Three quarters
of the way → AGI.

“There is a common thread — or maybe I made it into one. But I’ve known what I was building toward since I was a teenager.”

象棋神童、十七岁开始做游戏、神经科学博士、DeepMind 创始人 — 这四段履历，外人看是四件事，他自己心里只有一件。早在十几岁，他就认定 AI 是这辈子最值得做的事。后面读什么专业、进什么公司、做什么项目，全是冲着 DeepMind 来的。

做游戏看着像绕路，其实不是。九十年代真正在用最前沿技术的就是游戏行业 — 第一代 GPU 是给图形渲染做的，那时候没人想过它后来会被用来跑矩阵乘法。游戏要做实时 simulation，要把 AI 写进玩法。他 17 岁写的 Theme Park 里有上千个小人，每个都有自己的偏好，这游戏卖了 1000 万套。但他自己记住的不是这个数字 — 是普通玩家跟那些 AI 玩起来时被逗乐的样子。

再往后去读神经科学，他不是为了神经科学本身，是想从大脑里找点算法上的灵感；同时也提前给自己准备好一件工具 — 等以后真把"那种东西"造出来了，他知道该怎么去研究它。等 DeepMind 开张那天，这副牌他其实早就攒齐了，剩下的只是当众一张张摆出来。

“Academia rolled their eyes when we said ‘AGI.’ We figured — if we fail, at least we’ll fail in an original way.”

DeepMind 在 2009 年的那场赌，不是押在某一个想法上，是押在四件事上 — 这四件事在当时都不流行，回头再看才发现都是常识:

他到现在还能一字不差地复述当年的 mission statement: “Step one — solve intelligence. Step two — use it to solve everything else.” 16 年过去，他还在做 Step One。他自己估，Step One 现在大概走完了 75%。

“My personal mission was always to advance science. Building AGI was the meta way to do it.”

这是 DeepMind 自打第一天就有的那个结构性想法。如果你想在某个学科里做出真正的突破，你有两条路 — 盯着一门学科死磕，或者，造一个最终能撬动每一门学科的工具。Demis 走的是后一条 — 先把杠杆造出来，回头再去搬石头。

DeepMind 的 AI for Science 部门是首尔回来的第二天就成立的 — AlphaGo 那场比赛之后，正好就是 10 年前的这个月。AlphaGo 给的信号很清楚: 算法终于够 general 了。一旦它够 general，它能干的最重要的事就再也不是下棋了。

AlphaFold 解决的是蛋白质 3D 结构预测 — 一个搁了 50 年的难题。但形状只是第一步。Isomorphic Labs 是自然的下一层: 去设计真正能精确结合到目标蛋白靶点的分子，而且不结合到别的任何地方。理想是把 99% 的药物发现搬进电脑里跑，把 wet lab 留给它真正擅长的最后一步 — 验证。这条路一通，10 年就压成了几天。

“Will AI eventually create entirely new sciences, the way thermodynamics fell out of the industrial revolution?”

Demis 的回答是会，而且他给了两种具体的样子。

第一种新科学，是研究 AI 自己。 我们正在造的这些东西，过不了多久复杂度就跟人脑一个量级了 — 它得有自己的学科。Mech interp 是其中一部分，但远远不止。神经科学搞了一个世纪，我们对大脑的理解都还差得远；凭什么觉得一个季度就能把万亿参数的网络看明白？

第二种新科学，是把 simulation 当成方法。 经济学这些"社会科学"，按物理学的标准不算硬科学 — 不是因为它们不严肃，是因为你没法在它们身上做对照实验。央行加息半个点这件事，真实世界里只能加一次，加完之后大家花十年争论这一下到底起了什么作用。

但如果你能学出一个足够准、可以反复采样的 simulator — 不是带闭式解的玩具模型，而是真的能把现实里那些乱糟糟的动态全部捕捉下来的那种 — 那一瞬间，你就可以把"加息半个点"这件事跑一万次再做决定。整个学科的认识论都会变形状。

• Weather Next. DeepMind 用 ML 学出来的天气模型，现在比气象学家自己用的物理模型都更准，还快得多。
• Virtual cell. 把生物 — 一个典型的 emergent dynamical 系统 — 装进模型里，让人能用计算的方式去审讯它。
• 经济、气候、生态. 凡是“信号弱、维度高、没现成数学公式、真实世界又只能跑一次”的领域。

“Energy and matter are interconvertible — Einstein settled that in 1905. I think information has the same kind of equivalency. And of the three, it’s the most fundamental.”

这一段离日常的产品最远，但要看懂 Demis 在干什么，这一段最重要。

1920 年代的物理学家把物质和能量摆在宇宙最底层。Demis 想把这一层翻过来。所有抵抗熵的结构 — 生物、大脑、文明 — 本质上都是在做 information processing。如果 information 才是这三个可互换量里最底层的那个，那 AI 就不是又一项普通技术 — 它是直接作用在宇宙真正底色上的那一种。

跟这个想法配套的，叫 Turing’s Champion。一台经典的 Turing machine — 换上现代的衣服就是神经网络 — 居然能搞定那些我们一直以为非 quantum computation 不可的事情。蛋白质折叠就是证据: 水分子键怎么作用、那些小尺度的量子效应 — 所有让这个问题看起来"不可解"的东西 — AlphaFold 在 classical substrate 上全部近似过去了。这不是定理，是一个存在性证明，但它已经把先验改了 — 很多我们以前归到“非量子不可”那一档的问题，可能根本不需要量子。

“Build the tool. Cross the rubicon that already matters. Then, with the tool in hand, face the questions you couldn’t face before.”

被问到“AI 什么时候不再是 tool、变成另外的东西”，Demis 的回答出奇地谨慎。他认为对的顺序是 — 先造一个无比聪明、无比精准的工具，这一步过了，已经是一道很深的鸿沟。再往后才是更难的那几道: agency、consciousness、experience。

他笃信的一件事是: 大家说“意识”时挥手指的那些东西 — self-awareness、self/other 的边界、跨时间的连续性 — 都是必要不充分。光看行为，永远关不上这道闸。

这件事他生前最常聊的对话伙伴是 Daniel Dennett。Demis 的希望是 AGI 自己能成为一个更好的透镜 — 我们造出来的工具，反过来帮我们把“意识”这件事定义得比过去 2000 年的哲学更清楚一点。

“Kant: the mind constructs reality. Spinoza: doing science is reading the universe. Demis takes one from each.”

从 Kant 那儿，他取的是“为什么研究大脑这件事重要”: 如果心智是组装我们所体验到的那个世界的装置，那要理解 reality，你就得先理解那台装置。这条线是他神经科学博士论文的暗线。也是为什么他特别在意 AI 的 interpretability — 装置已经换过了。

从 Spinoza 那儿，他取的是态度。做 science 不只是 engineering 或 business — 它有一种近乎宗教的东西在里面: 你试着把宇宙的语言学回来，再说回去，去跟它的结构产生接触。AI 在他看来，不过是这门语言最新的一种方言。

四个短答案。每一个都告诉你一件他在长答案里不会说的事。

“走完四分之三”意味着 — 接下来这五年，跟过去那五年不会是一回事。

整段论证总结起来一句话: 2010 年定的 20 年计划，今天我们是第 16 年，还在轨道上，还剩 5 年。那些重大的开放问题 — 医学、材料、社会科学想成为真正的 science — 卡住的从来不是道德或政治，是 algorithmic。算法现在终于来了。

药物研发会先垮 — 因为它最干净，本质就是一个有验证终点的 search problem。然后是整个生物学，靠 virtual cells。然后是 economics、climate、ecology — 所有那些因为 emergent、因为只能跑一次，长期抗拒分析的领域。变化的形状不是“产能提高 X%”，是真正意义上的新的 science 在出现。

而这一切的底下，是一个安静的形而上断言 — information 比 matter 或 energy 更底层。如果它成立，那这件事就不是一个产业，是物理学的延续。