Zhídōngxī 8 de abril reportó, la más reciente entrevista de media hora con Demis Hassabis, fundador de DeepMind, ya está disponible.
En la entrevista, Hassabis declaró que es muy probable que la AGI se logre en los próximos cinco años. También reveló que, en la última década e incluso en los últimos quince años, aproximadamente el 90% de los avances clave que sustentan la industria moderna de la IA provinieron de los equipos de Google Brain, Google Research o DeepMind. Expresó gran confianza: "Si en el futuro faltara algún avance clave, tenemos la capacidad de lograrlo."
En cuanto a la comercialización de las capacidades de los modelos, Demis Hassabis cree que la brecha entre los laboratorios líderes en realidad está comenzando a ampliarse, y será cada vez más difícil extraer beneficios de las mismas ideas. Por lo tanto, aquellos laboratorios con la capacidad de inventar nuevos algoritmos e ideas tendrán una ventaja mayor en los próximos años, ya que la última ola de ideas ya ha sido "explotada".
En el video, Demis Hassabis mantuvo una conversación en profundidad con el presentador Harry Stebbings, centrándose en el tiempo de realización de la AGI y los cuellos de botella técnicos, la comercialización de modelos, el futuro del código abierto, la era posterior a los grandes modelos de lenguaje, ¿puede la IA realmente resolver los problemas de I+D farmacéutica? y otros temas centrales, compartiendo las razones del progreso de DeepMind y sus planes futuros, y también habló sobre su primera impresión al conocer a Musk.
Los puntos de vista clave revelados en la entrevista son los siguientes:
1. Es muy probable lograr la AGI en los próximos cinco años, y el poder de computación es el mayor cuello de botella.
2. Bajo la ley de escalamiento, el retorno de la inversión en potencia de cálculo disminuye pero sigue siendo considerable.
3. La capacidad de aprendizaje continuo es una de las mayores carencias actuales de la IA. Además, la IA se desempeña excepcionalmente bien cuando se le hace una pregunta específica de una manera específica, pero si cambias la forma de preguntar, incluso pueden fallar en cosas muy básicas. Demis Hassabis llama a este fenómeno Inteligencia Dentada (Jagged Intelligence).
4. La AGI finalmente se convertirá en la herramienta más poderosa en ciencia y medicina, y en aproximadamente cinco años, entraremos en una edad de oro de los descubrimientos científicos.
5. La futura regulación de la IA debería establecer al menos un conjunto de estándares mínimos y varias pruebas de referencia para evaluar atributos indeseables del sistema.
6. Cuando los problemas técnicos y económicos de la IA estén resueltos, lo que quedará serán problemas filosóficos.
A continuación, se presenta un resumen del contenido central de la entrevista:
01. AGI en cinco años, el poder de computación es el mayor cuello de botella
Presentador: ¿Cuál es su comprensión actual de la AGI? Esto puede ser nuestro punto de partida.
Demis Hassabis: Nuestra definición siempre ha sido muy consistente: La AGI es un sistema que posee todas las capacidades cognitivas de la mente humana. La razón para usar este estándar es que el cerebro humano es hasta ahora la única instancia conocida en el universo que demuestra la existencia de inteligencia general. Así que, para mí, este es el punto de referencia que la AGI debe alcanzar.
Presentador: ¿Qué tan lejos estamos realmente de la AGI? Hay muchas opiniones en la industria, algunas figuras conocidas incluso predicen que podría lograrse tan pronto como en 2026 o 2027. ¿Qué opina?
Demis Hassabis: Es muy probable que la AGI se logre en los próximos cinco años.
Presentador: ¿Esto está más cerca de lo que pensaba originalmente? ¿Ha cambiado su juicio con el tiempo?
Demis Hassabis: En realidad no. Mi cofundador y científico jefe de DeepMind, Shane Legg, ya en 2010, cuando acabábamos de fundar la empresa, a menudo predecía en su blog cuándo llegaría la AGI. Hay que saber que ese año casi nadie tomaba la IA en serio, todos pensaban que era un callejón sin salida. Esos blogs tampoco tenían muchas visitas, pero todavía están en Internet, cualquiera puede consultarlos. En ese entonces, extrapolamos basándonos en el avance del poder de computación y los algoritmos, básicamente predijimos que tomaría unos 20 años desde el inicio. Mirándolo ahora, estamos completamente en camino.
Presentador: Entonces, desde el punto actual, ¿cuál es el mayor cuello de botella técnico?
Demis Hassabis: Creo que el poder de computación es el mayor cuello de botella. Esto no es solo por la "ley de escalamiento": necesitas construir continuamente arquitecturas a mayor escala, acomodar más parámetros, para obtener sistemas más inteligentes. Otro lugar que también requiere una gran cantidad de poder de computación es para hacer experimentos. Las computadoras y la nube son nuestros bancos de trabajo. Si tienes una nueva idea y quieres probarla, debes verificarla a una escala razonable. Entonces, si tienes muchos investigadores y muchas ideas nuevas, necesitas un poder de computación extremadamente abundante.
Presentador: Acaba de mencionar la "ley de escalamiento". Mucha gente ahora cree que estamos tocando el límite de la ley de escalamiento, y la mejora del rendimiento ya comienza a mostrar un efecto de meseta. ¿Está de acuerdo?
Demis Hassabis: No, no lo creo. Creo que la situación real es más matizada que eso. Por supuesto, cuando las principales empresas comenzaron a construir grandes modelos de lenguaje, cada nueva generación de sistemas trajo enormes saltos de rendimiento. Este crecimiento exponencial inevitablemente se ralentizará en algún punto. Pero eso no significa que extender aún más los sistemas existentes no dé buenos retornos. Nosotros y otros laboratorios de vanguardia todavía obtenemos retornos muy considerables de la expansión del poder de computación. Aunque obviamente es menor que en los primeros días de la escalabilidad, sigue siendo considerable.
Presentador: Entonces, ¿en qué aspectos estamos realmente por detrás de sus expectativas iniciales?
Demis Hassabis: Para ser honesto, en la mayoría de las áreas, estamos más avanzados de lo que esperaba. Puedes mirar modelos de generación de video, incluso nuestros sistemas más recientes, como Genie, que es un modelo de mundo interactivo. Si alguien me hubiera mostrado estas cosas hace cinco o diez años, me habría sorprendido mucho. Entonces, en la mayoría de las áreas, estamos por delante de lo que se esperaba originalmente en este campo. Pero todavía hay algunas grandes carencias, como el "aprendizaje continuo", lo que significa que los sistemas actuales, una vez entrenados y desplegados en el mundo real, ya no aprenden cosas nuevas.
02. La capacidad de aprendizaje continuo es uno de los próximos planes de DeepMind
Presentador: Hoy en día, al investigar y preparar nuevos programas, DeepMind se ha convertido en mi primera opción. Pero hace dos o tres años, no era así. ¿Qué cree que impulsó tal aceleración y progreso en DeepMind?
Demis Hassabis: Hicimos algunos ajustes en la estructura organizativa. De hecho, Google y DeepMind siempre han tenido las reservas de investigación más profundas y amplias de la industria. Si miramos hacia atrás en la última década e incluso quince años, aproximadamente el 90% de los avances revolucionarios que sustentan la industria moderna de la IA provinieron de Google Brain, Google Research o DeepMind, como AlphaGo, el aprendizaje por refuerzo, y por supuesto, la arquitectura Transformer. Estos son hitos clave.
Por lo tanto, creo que si en el futuro falta algún avance clave, tenemos la capacidad de lograrlo. Básicamente, reunimos a todos los mejores talentos de la empresa, esforzándonos en la misma dirección. Además, también consolidamos todos los recursos informáticos para construir los modelos más grandes, en lugar de ejecutar dos o tres versiones diferentes en paralelo dentro de la empresa. Así que creo que, en gran medida, estamos ensamblando todos los elementos que ya tenemos, avanzando con un enfoque y velocidad casi de startup, para volver a la vanguardia tecnológica y mantener el liderazgo en muchas áreas.
Presentador: Dice que si alguien va a hacer un avance, debería ser DeepMind. Entonces, en su opinión, ¿el aprendizaje continuo es el próximo avance que más espera?
Demis Hassabis: Creo que todavía faltan varias cosas. El aprendizaje continuo es una de ellas. Además, investigar diferentes sistemas de memoria tiene un gran potencial. Actualmente dependemos principalmente de ventanas de contexto largas, metiendo toda la información, lo cual es un poco "bruto". Creo que hay muchas arquitecturas interesantes por inventar en este aspecto. También cosas como la planificación a largo plazo, la planificación jerárquica. Los sistemas existentes no son buenos manejando planificación en lapsos largos, como cosas de muchos años en el futuro. Y la mente humana puede hacerlo. Así que todavía hay muchos problemas por superar. Quizás el mayor problema es que se desempeñan excepcionalmente bien cuando se les hace una pregunta específica de una manera específica, pero si cambias la forma de preguntar, incluso pueden fallar en cosas muy básicas. La inteligencia general no debería ser así. Llamo a esto Inteligencia Dentada (Jagged Intelligence).
03. "Muy optimista sobre los modelos de código abierto"
Presentador: Mucha gente en la industria también habla sobre la "comercialización" de las capacidades de los modelos. ¿Cree que veremos ese escenario? ¿O habrá uno o dos laboratorios que continúen acelerando, dejando atrás a los demás?
Demis Hassabis: Creo que, actualmente, los tres o cuatro laboratorios líderes —nosotros somos uno de ellos—, la brecha entre ellos en realidad está comenzando a ampliarse, la razón es que muchas herramientas existentes (como herramientas de codificación, matemáticas) ayudarán a construir la próxima generación de sistemas. Y creo que será cada vez más difícil extraer beneficios solo de las mismas ideas. Por lo tanto, aquellos laboratorios con la capacidad de inventar nuevos algoritmos e ideas tendrán una ventaja mayor en los próximos años, porque la última ola de ideas ya ha sido "explotada".
Presentador: Mi otra pregunta es, a lo largo de los años ha sido bastante abierto sobre mucha investigación de DeepMind, y también hemos visto muchos modelos de código abierto de alta calidad. ¿Cómo ve el futuro del código abierto?
Demis Hassabis: Creo que probablemente será similar a lo que vemos ahora. Siempre hemos sido firmes partidarios de la ciencia abierta y los modelos de código abierto. Desde el Transformer inicial hasta AlphaFold, hemos hecho mucho trabajo, compartiendo estos logros con el mundo para ayudar a la comunidad investigadora. Planeamos continuar haciéndolo, especialmente en áreas de aplicación, como aplicar IA a la ciencia, lo cual es obviamente mi pasión personal. Pero también creo que, cada vez más, verás que los modelos de código abierto probablemente estarán un paso por detrás de los modelos más avanzados. Por lo general, la comunidad de código abierto necesita unos seis meses para reimplementar y comprender esas nuevas ideas. Sin embargo, también estamos impulsando mucho un conjunto de modelos de código abierto llamados Gemma, decididos a hacerlos los mejores en su clase para su escala. Para desarrolladores pequeños, académicos o startups que recién comienzan, son una opción ideal, también adecuada para la computación perimetral. Así que para ciertos tipos de aplicaciones, somos muy optimistas sobre los modelos de código abierto.
04. La futura AGI necesita una regulación global
Presentador: A continuación, me gustaría preguntarle, ¿cómo ve el mundo después de los grandes modelos de lenguaje? Diferentes académicos tienen puntos de vista muy diferentes, por ejemplo, Yann LeCun tiene una opinión muy distinta.
Demis Hassabis: Sinceramente, no estoy de acuerdo con Yann LeCun en algunos temas. Creo que probablemente todavía hay un 50% de probabilidad de que falten algunos elementos clave, y todavía necesitamos avances en direcciones como los modelos mundiales. Pero de lo que estoy muy seguro es que los modelos base han demostrado un enorme éxito. Son capaces de realizar tareas extremadamente impresionantes, y no creo que esta capacidad desaparezca. Todavía obtenemos retornos continuos de la ley de escalamiento. Por lo tanto, la verdadera pregunta es: cuando miramos hacia los futuros sistemas AGI, ¿el modelo LLM (modelo de lenguaje grande) es el único componente clave, o es parte de un sistema general? Mi juicio es que no será reemplazado, sino que se convertirá en la base sobre la cual se construya, como lo que estamos haciendo con los modelos mundiales.
Presentador: Como usted dice, es posible que la AGI aparezca en ese entonces. Entonces, cuando miramos hacia el futuro dentro de cinco años, ¿cómo será ese mundo? Mucha gente ha expresado preocupación desde diferentes ángulos. Comencemos por el lado positivo. En su opinión, ¿cómo será ese mundo?
Demis Hassabis: Creo que el lado positivo, y esta es la intención original de toda mi carrera dedicada a construir AGI, es que finalmente se convertirá en la herramienta más poderosa en ciencia y medicina. Para impulsar el descubrimiento científico y encontrar tratamientos para enfermedades, necesitamos urgentemente tal tecnología. Así que espero que, en poco más de cinco años, entremos en una edad de oro del descubrimiento científico.
Creo que pronto podremos acercarnos a ese objetivo. Primero, después de completar el proyecto de plegamiento de proteínas AlphaFold, escindimos una empresa: Isomorphic Labs, que actualmente va muy bien. Su idea central es: centrarse en resolver el resto del flujo de descubrimiento de fármacos, incluyendo mucho trabajo químico, diseño de compuestos, pruebas de toxicidad y varias evaluaciones de propiedades necesarias para la seguridad de los medicamentos. Esperamos que, en los próximos cinco a diez años, todo el motor de diseño de fármacos esté listo.
El siguiente cuello de botella son los ensayos clínicos, que todavía tardan muchos años. Pero creo que la IA puede ayudar, por ejemplo, simulando ciertas partes del metabolismo humano, y realizando una estratificación precisa de pacientes, asegurando que un paciente específico reciba el medicamento más adecuado para su constitución genómica. Por lo tanto, la IA también puede agregar valor en este aspecto. Pero creo que la verdadera revolución probablemente ocurrirá después de que una docena de fármacos diseñados por IA hayan completado todo el proceso. En ese momento, los gobiernos y los reguladores verán estos resultados y tendrán suficientes datos para realizar pruebas retrospectivas de las predicciones del modelo. Quizás dentro de diez años, podamos confiar realmente en las predicciones de estos modelos, y así saltarnos ciertos pasos, como ya no necesitar pruebas en animales, o aumentar la dosis más rápido, porque la confiabilidad del modelo ya ha sido verificada. Entonces, creo que debe ser un proceso de dos pasos: primero resolver el problema del diseño de fármacos, luego resolver el problema del tiempo del proceso regulatorio.
Presentador: Hablando de regulación, la seguridad de la IA es sin duda un tema importante y ha generado una amplia preocupación. Recuerdo que Stephen Hawking dijo una vez: debemos hacerlo bien, porque puede que no tengamos una segunda oportunidad. ¿Está de acuerdo con su punto de vista?
Demis Hassabis: Estoy completamente de acuerdo. Creo que este es precisamente el riesgo que enfrentamos. Me preocupan principalmente dos cosas: Primero, el uso indebido de estos sistemas por parte de actores malintencionados. Segundo, problemas a nivel técnico: dentro de uno o dos años, cuando estos sistemas se vuelvan más incorporados, más autónomos, y también cuando avancemos gradualmente hacia la AGI, ¿podremos mantenerlos siempre en la trayectoria de seguridad prevista? Creo que una regulación adecuada ayudaría a garantizar que todos los proveedores líderes cumplan al menos con los estándares de seguridad mínimos, pero idealmente, esto necesitaría estándares unificados a nivel internacional.
Presentador: Entonces, ¿qué tipo de regulación es "apropiada"? Citando sus palabras en el documental, mencionó "necesitamos más coordinación global", lo cual me preocupa, porque de hecho cada vez lo hacemos peor en cuanto a coordinación global.
Demis Hassabis: Efectivamente así es. Estamos en un período extremadamente especial. Esta tecnología es probablemente la más influyente que la humanidad haya tenido, y al mismo tiempo, el sistema internacional está altamente dividido. Claramente, este no es un estado ideal. Pero aún debemos hacer nuestro mejor esfuerzo para establecer al menos un conjunto de estándares mínimos y varias pruebas de referencia, para evaluar atributos indeseables del sistema, como el "engaño". Nadie debería construir sistemas con capacidad de engaño, porque eso les permitiría eludir otras medidas de seguridad. Si todo va bien, podemos establecer algún mecanismo de certificación, similar a una "marca de calidad", que indique que el modelo tiene protecciones de seguridad específicas y garantías de rendimiento, permitiendo así a consumidores y empresas construir sobre él de manera segura. Creo que esta es la dirección ideal de desarrollo. Y todo esto debe ser internacional, porque estos sistemas son inherentemente transfronterizos y transregionales.
Presentador: Entonces, ¿quién actúa como árbitro?
Demis Hassabis: Creo que el ente responsable final deben ser los gobiernos. Pero las instituciones capaces de realizar el trabajo técnico concreto podrían ser organizaciones como un Instituto de Seguridad de IA. El Reino Unido tiene un Instituto de Seguridad de IA excelente, establecido durante el mandato del ex primer ministro Sunak, creo que lo está haciendo muy bien. Estados Unidos también tiene una institución similar. Quizás, los principales países con capacidades de investigación de primer nivel deberían establecer instituciones equivalentes, equipadas con investigadores de alta calidad, capaces de evaluar y auditar estos sistemas contra puntos de referencia específicos, verificando de forma independiente si cumplen con los estándares apropiados.
Presentador: Si pudiera darle una varita mágica que solo se aplica al campo de la seguridad de la IA, ¿qué idea o plan implementaría?
Demis Hassabis: Creo que necesitamos algún tipo de agencia internacional, quizás similar al Organismo Internacional de Energía Atómica. Los institutos nacionales de seguridad de IA podrían proporcionar insumos, la comunidad investigadora también debe participar, para acordar qué puntos de referencia son apropiados, qué características, qué capacidades deben verificarse.
Además, podría haber otras medidas de seguridad, por ejemplo, no se debería permitir que los sistemas de IA emitan tokens no legibles por humanos, como algún lenguaje de máquina que no podamos entender. Creo que eso introduciría nuevas vulnerabilidades de seguridad. Luego, estas agencias internacionales realizarían pruebas sobre los asuntos mencionados. Creo que esto daría confianza al público, la academia y la sociedad civil también podrían participar, asegurando que esos sistemas que se volverán extremadamente poderosos sean verificados de forma independiente.
05. En el campo de la IA coexisten la exageración excesiva y la subestimación grave
Presentador: Cuando ve la capacidad real de estos sistemas, ¿cómo ve el problema de la sustitución de la mano de obra? ¿Y qué significa esto para el mercado laboral?
Demis Hassabis: Sin duda, cada nueva tecnología revolucionaria en la historia ha traído una gran disrupción en los puestos de trabajo. Esto es seguro, y creo que esta vez no será una excepción. Muchos puestos de trabajo antiguos desaparecerán, o ya no serán económicamente viables. Pero la historia también nos dice que vendrá consigo un conjunto completamente nuevo de profesiones. Estas profesiones antes eran inimaginables, y a menudo son de alta calidad y altos ingresos. Este es un proceso de evolución regular. Por supuesto, debemos ser muy cuidadosos al juzgar "si esta vez es realmente diferente". Gente como Marc Andreessen cree que esta vez no es fundamentalmente diferente de Internet, las comunicaciones móviles y otros diez grandes avances del pasado. Pero sí creo que el impacto de esta vez será mayor que el de cualquier avance tecnológico anterior, su escala equivale a diez veces la Revolución Industrial, y su velocidad también es diez veces la de la Revolución Industrial. Es decir, se desarrollará en una década, en lugar de un siglo. He leído muchos libros sobre la Revolución Industrial, esa revolución trajo una enorme agitación, pero también un enorme progreso. Pero idealmente, esta vez aliviaremos esos efectos negativos mejor que durante la Revolución Industrial.
Presentador: Alguien me dijo que siempre sobreestimamos lo que se puede hacer en un año y subestimamos lo que se puede hacer en diez años. ¿Sigue siendo válido este juicio aquí? ¿O el desarrollo de la tecnología es en realidad más rápido de lo que pensamos?
Demis Hassabis: No, creo que este juicio sigue siendo válido. Quiero decir, quizás las escalas de tiempo a corto y largo plazo estén más cerca que en otras tecnologías. Pero sí creo que, hoy y en el próximo año, el campo de la IA está algo sobrevalorado, desde ciertos ángulos, ya no hay espacio para más exageración. Pero lo interesante es que, por otro lado, creo que en una escala de tiempo de unos diez años, su naturaleza revolucionaria todavía está gravemente subestimada. Podemos llamarlo a largo plazo. Incluso en el campo de la IA actual, todavía existe esta dicotomía.
Presentador: Además de la preocupación por el mercado laboral, también está la preocupación por la desigualdad de ingresos y la concentración de riqueza en manos de unos pocos actores. Combinando con sus comentarios sobre la Revolución Industrial, ¿cómo cree que evolucionará esto?
Demis Hassabis: Creo que hay diferentes caminos posibles. Por ejemplo, los fondos de pensiones deberían comprar acciones de todas las grandes empresas de IA, asegurando que todos puedan compartir los beneficios. Quizás cada país debería establecer un fondo soberano de riqueza para hacer esto. Esta es una solución a nivel de inversión.
Además, creo que también necesitamos pensar: si esta enorme mejora de la productividad ocurre solo en áreas muy estrechas, ¿cómo redistribuimos, cómo hacemos que todos se beneficien de ello? Se me ocurren varias formas, como usar estas ganancias de productividad adicionales para proporcionar infraestructura y otros servicios públicos. En una escala de tiempo de cinco a diez años, podrían aparecer avances increíbles, como quizás resolver la fusión nuclear, en esto estamos trabajando con nuestros socios de Commonwealth Fusion. Creo que la IA nos llevará a nuevas posibilidades: superconductores excelentes, baterías más eficientes, saltos en la ciencia de materiales. Todo esto cambiará fundamentalmente la naturaleza de la economía.
Presentador: Entonces, ¿cómo resolvemos la crisis energética provocada por la revolución de la IA? Su escala en términos de demanda de energía no tiene precedentes.
Demis Hassabis: Creo que, a medio y largo plazo, la IA se pagará sola en costos de energía, e incluso más. Estamos llevando a cabo una serie de proyectos para optimizar la infraestructura existente, como optimizar la red eléctrica. Creo que probablemente podamos mejorar la eficiencia de la red nacional en un 30% a 40% más. Además, está el modelado climático y meteorológico, tenemos el mejor sistema de modelado meteorológico del mundo, lo que ayuda a identificar con precisión dónde ocurren los impactos, para así tomar medidas de mitigación. Finalmente, lo más emocionante pueden ser tecnologías revolucionarias como la fusión nuclear, nuevas baterías, superconductores, y la IA es crucial para ayudarnos a lograr estos objetivos. Para entonces, la humanidad entrará en un panorama energético completamente nuevo nunca antes experimentado, lo que ciertamente ayudará a resolver los problemas climáticos y ambientales, y finalmente nos ayudará a llegar al espacio a menor costo. Porque si tienes fusión nuclear, una energía increíble, casi tienes combustible de cohete ilimitado, solo necesitas destilar y catalizar agua de mar.
Presentador: Saco de nuevo esa varita mágica. ¿Qué haría para cultivar una mentalidad de crecimiento, una capacidad que pueda construir empresas de billones de dólares que hoy no existen?
Demis Hassabis: Somos muy buenos generando ideas de startup y llevándolas a un cierto nivel, como hicimos con DeepMind. Pero si realmente quieres cruzar esa brecha y convertirte en un jugador global de billones de dólares, ¿de dónde vienen las rondas de financiación de miles de millones? Que te permitan desafiar realmente a las empresas establecidas. Creo que esto definitivamente faltaba hace 10 años cuando recaudaba fondos para DeepMind, y creo que todavía falta hoy: ese nivel de ambición, y la cantidad que el mercado de capitales puede respaldar.
06. La primera vez que conoció a Musk, hubo buena química
Presentador: Vamos a una ronda rápida de preguntas y respuestas. ¿Cómo fue la primera vez que conoció a Elon Musk?
Demis Hassabis: Fue genial. Fue en un evento de Founders Fund. En ese momento, SpaceX y DeepMind pertenecían a la misma cartera de inversiones. Creo que ambos éramos invitados, esa debería ser mi primera vez en una reunión de cartera, el tiempo fue probablemente 2011 o 2012, en ese entonces éramos aspirantes insignificantes, solo nos dieron un período de preguntas muy pequeño. Y Musk era la figura central en esa cartera, dio el discurso principal. Luego nos vimos después de la reunión. Bromeó diciendo que nos saludamos al cruzarnos en el baño. Inmediatamente hicimos buena química, como esas personas con ideas demasiado ambiciosas y que también aman la ciencia ficción. En ese momento realmente quería visitar su fábrica de cohetes, así que intenté conseguir una invitación a SpaceX. Al final de esa reunión, realmente la extendió. Nuestro segundo encuentro fue en la fábrica de SpaceX en Los Ángeles.
Presentador: Entonces, ¿cuál es la revolución médica que más espera?
Demis Hassabis: Para ser honesto, realmente me gustaría curar el cáncer. Sé que suena a cliché, pero lo que estamos construyendo en Isomorphic es universal. Estamos tratando de crear una plataforma de diseño de fármacos aplicable a cualquier área terapéutica. Así que idealmente, cubrirá desde enfermedades neurodegenerativas, enfermedades cardiovasculares, inmunología hasta cáncer. Estas son nuestras prioridades actuales, pero eventualmente, debería aplicarse a cada enfermedad.
Presentador: ¿Hay algo en lo que esté pensando pero que otros aún no hayan leído o hablado?
Demis Hassabis: Mucha gente se preocupa por los problemas económicos de la AGI de los que hablamos antes. Pero estoy muy preocupado por los problemas filosóficos detrás de ella. Por ejemplo, supongamos que acertamos con la tecnología y manejamos bien el aspecto económico. Entonces lo que queda son problemas filosóficos: ¿Qué es el significado? ¿Qué es el propósito? Iremos a investigar qué es la conciencia y qué significa ser humano. Creo que estos problemas están a punto de presentarse ante nosotros. Necesitamos algunos grandes nuevos filósofos que nos ayuden a encontrar el camino.
Presentador: Finalmente, una pregunta un poco difícil. Hay muchas formas de describir lo que está haciendo. ¿Por qué le gustaría más ser recordado? ¿Qué legado le gustaría dejar?
Demis Hassabis: Me gustaría que mi legado sea impulsar el progreso científico y crear tecnologías que traigan gran bienestar al mundo, como curar esas enfermedades terribles.
Este artículo proviene del WeChat público "智东西" (ID: zhidxcom), autor: Jiayang, editor: Yunpeng
