Биология слишком сложна для изящных законов Ньютона; ИИ станет для неё тем же, чем математика стала для физики. Демис Хассабис находит «подозрительным» то, что Вселенная идеально приспособлена для научного метода, а компьютеры можно собирать из обычного песка. Пока мир спорит о чат-ботах, основатель DeepMind строит виртуальную клетку и ищет способ взломать код реальности с помощью универсального интеллекта.
🧠 Тест Тьюринга, магия программирования и игры как полигон для ИИ 1:59
Переосмысление теста Тьюринга: от имитации к обобщению 1:59
Обсуждение будущего искусственного интеллекта Лекс Фридман (Lex Fridman) начинает с классического вопроса о тесте Тьюринга. Демис Хассабис (Demis Hassabis) признает, что Алан Тьюринг — один из его главных героев, однако считает, что оригинальную статью 1950 года сегодня часто интерпретируют неверно. По мнению Хассабиса, Тьюринг задумывал свой тест скорее как философский мысленный эксперимент, а не как строгий научный бенчмарк .
Проблема теста Тьюринга заключается в отсутствии четких параметров: в нем не специфицированы уровень компетенции судьи, объем знаний системы или время, отведенное на проверку. Демис напоминает, что формально тест Тьюринга объявляли пройденным еще десятилетие назад — например, когда программа успешно прикидывалась ребенком, тем самым маскируя свои логические пробелы перед судьями .
Вместо того чтобы пытаться обмануть человека в диалоге, современный ИИ должен стремиться к «общему тесту» (general test). Хассабис предлагает оценивать способность системы выполнять миллионы различных задач, охватывая все когнитивное пространство . Ключевым показателем здесь становится обобщение (generalizability). Демис отмечает:
- Язык — это мощнейший инструмент коммуникации, в котором мы выражаем свои мысли, но это не единственная важная модальность .
- Истинный интеллект должен проявляться через действия, визуальное восприятие и даже физическое взаимодействие (робототехнику) .
- Фундаментом интеллекта является предсказание: не так важно, предсказывает ли модель следующее слово или следующее действие в сложной среде .
В качестве примера Демис упоминает Gato — мультимодального агента DeepMind, который стал важным шагом на пути к универсальности, хотя это лишь начало масштабного пути к AGI .
Геймдизайн и обучение с подкреплением: почему DeepMind начинался с игр 16:40
Путь Демиса Хассабиса в ИИ неразрывно связан с игровой индустрией. Он начал играть в шахматы в четыре года, а в восемь лет на призовые от шахматного турнира купил свой первый компьютер — ZX Spectrum . Именно простота и доступность программирования на таких машинах, как Spectrum и Commodore Amiga, сформировали целое поколение британских инженеров . Для Демиса компьютер стал «магическим расширением разума» — устройством, которому можно поручить задачу перед сном, а утром получить готовое решение .
Позже, в 16-17 лет, Хассабис уже профессионально занимался геймдизайном, работая над хитами вроде Theme Park. Он рассматривал игры как передовую технологическую площадку: в 90-е годы именно в играх, а не в академической среде, происходили главные прорывы в графике и ИИ .
DeepMind с самого основания в 2010 году сознательно сделала ставку на игры как на тренировочный полигон для алгоритмов обучения с подкреплением (RL). Демис выделяет несколько причин эффективности этого подхода:
- Четкие метрики: Игры имеют понятные условия победы и счета, что идеально подходит для систем вознаграждения .
- Скорость итерации: На облачных серверах можно запускать миллионы симуляций параллельно, что невозможно в реальном физическом мире .
- Человеческий эталон: У игр есть история (в случае с го — тысячелетняя), что дает возможность напрямую сравнивать мощь ИИ с лучшими представителями человечества .
Именно этот «игровой» фундамент позволил DeepMind двигаться так быстро, нанимая лучших игровых инженеров для создания симуляций, в которых ИИ мог обучаться на собственных ошибках .
Deep Blue против Каспарова: в чем сила универсального разума 21:08
Размышляя об истории противостояния человека и машины, Демис вспоминает знаменитый матч Deep Blue против Гарри Каспарова в 1997 году. Несмотря на грандиозность события, Хассабис признается, что разум Каспарова впечатлил его гораздо больше, чем вычислительная мощь системы от IBM .
Главное различие, по мнению Демиса, кроется в универсальности. Deep Blue была «грубой вычислительной машиной», в которую вручную встроили знания гроссмейстеров. Она могла обыграть чемпиона мира в шахматы, но не была способна даже на простейшую игру в «крестики-нолики» . В то же время мозг Каспарова позволял ему не только играть в шахматы на высшем уровне, но и ездить на велосипеде, говорить на нескольких языках и заниматься политикой . Именно этой «универсальности» (generality) не хватало системам прошлого и именно на ней сфокусирован современный подход DeepMind.
Интересно, что Хассабис видит в самих правилах шахмат глубокую философию, обеспечивающую их долголетие. Он указывает на «креативное напряжение» между слоном и конем . Эти фигуры обладают совершенно разными возможностями, но их ценность в большинстве позиций эквивалентна (примерно три очка). Этот баланс, отточенный человечеством за столетия, создает динамику игры: если у вас конь, вы стремитесь к закрытой позиции, если слон — к открытой .
Ближе к концу обсуждения Демис Хассабис начинает классифицировать уровни креативности ИИ, выделяя интерполяцию (усреднение существующих примеров) как самый базовый уровень, что служит мостиком к более глубоким вопросам познания реальности, которые они обсудят позже .
🧠 От креативности алгоритмов к коду жизни 25:05
Три уровня креативности: может ли ИИ изобрести шахматы? 25:18
Размышляя о природе искусственного интеллекта, Демис Хассабис предлагает четкую иерархию творческих способностей машин. Первый уровень — это интерполяция, или простое воспроизведение знакомых паттернов. Второй уровень — экстраполяция — наглядно продемонстрировала система AlphaGo. В знаменитой 37-й гарде второго матча алгоритм совершил ход, который шел вразрез с тысячелетней человеческой практикой, предложив стратегию, ранее не встречавшуюся у профессионалов . Хассабис называет это «творчеством внутри системы», где ИИ находит инновационные пути решения в рамках заданных правил.
Однако существует и третий, высший уровень — истинное изобретательство или «мышление вне рамок». По мнению Хассабиса, нынешние системы пока не способны на это: ИИ может блестяще играть в го, но не может сам изобрести игру такого же уровня глубины и эстетики . Проблема заключается в отсутствии у алгоритмов высокоуровневых абстрактных понятий. Чтобы ИИ смог «изобрести шахматы», человек должен уметь передать ему сложные критерии: «создай игру, правила которой можно выучить за пять минут, но на освоение которой не хватит и жизни, и которая была бы эстетически прекрасна» . Демис Хассабис считает, что в будущем ИИ станет мощным инструментом для геймдизайнеров, способным за одну ночь проводить миллионы тестов для автоматической балансировки игровых механик, на что у людей-тестировщиков уходят годы .
Вселенная как информационная симуляция 30:02
В дискуссии о природе реальности Демис Хассабис занимает позицию, близкую к вычислительной физике. Хотя он скептически относится к популярной теории Ника Бострома о том, что мы живем внутри компьютерной игры, созданной нашими потомками , он глубоко убежден, что информация является более фундаментальной единицей реальности, чем материя или энергия.
Для Хассабиса Вселенная — это прежде всего информационный процесс. Если физики традиционно оперируют категориями $E=mc^2$, то с точки зрения DeepMind, сама материя — это лишь способ организации информации . «Понимание физики через теорию информации может быть лучшим способом осознать происходящее вокруг», — отмечает он . В этом контексте человечество можно рассматривать как механизм, с помощью которого Вселенная пытается познать саму себя .
Дискуссия о квантовой природе сознания: Хассабис против Пенроуза 32:15
Лекс Фридман затронул давний спор Демиса с сэром Роджером Пенроузом. Автор книги «Новый ум короля» утверждает, что для объяснения сознания необходимы квантовые эффекты, выходящие за рамки классических вычислений. Хассабис, напротив, называет себя «защитником Тьюринга» .
Имея докторскую степень по нейробиологии, Хассабис подчеркивает, что в современной биологии мозга нет никаких доказательств функционирования квантовых систем. С его точки зрения, работа мозга — это функционирование невероятно сложной «биологической кашицы», которую можно полностью смоделировать на классической машине Тьюринга . Демис Хассабис верит, что создание ИИ станет ключом к научному изучению субъективных феноменов:
Вместо того чтобы полагаться только на интроспекцию философов, Хассабис предлагает использовать ИИ как «зеркало», сравнение с которым позволит выявить уникальные секреты человеческого разума .
AlphaFold: решение «загадки Ферма» в биологии 37:39
Одним из самых значимых достижений DeepMind стало решение проблемы фолдинга (свертывания) белка, над которой ученые бились более 50 лет . Белки — это «рабочие лошадки» биологии, нано-машины, чья функция напрямую зависит от их трехмерной формы . Проблема заключалась в том, как предсказать 3D-структуру белка, зная только его одномерную аминокислотную последовательность.
Сложность задачи иллюстрирует парадокс Левинталя: у типичного белка существует около $10^{300}$ вариантов конфигураций, однако в природе физика находит правильную форму за миллисекунды . До появления AlphaFold экспериментальное определение структуры одного белка могло занимать годы работы одного аспиранта .
Система AlphaFold 2 совершила прорыв, используя:
- Hard-coded ограничения: Внедрение физических законов (углы связей) непосредственно в архитектуру нейросети .
- Self-distillation: Использование собственных высокоуверенных предсказаний системы для расширения обучающей выборки .
- End-to-end обучение: Прямой переход от последовательности к 3D-модели без промежуточных ручных этапов .
Всего за рождественские праздники система предсказала структуры всех 20 000 белков человеческого организма — так называемый «протеом человека» . Теперь биологи могут искать структуры белков так же просто, как в Google .
Эволюция алгоритмов: от AlphaGo к MuZero 48:25
Внутренняя методология DeepMind, которую Демис Хассабис называет «Alpha-X проектами», строится на постепенном отказе от человеческого опыта в пользу чистого самообучения. Этот путь прослеживается через серию итераций игровых агентов:
- AlphaGo: Первоначальная система, обученная на миллионах партий живых людей .
- AlphaGo Zero: Отказ от человеческих данных. Система обучалась исключительно в процессе игры против самой себя со случайного старта .
- AlphaZero: Обобщение алгоритма для любых игр (шахматы, сёги), удаление специфических знаний о симметрии доски .
- MuZero: Финальная стадия, где алгоритму даже не дают правил игры. Он сам выстраивает модель среды, наблюдая за происходящим .
По словам Хассабиса, двигаться в обратном направлении — от MuZero к AlphaGo — было бы невозможно, в том числе психологически . Успех каждого этапа давал команде веру в то, что даже самые невероятные научные вызовы, ранее упоминавшиеся в разговоре как «невозможные задачи», могут быть решены с помощью универсальных алгоритмов обучения.
🧬 Лаборатория будущего: междисциплинарный синтез и цифровая жизнь 52:11
Архитектура DeepMind: Bell Labs XXI века 52:11
Демис Хассабис называет искусственный интеллект «инженерной наукой». В отличие от естественных наук, где феномены существуют в природе сами по себе, в сфере ИИ артефакт нужно сначала построить, прежде чем появится возможность его изучать . Когда в 2010 году DeepMind только начинал свой путь, академическое сообщество относилось к идее создания сильного ИИ (AGI) скептически. В то время ИИ воспринимался скорее как область для мелкого «ремесленничества» и решения узких прикладных задач, а профессора в MIT считали попытки воскресить интерес к обучающимся системам «карьерным самоубийством» .
Основополагающая философия DeepMind строилась на синтезе нескольких столпов:
- Алгоритмические прорывы (глубокое обучение и обучение с подкреплением);
- Нейронаука (изучение архитектуры человеческого мозга для поиска подсказок на системном уровне);
- Вычислительные мощности (масштабирование за счёт GPU);
- Математическое определение интеллекта .
Демис Хассабис подчеркивает, что нейронаука послужила важным доказательством возможности успеха: если система дофаминового вознаграждения в мозге приматов реализует форму обучения с подкреплением (TD-learning), значит, этот путь масштабируем и для машин . Чтобы реализовать амбициозный план из двух пунктов — «1. Решить проблему интеллекта. 2. Использовать это решение, чтобы решить всё остальное» — Хассабис создал структуру, которую он называет современной версией Bell Labs.
Это междисциплинарная организация, где в одной комнате работают эксперты по машинному обучению, инженеры, математики, философы, этики и даже профессиональные геймеры . Такой подход позволяет преодолеть разрыв между теоретическими идеями и сложнейшей инженерной реализацией, которая становится критически важной по мере приближения к AGI .
Путь к виртуальной клетке: AI как язык биологии 1:00:14
Если ранее в разговоре Демис Хассабис и Лекс Фридман обсуждали успех AlphaFold в предсказании структур белков, то в данном фрагменте Хассабис раскрывает долгосрочную стратегию: AlphaFold — это лишь первый шаг в фундаментальной перестройке биологии. «Биология динамична, и моя мечта на следующие 10 лет — создание виртуальной клетки», — заявляет Хассабис .
Эта концепция предполагает полный переход от эмпирических поисков к цифровому моделированию:
- Моделирование взаимодействий: переход от статических структур к динамике белок-белковых взаимодействий и связыванию лигандов .
- In silico эксперименты: возможность проводить миллионы тестов на цифровой модели клетки, обращаясь к «мокрой лаборатории» только на финальной стадии валидации .
- Ускорение фармакологии: Хассабис прогнозирует, что цикл разработки новых лекарств, который сейчас занимает около 10 лет, может быть сокращён на порядок .
Демис Хассабис выдвигает тезис, что если математика является идеальным языком для описания физики, то ИИ станет идеальным языком для биологии . Биологические системы слишком запутаны, эмерджентны и сложны, чтобы их можно было описать элегантными уравнениями вроде законов Ньютона. Здесь требуется система, способная не просто заучить правила, а вывести их из данных, моделируя биологию как своего рода гигантский клеточный автомат .
Этика открытости: AlphaFold как дар человечеству 1:03:19
Одним из самых обсуждаемых решений DeepMind стал выпуск исходного кода AlphaFold и публикация базы данных предсказанных белков в открытом доступе. Лекс Фридман называет это «ганстерским жестом» в мире корпоративной скрытности . Хассабис объясняет, что в каждом конкретном случае компания оценивает максимальную пользу для человечества. Например, физический движок MuJoCo был выкуплен DeepMind специально для того, чтобы сделать его бесплатным и открытым для сообщества робототехников .
В случае с AlphaFold решение об открытости принималось после консультаций с 30 экспертами по биоэтике . Основные аргументы «за» включали:
- Глобальный охват: на текущий момент систему использовали более 500 000 исследователей — практически каждый профессиональный биолог в мире .
- Научные прорывы: с помощью ИИ-прогнозов учёные смогли разгадать структуру ядерного порового комплекса, над которым бились десятилетиями .
- Этический фильтр: несмотря на пользу, Хассабис признаёт риски «двойного использования» (dual-use) в синтетической биологии, поэтому будущие проекты в области геномики могут публиковаться более избирательно .
Обсуждая вопрос о том, может ли ИИ в будущем получить Нобелевскую премию, Хассабис остаётся прагматиком. Он сравнивает AlphaFold с телескопом Галилея : телескоп — невероятный инструмент, но заслуга в открытии новых миров принадлежит человеку, который его построил и направил в нужное небо. По его мнению, ИИ станет «ультимативным инструментом познания», но пока именно человеческая интуиция определяет, какие задачи заслуживают решения. Тем не менее Хассабис допускает, что однажды ИИ сможет проявить «истинную искру креативности», синтезировав знания из всего объёма интернета так, как не способен ни один человеческий разум .
В завершение темы Хассабис отмечает, что современные языковые модели удивляют нас именно потому, что человек не в состоянии осознать, что значит «прочитать весь интернет» и какие неочевидные связи можно извлечь из этого массива данных . Этот потенциал компания планирует направить на решение прикладных задач в материаловедении, таких как создание комнатных сверхпроводников или оптимизация батарей .
🚀 Энергия звёзд и молчание космоса: ИИ как инструмент познания Вселенной 1:15:10
Демис Хассабис убежден, что главная цель создания искусственного интеллекта — это построение инструмента для глубокого понимания устройства Вселенной. Для него ИИ является «ускорителем» научного метода, позволяющим человечеству выйти за пределы своих когнитивных ограничений и исследовать те ветви «древа познания», которые ранее казались недоступными.
Укрощение плазмы: ИИ за пультом управления «искусственной звездой» 1:15:22
Одним из наиболее ярких примеров применения технологий DeepMind в фундаментальной науке стало решение задачи управления термоядерным синтезом. Проблема заключается в том, что плазма в реакторах-токамаках разогревается до миллионов градусов Цельсия — это горячее, чем ядро Солнца . Ни один материал в мире не способен выдержать такой жар, поэтому плазму удерживают мощнейшими магнитными полями.
Однако плазма крайне нестабильна: малейшее колебание может привести к её соприкосновению со стенками реактора и остановке процесса. До вмешательства DeepMind инженеры использовали традиционные контроллеры, созданные «вручную», которые не могли мгновенно реагировать на непредсказуемое поведение вещества .
Команда Демиса Хассабиса применила обучение с подкреплением (Reinforcement Learning) для решения этой задачи:
- ИИ-контроллер научился предсказывать поведение плазмы и корректировать магнитные поля в течение нескольких миллисекунд .
- В ходе экспериментов, результаты которых были опубликованы в журнале Nature, системе удалось не просто удерживать плазму, но и придавать ей различные формы (например, форму «капли»), критически важные для эффективности производства энергии .
- Этот успех открыл дорогу к сотрудничеству с многочисленными стартапами в области синтеза, стремящимися сделать экологически чистую энергию реальностью.
Квантовая химия: «взлом» уравнения Шрёдингера 1:17:23
Другой амбициозный проект DeepMind связан с моделированием поведения электронов на квантовом уровне. Хассабис отмечает, что свойства любого материала — от эффективности аккумуляторов до проводимости — определяются взаимодействием электронных облаков. Фундаментально эти процессы описываются уравнением Шрёдингера, но его прямое решение для сложных систем практически невозможно из-за вычислительной сложности.
Ранее ученые использовали теорию функционала плотности (DFT) для аппроксимации этих вычислений, но существующие методы часто дают сбои при описании сложных химических связей . ИИ здесь выступает в роли «обучаемого функционала».
Вместо того чтобы тратить циклы облачных вычислений на просмотр видео с котиками, DeepMind использует свободные мощности своих кластеров для генерации колоссальных объемов данных молекулярной динамики . На этих данных обучается модель, которая способна предсказывать квантовые свойства материалов гораздо быстрее и точнее традиционных симуляций . Это закладывает фундамент для создания новых материалов и лекарств, расширяя успехи, достигнутые ранее в области биологии (как это было с AlphaFold).
Парадокс Ферми: почему мы не слышим «космической какофонии» 1:28:33
Размышляя о будущем и месте разума во Вселенной, Демис Хассабис и Лекс Фридман затронули тему Парадокса Ферми. Хассабис склоняется к мысли, что человечество, скорее всего, одиноко в нашей галактике .
Его аргументация строится на масштабах космологического времени:
- Зонды фон Неймана: Если бы высокотехнологичная цивилизация возникла хотя бы на миллион лет раньше нас, она могла бы заполнить всю галактику самовоспроизводящимися зондами всего за один миллион лет .
- Астроинженерные сооружения: Мы не видим следов сфер Дайсона, поглощающих энергию звезд, или других мегаструктур, которые были бы заметны на огромных расстояниях .
- Радиомолчание: В момент, когда человечество стало достаточно развитым, чтобы «открыть уши» в космос, мы должны были услышать невероятный шум множества голосов, но столкнулись с абсолютной тишиной .
Хассабис скептически относится к «гипотезе зоопарка» (что пришельцы намеренно скрываются от нас). Он указывает на то, что даже людям трудно скоординироваться для решения проблемы изменения климата. Маловероятно, что сотни независимых инопланетных цивилизаций смогли бы соблюдать единое правило невмешательства в течение миллионов лет . В этом контексте он мельком упоминает, что подобные ограничения реальности напоминали бы сценарий симуляции (тема, обсуждавшаяся ранее в диалоге).
Великие фильтры и происхождение интеллекта 1:36:45
Если мы действительно одни, то это означает, что человечество успешно преодолело некие «Великие фильтры» — критические этапы эволюции, на которых гибнут другие виды. Хассабис выделяет несколько уникальных событий в истории Земли:
- Переход к многоклеточной жизни: Захват митохондрии предковой клеткой кажется невероятно редким событием, которое превратило «химический суп» в сложные организмы .
- Энергоэффективность мозга: Человеческий мозг потребляет около 20% всей энергии тела . В эволюционном плане это огромный риск. Чтобы оправдать такие затраты, разум должен давать колоссальное преимущество, которое не всегда очевидно на промежуточных стадиях развития.
- Универсальный интеллект: В то время как животные обладают специализированным разумом для решения конкретных задач, переход к «мощному мозгу тюринговского типа», способному к абстрактной науке, произошел на Земле лишь однажды .
Хассабис полагает, что огонь, использование инструментов и развитие языка стали катализаторами, позволившими людям выйти за пределы биологических ограничений . Именно эту траекторию — от специализированных навыков к универсальности — он видит и в развитии ИИ.
🧠 Интеллект без души и «второй день» Демиса Хассабиса 1:40:13
Дихотомия сознания и интеллекта 1:40:13
Демис Хассабис убежден, что сознание и интеллект — это две разные, «двойственно диссоциируемые» характеристики системы: можно обладать одной, не имея другой . В биологическом мире мы видим примеры существ с развитым самоосознанием и субъективным опытом, таких как собаки или дельфины, которые при этом не демонстрируют высокого уровня интеллекта по человеческим меркам . С другой стороны, современные ИИ-системы, способные обыгрывать чемпионов в сложнейшие игры, кажутся абсолютно лишенными внутреннего «чувства «Я» .
По мнению Хассабиса, создание мощных интеллектуальных конструктов — лучший способ изучить тайну сознания экспериментально. Разбирая интеллект на части, мы можем увидеть, какие функции (например, память или планирование) требуют субъективного опыта, а какие — нет. Демис придерживается прагматичной позиции: пока мы не понимаем природу сознания до конца, ИИ-системы следует проектировать исключительно как инструменты, лишенные самоосознания .
Проблема разумности языковых моделей (LLM) 1:42:59
Обсуждая резонансный случай инженера Google, заявившего о наличии души у языковой модели LaMDA, Хассабис предостерегает от опасной ловушки антропоморфизма. Человеческий мозг эволюционно настроен искать агентность и цель во всем окружающем — мы видим лица в облаках и приписываем намерения неодушевленным предметам . Когда же система мастерски владеет языком, который является фундаментом нашего собственного разума, устоять перед проекцией человеческих качеств почти невозможно .
Демис подчеркивает, что современные LLM не обладают даже «йотой» реальной разумности. Он отмечает несколько фундаментальных причин, по которым мы ошибочно наделяем их сознанием:
- Несовершенство Тьюринг-теста: Хассабис считает этот тест (ранее упоминавшийся в беседе как бенчмарк интеллекта) методологически слабым, так как его прохождение зависит не от самой машины, а от квалификации и предвзятости судьи .
- Отсутствие когерентности: Для сознания необходимы устойчивые во времени предпочтения и ясное понимание границ между «собой» и «другим», чего нет у текущих моделей .
- Проблема субстрата: Мы признаем сознание друг в друге, потому что сделаны из одного и того же «мягкого биологического вещества». В случае с машинами у нас никогда не будет этой эквивалентности субстратов, поэтому любые выводы о их чувствах будут лишь догадками по их поведению .
Рабочее определение сознания, которое импонирует Хассабису (вслед за Максом Тегмарком): «Это то, как ощущается информация, когда она обрабатывается» . Но пока ИИ остается лишь «имитацией», Хассабис настаивает на необходимости четких этических рамок: ИИ всегда должен идентифицировать себя как машину .
Этика силы и «радикальное изобилие» 1:53:10
Создание сверхинтеллекта дает огромную власть, и Лекс Фридман задает прямой вопрос: не развратит ли она создателя? Хассабис отвечает, что его личная защита от этого — глубокое смирение и сохранение связи с реальностью. Он по-прежнему дружит с однокурсниками из Кембриджа и считает междисциплинарный подход лучшим лекарством от гордыни: «Как бы ты ни был хорош в одной теме, всегда найдется кто-то лучше тебя в другой» . Например, последние пять лет Демис потратил на изучение биологии с нуля, что стало для него смиряющим опытом .
Хассабис верит, что ИИ не должен принадлежать одному человеку или организации — это достояние человечества . Его видение будущего оптимистично: переход от мира дефицита к «радикальному изобилию», где решение проблем болезней и нехватки ресурсов уберет почву для войн . Тем не менее, он признает наличие «остаточного влияния» культуры создателей на ценности ИИ-систем, что делает вопрос выбора разработчиков геополитически значимым .
Режим работы и творческий метод 1:59:12
Для молодых людей, стремящихся оставить след в науке, Хассабис дает два совета: найти свою истинную страсть через риск и эксперименты, а также досконально «узнать себя» — понять свои биоритмы и способы работы под давлением .
Сам Демис — убежденный «полуночник». Его рабочий день строго разделен на две части:
- С 11:00 до 19:00: Офисная работа. Время для менеджмента, коллабораций и бесконечных встреч «спина к спине» .
- С 22:00 до 04:00 (или 05:00): «Второй рабочий день». Самое продуктивное время для глубоких размышлений, написания статей и творческого планирования .
Хассабис называет часы с часа до трех ночи «золотыми». В этой тишине, когда мир спит, он входит в состояние потока, слушает музыку и читает философию, например, Спинозу . Несмотря на цифровизацию, Демис до сих пор предпочитает ручку и бумагу для фиксации сложнейших идей: «Информация лучше усваивается и фиксируется в мозгу, когда ты используешь физический карандаш» . Такой график позволяет ему быть одновременно и эффективным руководителем корпорации, и ученым-визионером, способным на мгновенное переключение контекста между квантовой химией и управлением командой .
🧭 Поиск смысла: интеллект как инструмент познания Вселенной
Знание как высшая добродетель и цель жизни 2:05:47
Для Демиса Хассабиса вопрос о смысле жизни неразрывно связан с самой сутью его работы. Когда Лекс Фридман переводит разговор в плоскость метафизики, Хассабис признается, что видит высшее предназначение человека в получении знаний и глубоком понимании устройства Вселенной . Для него это не просто академический интерес, а единственная цель, которую можно считать по-настоящему значимой.
В этой позиции Демис Хассабис опирается на традиции античной мысли. Он упоминает классических греческих философов, считавших стремление к истине одной из немногих «истинных добродетелей» . По мнению главы DeepMind, этот процесс познания имеет не только интеллектуальные, но и глубокие этические последствия:
- Понимание контекста реальности делает человека более сострадательным;
- Расширение кругозора способствует росту толерантности и терпимости;
- Осознание сложности мира формирует внутреннюю дисциплину .
Главный вопрос, который Хассабис постоянно задает себе и окружающему миру, звучит предельно просто и одновременно масштабно: «Что же здесь на самом деле происходит?» . Реальность кажется ему огромной, таинственной загадкой, и вся его деятельность по созданию искусственного интеллекта — это лишь попытка собрать инструмент, способный помочь человечеству найти ключ к этой головоломке.
Подозрительно упорядоченная Вселенная 2:06:50
Рассматривая мир как объект исследования, Демис Хассабис отмечает несколько странных и даже «подозрительных» особенностей реальности. Одной из них является сама возможность существования науки. Вселенная структурирована таким образом, что научный метод в ней работает: физические законы повторяемы, а явления поддаются классификации и анализу . Кажется, будто сама архитектура мироздания изначально предрасположена к тому, чтобы её изучали.
Ещё одним удивительным совпадением Хассабис считает материальную базу нашего технологического прогресса. Он указывает на ироничный факт: современные компьютеры, сложнейшие устройства в истории, созданы из кремния — одного из самых распространенных элементов земной коры . Если бы для создания вычислительных мощностей требовались редчайшие ресурсы, например алмазы, человечество могло бы застрять на этапе создания всего одного-единственного компьютера.
Эта доступность «строительных блоков» для интеллекта кажется Демису важной деталью в дизайне этой гигантской игры. Ранее в интервью собеседники уже обсуждали игровую природу реальности, и здесь Хассабис проводит параллель: Вселенная похожа на идеально спроектированную игру, которая остается интересной на протяжении долгого времени . Чем больше мы узнаём о ней, тем яснее понимаем масштаб своего незнания, что одновременно смиряет исследователя и вдохновляет его на новые открытия.
Один вопрос для сверхинтеллекта 2:08:22
Лекс Фридман предлагает Демису Хассабису гипотетический сценарий: если бы он стал создателем полноценного общего искусственного интеллекта (AGI) и мог задать системе лишь один вопрос, что бы это было? Хассабис отвечает без колебаний — его интересует истинная природа реальности .
Он осознает, что человеческий разум может быть не готов к прямому ответу. Возможно, объяснение окажется слишком сложным или, наоборот, обескураживающе простым, напоминая число «42» из Дугласа Адамса . Тем не менее, Хассабис предполагает, что ответ сверхинтеллекта выглядел бы как серия фундаментальных физических объяснений, которые гораздо глубже существующих теорий.
Демис Хассабис ожидает, что AGI сможет:
- Представить более глубокую и, вероятно, простую версию устройства мира, чем современная Стандартная модель физики .
- Указать на важные аспекты реальности, которые современная наука полностью упускает из виду .
- Объединить в единую картину те явления, которые веками оставались загадками: природу гравитации, феномен жизни и сознание .
Завершая беседу, Хассабис подчеркивает, что его стремление к созданию ИИ продиктовано желанием увидеть эти «проблески объяснений». Для него сверхинтеллект — это не просто технология, а «телескоп для разума», позволяющий заглянуть за горизонт человеческих когнитивных ограничений и наконец понять, в каком мире мы на самом деле живем.
