。【AI跨学科能力的探讨】采访者提到有人接受AI用于科学研究、治愈疾病但不喜欢用于再造音乐等认为有“跨学科能力”的问题。哈萨比斯表示AGI的核心命题是创造通用智能系统有些能力是不可分割的开发游戏是为了设定中间目标成为研究阶梯最终解决现实问题他投入时间使用AI系统主要是为了“AI for Science”。【AI创造力与大脑机制的关联】采访者问在AI中重新创造“机器海马体”能否仅通过用创意产业的数据来训练模型实现。哈萨比斯表示他早期做游戏时会在脑中模拟后来研究大脑机制发现想象力和记忆使用同样的大脑机制。采访者问视频模型根据提示词重建世界的机制和大脑中发生的事情是否有相似之处。哈萨比斯认为在系统层面上有相似性新的Omni模型和Veo模型在生成世界的方式上和大脑存在一些相似性未来几年会有惊人的设备。采访者提到“爱因斯坦测试”问哈萨比斯真正设想的是否更像是一种视觉化过程。哈萨比斯表示这是定义“真正创造力”的方式创造力是提出新的科学假设爱因斯坦是用视觉想象装置提出新理论还需要理解“原子的世界”。【虚拟世界的设想】采访者提到哈萨比斯做过的游戏Republic: The Revolution认为在2003年做这件事太超前。哈萨比斯表示当时条件不够。采访者问真正的突破是否会发生在虚拟世界内部。哈萨比斯表示当年做游戏模拟国家很有野心现在也许接近能生成类似世界的可能模拟和AI关系紧密模拟能选出最优路径在很多领域都希望能重复模拟AI可以从数据中学会模拟。