Demis Hassabis职业生涯与AGI展望
Demis Hassabis（@demishassabis）拥有科技界最非凡的职业生涯之一。他17岁起成为国际象棋神童和电子游戏设计师，之后获得神经科学博士学位，并创立了DeepMind。他的实验室攻克了围棋，用AlphaFold解决了蛋白质结构预测问题，并免费提供给全球每位科学家。这项成就为他赢得了2024年诺贝尔化学奖。如今他领导@GoogleDeepMind，朝着他十几岁时就设定的目标前进：通用人工智能（AGI）。在这期特别的《如何构建未来》现场节目中，他与YC的@garrytan对谈，讨论要实现AGI还需要什么、给创始人的建议以及下一个重大科学突破可能是什么。
01:48 — 实现AGI前还缺什么？
03:36 — 为什么记忆问题仍未解决
06:14 — AlphaGo如何塑造Gemini
08:06 — 为什么小模型变得如此强大
10:46 — 1000倍工程师
12:40 — 持续学习与智能体的未来
13:32 — 为什么AI在基础推理上仍然失败
15:33 — 智能体被高估还是刚刚起步？
18:31 — AI能否真正具有创造力？
20:26 — 开放模型、Gemma与本地AI
22:26 — 为什么Gemini被构建为多模态
24:08 — 当推理变得廉价时会发生什么？
25:24 — 从AlphaFold到虚拟细胞
28:24 — AI作为科学的终极工具
30:43 — 给创始人的建议
33:30 — AlphaFold突破模式
35:20 — AI能否做出真正的科学发现？
37:59 — AGI到来之前该构建什么
01:48 — 实现AGI前还缺什么？
03:36 — 为什么记忆问题仍未解决
06:14 — AlphaGo如何塑造Gemini
08:06 — 为什么小模型变得如此强大
10:46 — 1000倍工程师
12:40 — 持续学习与智能体的未来
13:32 — 为什么AI在基础推理上仍然失败
15:33 — 智能体被高估还是刚刚起步？
18:31 — AI能否真正具有创造力？
20:26 — 开放模型、Gemma与本地AI
22:26 — 为什么Gemini被构建为多模态
24:08 — 当推理变得廉价时会发生什么？
25:24 — 从AlphaFold到虚拟细胞
28:24 — AI作为科学的终极工具
30:43 — 给创始人的建议
33:30 — AlphaFold突破模式
35:20 — AI能否做出真正的科学发现？
37:59 — AGI到来之前该构建什么