人人都应该看看 Google DeepMind 84”分钟的纪录片，以下是精华总结🌟（看看 Demis 是如何从一个黑发茂密的年轻小伙变成沉沦 AGI 之路的绝顶大神） 1.解决智能-AGI之路 《THE THINKING GAME》纪录片的核心是 DeepMind 联创 Demis Hassabis 对 AGI 的终生追求，从幼年国际象棋神童（[00:23:41]）、到游戏开发（《主题公园》[00:40:22]），再到神经科学研究（[00:32:22]），最终目标都是为了“解决智能”（Solve Intelligence）。DeepMind 的使命被定义为构建“世界上第一个通用学习机器” General Learning Machine。 // 这点让我印象深刻也有点不安，把人生的所有资本都投入到“一个终极目标”上，会带来异乎寻常的创造力，但也会放大道德失误的后果。纪录片没有回避这一点——你能感受到他们的自信，也能听到潜在的担忧。 2. 以游戏为训练场 DeepMind 坚信通用性 Generality 是智能的关键。他们将游戏视为完美的训练场，用于开发能够学习多种任务的单一算法。以下是他们曾尝试的可能： DQN (Deep Q-Network)：通过玩数十种 Atari 游戏证明了强化学习与深度学习结合的可行性。 AlphaGo：以围棋为“圣杯”，证明了机器能够以人类无法想象的方式发现新的策略，引发了全球轰动。 AlphaZero：剥离了所有人类知识，完全通过自我对弈在短时间内掌握围棋、国际象棋等，展现了纯粹的通用学习能力。 // 纪录片里 DeepMind 把这两者的跨度表现得很清楚，游戏让算法变强，科学与现实应用又把这些力量带到了真正具有影响力的领域。 3. 从游戏到科学，AlphaFold 的划时代突破 DeepMind 将 AI 的力量带入了现实世界最复杂的科学难题之一，蛋白质折叠问题。 这一问题困扰了科学家 50 年。AlphaFold 的目标是根据氨基酸序列准确预测蛋白质的 3D 结构，这是理解生命、加速新药和疫苗开发的关键。 在 CASP 14 竞赛中（[01:13:50]），AlphaFold 取得了突破性的高精度，被誉为“蛋白质折叠问题已经解决”DeepMind 随后向全球免费公开了 2 亿个蛋白质结构数据（[01:15:55]），成为“送给人类的礼物” Gifts to humanity 。 同时，纪录片中也指出 AI 可能用于军事目的（[00:34:44]）、更强大的监控，以及被用来“驯服人类” - subduing us with weapons we cannot even understand，不能复制“曼哈顿计划”的错误，即只顾技术狂热而忽略了道德后果 ...