Демис Хассабис, сооснователь Google DeepMind, прошел путь от шахматного вундеркинда и разработчика компьютерных игр до руководителя одной из самых влиятельных ИИ-лабораторий в мире. В данном интервью он анализирует пройденный путь, объясняет связь между нейронаукой и машинным обучением, а также делится амбициозными прогнозами относительно достижения AGI и трансформации фундаментальной науки.
🕹️ От видеоигр к искусственному интеллекту: единый путь 0:15
Демис Хассабис утверждает, что все этапы его карьеры — от профессиональной игры в шахматы до создания Elixir Studios — были частью долгосрочного плана по разработке Общего искусственного интеллекта (AGI) . Еще в возрасте 15–16 лет он определил ИИ как самую важную технологию и начал осознанно выбирать области обучения, которые помогли бы ему в достижении этой цели .
Его опыт в игровой индустрии 90-х годов не был случайным отступлением. В то время именно игры были двигателем самых прогрессивных технологий:
- Графика и аппаратное обеспечение: Первые графические процессоры (GPU), которые сегодня являются основой обучения нейросетей, создавались именно для игровых движков .
- Экономические симуляции: В 17 лет Хассабис участвовал в разработке легендарной игры Theme Park. В ней была встроена сложная модель ИИ, имитирующая поведение и экономические решения тысяч посетителей парка .
- Игровая площадка для алгоритмов: Именно игры стали первым «полигоном» для проверки идей DeepMind, прежде чем их начали применять в реальном мире .
Главный урок, который Демис извлек из руководства собственной студией Elixir Studios, заключается в чувстве времени: «Нужно быть на пять лет впереди своего времени, а не на пятьдесят» . Его амбициозный проект Republic, симулирующий жизнь целой страны на процессоре Pentium, оказался слишком сложным для технологий конца 90-х, что научило Хассабиса соотносить масштаб идей с доступными мощностями .
🧪 Научный фундамент DeepMind и «секрет» успеха 4:52
В 2010 году идея создания AGI казалась научным сообществам чистой фантастикой. По словам Хассабиса, академики буквально закатывали глаза при упоминании «сильного ИИ», так как после неудач 90-х вера в прогресс в этой области была минимальной .
Однако основатели DeepMind чувствовали себя «хранителями секрета», так как видели потенциал в объединении трех факторов:
- Глубокое обучение (Deep Learning): Технология только появилась в академической среде благодаря Джеффу Хинтону, но мало кто понимал её масштаб .
- Обучение с подкреплением (Reinforcement Learning): Команда верила, что комбинация этого метода с глубоким обучением позволит алгоритмам масштабироваться до уровня AGI .
- Нейронаука: Хассабис использовал знания о работе человеческого мозга для поиска архитектурных и алгоритмических идей для машин .
Миссия DeepMind всегда состояла из двух шагов: сначала «решить» проблему интеллекта (создать AGI), а затем использовать его, чтобы «решить всё остальное» . Демис Хассабис рассматривает ИИ не просто как софт, а как совершенный инструмент для познания Вселенной и человеческого разума .
🧬 Революция в биологии и медицине 10:42
Одним из величайших достижений ИИ в науке Хассабис считает AlphaFold. Эта модель решила проблему фолдинга (сворачивания) белка, над которой ученые бились 50 лет . Теперь, зная 3D-структуру практически всех известных белков, наука переходит к следующему этапу.
Хассабис курирует проект Isomorphic Labs, цель которого — автоматизировать разработку лекарств :
- In silico эксперименты: Перенос 99% работы по поиску нужных химических соединений из «мокрых» лабораторий в компьютерные симуляции .
- Сокращение сроков: Хассабис прогнозирует, что время разработки нового лекарства сократится с традиционных 10 лет до месяцев, недель или даже дней .
- Персонализированная медицина: ИИ позволит создавать вариации препаратов, адаптированных под индивидуальные особенности пациента, минимизируя токсичные побочные эффекты .
🌍 Симуляции и новые виды науки 12:41
Хассабис полагает, что в будущем изучение самих систем ИИ станет отдельной «инженерной наукой», сравнимой по сложности с нейробиологией . Однако еще более захватывающим он считает использование ИИ для создания сверхточных симуляторов реальности.
По мнению Хассабиса, машинное обучение — это идеальный язык описания для «сложных эмерджентных систем», таких как биология или экономика . Там, где традиционная математика бессильна из-за обилия слабых корреляций и избытка данных, ИИ способен находить причинно-следственные связи .
В качестве примера приводится GraphCast — модель DeepMind, ставшая самым точным симулятором погоды в мире . В будущем подобные инструменты («виртуальная клетка» или глобальные экономические модели) позволят принимать решения на основе тысяч прогонов симуляции, что невозможно в реальном мире .
🌌 Природа реальности и сознание машин 17:29
Демис Хассабис развивает смелую теоретическую гипотезу: информация является более фундаментальной единицей Вселенной, чем материя или энергия . С этой точки зрения ИИ становится не просто программой, а инструментом для организации и понимания самой структуры бытия .
Говоря о сознании ИИ, Хассабис придерживается прагматичного подхода:
- Инструмент прежде всего: Сначала нужно построить невероятно точный и полезный AGI-инструмент .
- Вопрос субстрата: У людей сознание подкреплено схожестью биологического субстрата (мозга). У машин он принципиально иной, что делает вопрос их «чувственного опыта» крайне сложным для окончательного подтверждения .
- Необходимые компоненты: Для подобия сознания системам потребуются самосознание (отделение «я» от «других») и непрерывность опыта во времени .
🔮 Блиц и прогнозы 25:23
В завершение беседы Демис Хассабис дал несколько коротких ответов:
- Дата появления AGI: Хассабис подтвердил свой прогноз — 2030 год .
- Интеллектуальные герои: Своими кумирами он называет Алана Тьюринга и теоретика квантовых вычислений Дэвида Дойча .
- Идеальный напарник: Если бы Хассабису нужно было сыграть в сложную стратегическую игру, он выбрал бы в команду Джона фон Неймана как величайшего теоретика игр .
Хассабис резюмирует свою деятельность как попытку «прочитать язык Вселенной» через науку и ИИ , следуя философии Спинозы о глубоком мистицизме познания законов природы.
