The Hardest Problem AI Ever Solved, with Google DeepMind CEO
en_clean），canonical 已修复，非 WhisperCleo 开场点题：AI 对你生活最大的影响，往往不是 chatbot 或文生图，而是看不见的工具——药物设计、灾害预警、核聚变、量子计算等。Demis Hassabis 童年国际象棋神童、17 岁拒百万游戏公司 offer 上大学、认知神经科学 PhD，创立 DeepMind 使命 「solve intelligence」，因 AlphaFold 获诺贝尔奖，现统领 Google 几乎全部 AI。
访谈用 Jenga 积木代表各项目（Gemini、AlphaFold、AlphaGo……），从诺奖级科学突破聊到 move 37、政府如何用 AI、以及 Demis 心中的 post-AGI 科幻未来。
“The best use case of AI was to improve human health.”
蛋白质是生命的执行者；其 3D 结构决定功能。蛋白质折叠问题：能否仅从 一维氨基酸序列预测 3D 结构？Demis 在剑桥本科从生物系朋友处听说，称其为生物学版 Fermat’s Last Theorem——既是 puzzle，又适合未来 AI，且一旦破解对药物发现、疾病理解影响巨大。
传统用 X 射线等实验测结构：慢、贵（单蛋白可耗数十万美元与数年）。测序技术已指数进步，结构生物学远落后于基因组学。
传统做法：建 server，科学家提交序列，等数天邮件返回结构。Demis 在会议中用手机做 back-of-the-envelope：
“Why don’t we just run every protein in existence? … It would actually probably be less effort than standing up the server.”
团队当场转向：全部折叠、免费公开数据库——比维护请求队列更省事。摄像机恰好录下这一转折。
几乎所有已知蛋白结构已预测；EBI 小团队每年跟进新测序（如海水样本新物种）。受益包括：
300 万+科学家使用 AlphaFold；药企人士称今后几乎每种新药流程中都会用到 AlphaFold——但仍处基础生物学阶段，多款相关药物进入临床试验。
Nuclear pore complex——细胞核「门」，巨大难结晶；AlphaFold 发布约 6–12 个月后，结合实验数据解出结构——Demis favorite 突破之一。
知结构只是一小步：须找结合位点、设计化合物、测亲和力、避免结合其他 2 万种人体蛋白（毒性/副作用）。Isomorphic Labs（DeepMind 分拆）在 AlphaFold 2/3/4 之上做 in silico 虚拟筛选：数分钟筛完全人体蛋白结合 → 迭代改分子 → 最后才湿实验验证。平均新药 ~10 年、~10% 过临床；18–19 个药物项目在心血管、癌症、免疫等领域。
98% 非编码 DNA：哪些突变致病？AlphaGenome 预测单点突变有害或良性——世界最佳之一，尚不够临床级，但指向与 CRISPR 联用：精确定位致病变异 → 编辑修复。难点：多基因、级联疾病更适合 AI 辅助。
Demis 对 Guardian 说过：理想路径是 AGI 前先做更多 AlphaFold 级 narrow AI（甚至「治愈癌症」），以 CERN 式科学协作、严谨步入 AGI。现实：语言模型比预期早得多被 transformer + RL 打通；ChatGPT 病毒式传播 → Google code red → Demis 统管含消费品的全部 Google AI。
得失：
Expert system：程序员 + 特级大师把规则写死，超级计算机 brute force 搜局——不会学、不会下 tic-tac-toe；智能在人脑，不在程序。
围棋比宇宙原子数还多局面；顶尖棋手常答 「it felt right」，难以编码规则——是 deep RL 的完美试验场。
AlphaGo 4:1 获胜；第二局 move 37 落子于第五线（早期大忌），李世石震惊——100–200 手后证明是关键胜负手。2 亿人观看。Demis 称这是等待六年的时刻：系统能达成无他系统能及之事。
“The moment I’d been waiting for… could achieve something no other system could.”
implication：若 AI 能在规则空间 创造，也可能在融合、矩阵乘法、芯片布线等真实问题中找到「move 37」。
去掉人类棋谱与棋盘对称等先验；随机自对弈 10 万盘 → 训练 v2 → … 约 16–17 代从随机到超世界冠军。Demis 曾亲眼看象棋版：早随机、午能赢 Demis、下午茶超全体特级大师、晚饭超世界冠军。
Demis 认为须把 AlphaGo 式 search/reason 叠在 Gemini 等 foundation model 上——world models 尚未完全解决。
Jenga 游戏中 GNoME 块代表 material science：在已知材料之外发现新晶体/稳定结构——Cleo 称 Demis「不公平」因项目太多。Demis 感叹：无法 believe 我们真同时在搞这些，但 AI 作为通用工具让他能 indulgence 各科学分支。
Cleo 预备采访 AlphaFold co-laureate John Jumper：他强调折叠只是药物发现更大问题的一 part——本访谈用 Jumper 视角平衡「诺奖 = 终点」叙事，指向 Isomorphic 端到端 才是 cutting edge。
公共卫生、教育、能源网格优化（DeepMind 数据中心冷却省 30% 能耗）。新加坡、阿联酋等已在探索。Demis 支持民主选举政府使用 AI 服务公民。
相对地，deepfake 等短期问题（SynthID 水印等）重要，但在 AGI 级风险前「pales」。
Demis：bad actors + AGI guardrails——专家也可能关注不足；需国际协作、AI safety institutes、学术界共_navigate_ unprecedented 技术。
Cleo 插入 StarCraft Jenga 块：系统碾压人类时工程师 cheering——她作为外人想的是 「若这是真实的 war game 呢？」 刻意不点名具体公司 ToS，因希望对话 10 年后仍有用；核心命题不变：政府必用 AI，问题是我们能否 shaping 公卫/教育/能源 而非仅军事叙事。
除 fast progress 与 democratizing access 外，第三点：百万级 stress test 暴露 in-house QA 无法覆盖的 edge cases——feedback bubble up 后系统更 robust。Demis 承认 Gemini 等与 OpenAI 当时 equivalent，_builder 因太熟悉缺陷而低估公众对「可 summarizing/brainstorming 即可」的 appetite。
AI 不能做什么而人能？与 Alan Turing、近似图灵机的大脑模型相关；Roger Penrose 等认为可能有量子效应——迄今神经科学未找到。
我们总想找唯我独尊的理由（宇宙中心、情感、艺术……）——Demis 承认可能仍有人之间独特连接，但长期规划、推理、部分创造力 AI 或终将具备。构建智能 artifact 如同与心灵做 controlled comparison。
Demis 少年痴迷大问题：时间是什么、量子与引力、意识——多数人物用娱乐分散注意力，他不能。AI 是理解现实本质的工具；答案未知，他 sanguine。
Demis 最爱 Iain M. Banks《Culture》系列（虽未用 AGI 一词）：50 年内或可：
“My life was of benefit and service to humanity.”
沉浸一切可用工具，在某一领域成为「super powered」；前沿 lab 也只能探索模型能力的一小 fraction——capability overhang 越来越大，发布周期越来越快；年轻人或用新组合开 multi-billion 公司（Demis 举 Open Claw 为例）。
Demis 桌上不再是 2016「solve protein folding :)」单一便签，而是约 100 张 sticky notes、30 项当晚待办——问题从「一个」变成「同时很多」，但核心仍是 science + AGI for humanity。
录制末尾 Cleo 与 Demis 真打 Jenga（改良规则：可双手、可推块）；Demis 抽 AlphaCode（Codeforces 编程竞赛）、Code Mentor（找 bug）等块须说清项目。Cleo 问 sticky note 现写什么——「30 things due this evening」。两人 call it a draw——「都不愿输。」
| 概念 | 解释 |
|---|---|
| 蛋白质折叠 | 从氨基酸序列预测 3D 结构；50 年 grand challenge |
| AlphaFold | DeepMind 解决方案；~2 亿结构；免费数据库 |
| In silico / wet lab | 计算机虚拟筛选 vs 最终实验验证 |
| Isomorphic Labs | 基于 AlphaFold 加速端到端药物发现 |
| AlphaGenome | 预测非编码区突变有害性；与 CRISPR 联用前景 |
| Expert system vs learning | Deep Blue 写死规则 vs AlphaGo 从经验学 |
| Move 37 | AlphaGo 非常规胜手；象征 AI 创造性 |
| AlphaZero | 无人类数据，自对弈 ~17 代超人类 |
| AlphaTensor / AlphaChip | 算法与芯片设计中的 AI 突破 |
| AGI / narrow AI | 通用智能 vs AlphaFold 式专用系统 |
| Agentic AI | 自主完成整任务；护栏难题 |
| SynthID | Google 生成内容 AI 水印 |
| Root node problem | 解决后解锁整枝研究（如 AlphaFold） |
Cleo 用 Jenga 把 DeepMind 从 invisible science 到 visible Gemini 连成一条线：AlphaFold 是 Demis 想让世界记住的 AI——免费、全球、改 medicine pipeline；AlphaGo 是方法论的 proof——learning 可超越人类直觉；ChatGPT 时刻则是人类尚未准备好但仍须 responsible 地承受的 deployment reality。
Demis 的乐观不是 blind：StarCraft 块让他想到军事用途；他明确 two worries。但若 AGI 安全落地，他相信 50 年内可出现 Culture 式 flourishing——那是他希望墓志铭：of benefit and service to humanity。
“I want to use AI as a tool to help us understand the nature of reality.”
若你只记得一件事：下次谈「AI 改变了什么」，先问「是 chatbot，还是 AlphaFold？」——答案决定你是否看见真正的 revolution。
wiki/concepts/artificial_intelligence.mdteacher_notes/learning_paths/ai_and_problem_solving.md本教程基于 YouTube 英文字幕整理；canonical transcript 含滚动重复行已语义去重理解，仅供学习参考。