Оригинальный текст: Guage AI Новые Знания
Содержание данной статьи составлено на основе интервью Демиса Хассабиса для канала Sequoia Capital, опубликованного 29 апреля 2026 года.
Основное содержание: Интервью Демиса Хассабиса на AI Ascent 2026 от Sequoia Capital
-
Связь ИИ и игр: Игры являются отличным полигоном для искусственного интеллекта. Использование ИИ в качестве основного игрового механизма не только эффективно проверяет алгоритмические концепции, но и обеспечивает раннюю вычислительную поддержку для разработки технологий. -
«Теория времени» в предпринимательстве: Следует «опережать свое время на пять лет, а не на пятьдесят». Важно тонко улавливать точку баланса между технологическими прорывами и реальными потребностями внедрения; слишком большое опережение часто ведет к неудаче. -
Путь развития ОИИ: Миссия DeepMind ясна и непоколебима: первый шаг — создание искусственного общего интеллекта (ОИИ); второй шаг — использование ОИИ для решения всех сложных проблем, включая науку и медицину. -
Ключевая ценность «ИИ для науки»: ИИ — это идеальный язык для описания биологических и сложных природных систем. С помощью ИИ-моделирования срок разработки новых лекарств может сократиться с нескольких лет до нескольких недель, что даже может привести к подлинной персонализированной медицине. -
Рождение новых научных дисциплин: Сложность самих систем ИИ породит новые инженерные науки, такие как «механистическая интерпретируемость». В то же время, технологии моделирования на основе ИИ позволят человечеству проводить контролируемые эксперименты над сложными социальными системами, такими как экономика, тем самым открывая совершенно новые научные направления. -
Информация как сущность Вселенной: Материя, энергия и информация взаимопреобразуемы. Сущность Вселенной, возможно, представляет собой грандиозную систему обработки информации, что придает ИИ глубокое значение для понимания фундаментальных законов функционирования космоса. -
Вычислительные границы машины Тьюринга: Современные системы ИИ, такие как нейронные сети, доказали, что классическая машина Тьюринга способна моделировать проблемы, которые ранее считались решаемыми только квантовыми вычислениями (например, сворачивание белков). Человеческий мозг, вероятно, представляет собой некую высокоточную аппроксимацию машины Тьюринга. -
Философские размышления о сознании: Сознание, возможно, состоит из таких компонентов, как самопознание, временная непрерывность и других. На пути к ОИИ мы должны в первую очередь рассматривать его как мощный инструмент и с помощью этого инструмента исследовать великую философскую тему — «сознание».
Краткое описание содержания
Сооснователь и генеральный директор Google DeepMind, лауреат Нобелевской премии по химии 2024 года за AlphaFold, Демис Хассабис, провел обширную и глубокую беседу с партнером Sequoia Capital Константином Булером на саммите AI Ascent 2026, вместе исследуя путь к ОИИ и будущее за его пределами.
В ходе беседы он объяснил, почему он уверен, что к 2030 году возможно достижение ОИИ, почему длительный цикл разработки новых лекарств может сократиться с десяти лет до нескольких дней, и почему мы должны рассматривать «информацию», а не материю или энергию, как самую фундаментальную и основную сущность во Вселенной. Кроме того, он обсудил, какую оценку современным ограничениям ИИ-моделей дал бы Альберт Эйнштейн, если бы был жив сегодня, и почему следующие год-два станут ключевым моментом, определяющим судьбу человечества.
Полный текст интервью
Ведущий: Демис, большое спасибо, что пришел.
Демис Хассабис: Рад быть здесь. Спасибо всем за присутствие, здорово общаться с вами.
Ведущий: Для нас большая честь пригласить вас в нашу шоколадную фабрику.
Демис Хассабис: Я только что об этом услышал. С нетерпением жду возможности попробовать шоколад позже.
Ведущий: Отлично. Демис, давайте сразу к делу. Сегодня у нас настоящий гуру (OG) отрасли: оригинальный мыслитель, основатель, провидец и пионер во всех областях ИИ. Демис — истинный верующий и чистый ученый.
Истоки и внутренняя логика Демиса
Наша сегодняшняя беседа начнется с ранней истории создания DeepMind, затем углубимся в научные технологии и закончим сессией вопросов от аудитории. Итак, приступим.
Демис, вы были вундеркиндом по шахматам, основателем игровой компании и нейробиологом. Вы основатель DeepMind, а сейчас руководите крупной и влиятельной компанией. Эти идентичности кажутся совершенно разными, но вы говорили, что существует внутренняя логика, связывающая их все. Можете поделиться?
Демис Хассабис: Действительно есть логика, хотя, возможно, в этом есть доля рассуждений задним числом. Но моя страсть к области ИИ имеет давнюю историю. Я очень рано решил, что это самое важное и интересное дело, которым я могу заниматься в жизни. С 15-16 лет каждое направление обучения, которым я занимался, и все, что я делал, было нацелено на то, чтобы однажды создать такую компанию, как DeepMind.
Игры: тренировочная площадка для искусственного интеллекта
Я пошел «окольным путем» в игровую индустрию, потому что в 90-х именно там рождались передовые технологии. Не только в ИИ, но и в графическом рендеринге и аппаратном обеспечении. Графические процессоры (GPU), которые мы все используем сегодня, изначально были разработаны для графических движков, и я уже использовал самые ранние GPU в конце 90-х. Во всех играх, которые я разрабатывал, будь то для Bullfrog (Студия «Бычья лягушка») или для моей собственной компании Elixir Studios, ИИ был основным игровым механизмом.
Моя самая известная работа — игра «Theme Park» («Тематический парк»), разработанная, когда мне было около 17 лет. Это симулятор парка развлечений, в который приходят тысячи людей, катаются на аттракционах и решают, что купить в магазинах. Под поверхностью игры работает полная экономическая модель ИИ. Как и «SimCity» («СимСити»), она была новаторской в своем жанре. Когда я увидел, что было продано более 10 миллионов копий, и стал свидетелем того, как игроки получают удовольствие от взаимодействия с ИИ, это укрепило мое решение посвятить всю свою жизнь области ИИ.
Позже я перешел в нейробиологию, надеясь почерпнуть вдохновение из работы мозга, чтобы вывести иные алгоритмические идеи. Когда наконец пришел подходящий момент для создания DeepMind, объединить все эти накопления было естественно. Впоследствии мы также естественным образом использовали игры как ранний полигон для проверки идей ИИ.
Предпринимательский опыт в Elixir Studios
Ведущий: Сегодня здесь полный зал предпринимателей, вам, должно быть, это близко, потому что вы не только основали одну компанию, а прошли через это дважды. Вернемся к вашему первому стартапу, Elixir Studios. Каким был этот опыт? Хотя это не самая известная ваша компания, вы также достигли с ней огромного успеха. Как вы руководили этой компанией? Чему этот опыт научил вас в плане «создания компании»?
Демис Хассабис: Да, я основал Elixir Studios сразу после окончания университета. Мне повезло поработать до этого в Bullfrog Productions. Те, кто знаком с играми, знают, что это была легендарная студия ранней индустрии, возможно, лучшая игровая студия того времени в Великобритании и даже в Европе.
Я хотел сделать что-то, что расширило бы границы ИИ. На самом деле, в то время я финансировал разработку ИИ «окольным путем» через создание игр, постоянно бросая вызов технологическим рубежам и сочетая это с высочайшей креативностью. Я считаю, что эта философия по-прежнему применима к исследовательской работе, которой мы занимаемся сегодня.
Самым глубоким уроком для меня стало, пожалуй, то, что нужно опережать свое время на 5 лет, а не на 50. В Elixir Studios мы пытались разработать игру под названием «Republic» («Республика»), целью которой была симуляция целой страны. Идея заключалась в том, что игрок мог свергнуть диктатора, правящего страной, различными способами, и мы реалистично смоделировали живые, дышащие города.
Это были конец 90-х, компьютеры работали на процессорах Pentium. Нам нужно было запустить всю графику и логику ИИ для миллиона человек на бытовом компьютере того времени. Это было слишком амбициозно — даже переоценка своих сил — и вызвало множество проблем.
Я усвоил этот урок: нужно быть впереди своего времени, но если опередить его на 50 лет, вы, скорее всего, потерпите неудачу. Конечно, когда идея становится очевидной для всех, уже слишком поздно входить в игру. Так что ключ в том, чтобы найти эту тонкую точку баланса.
Основание DeepMind в 2009 году
Ведущий: Хорошо, говоря о том, чтобы не слишком опережать время, перенесемся в 2009 год, когда вы были убеждены, что искусственный общий интеллект (ОИИ) будет достигнут. В тот раз, возможно, вы опередили время всего на 10 лет, что лучше, чем на 50. Расскажите нашим предпринимателям о 2009 годе. Как вы убедили первых талантливых людей? Ведь вы действительно собрали команду сотрудников и первых участников чрезвычайно высокого уровня. В то время ОИИ звучал абсолютно как научная фантастика, как вы заставили их поверить в это?
Демис Хассабис: В то время мы уловили несколько интересных сигналов. Мы думали, что опережаем время на 5 лет, но на самом деле, возможно, опередили на 10. Глубокое обучение только что было изобретено Джеффом Хинтоном и его коллегами из академических кругов, но почти никто не осознавал его значимости. У нас был большой опыт в обучении с подкреплением, и мы почувствовали, что объединение этих двух технологий приведет к прорыву. До этого они практически не использовались вместе — если и использовались, то только в академических «игрушечных задачах». В области ИИ они были совершенно изолированными островами.
Кроме того, мы увидели перспективы вычислительной мощности; в то время GPU собирались произвести фурор. Конечно, сейчас мы используем TPU, но тогда индустрия ускоренных вычислений должна была стать огромным драйвером. В то же время, ближе к концу моей докторской и постдокторской работы, поскольку некоторые из моих товарищей были вычислительными нейробиологами, мы извлекли из механизмов мозга достаточно ценных идей и принципов, включая ключевую веру: обучение с подкреплением в конечном итоге может через масштабирование привести к ОИИ.
Мы почувствовали, что собрали эти ключевые элементы. Мы даже чувствовали себя хранителями какого-то огромного секрета, потому что ни в академических кругах, ни в промышленности никто не верил, что ИИ может совершить какой-либо значительный прорыв. Фактически, когда мы заявляли о намерении работать над ОИИ — или тем, что тогда иногда называли «сильным ИИ», — многие академики откровенно закатывали на нас глаза. По их мнению, это был тупиковый путь; ведь в 90-е все уже пробовали и потерпели неудачу.
Я был постдоком в Массачусетском технологическом институте (MIT), цитадели экспертных систем и систем логики первого порядка. Сейчас это кажется невероятным, но в то время я уже считал этот подход слишком старомодным и жестким. Однако, будь то в Кембридже (Великобритания) или в MIT, оплотах традиционных исследований ИИ, все по-прежнему придерживались старых методов. Это, наоборот, укрепило меня в мысли, что мы на правильном пути. По крайней мере, если мы обречены на провал, мы потерпим неудачу по-новому, а не повторим путь провала разработки ОИИ в 90-х. Это заставило меня почувствовать, что стоит попробовать в любом случае; даже если бы это была лишь исследовательская задача с неопределенным исходом, в случае провала мы бы потерпели неудачу хотя бы оригинально.
Миссия DeepMind и ставка на ОИИ
Ведущий: Было ли какое-то всеобщее сопротивление вашим ранним убеждениям? Пришлось ли вам что-то доказывать себе или другим, чтобы первые последователи присоединились?
Демис Хассабис: Независимо от обстоятельств, я бы посвятил всю свою жизнь искусственному интеллекту. Как оказалось, его развитие превзошло даже наши самые оптимистичные ожидания. Однако это все еще укладывалось в наши прогнозы 2010 года — тогда мы считали, что это 20-летний путь.
Я думаю, что мы, как часть этой области, полностью оправдали ожидания, и мы, очевидно, сыграли в этом свою роль.
Если отступить еще дальше, даже если бы события развивались иначе, и ИИ до сих пор оставался бы нишевой дисциплиной, я бы все равно остался на этом пути, потому что это самая важная технология, которую я могу себе представить. Моя цель была очень четкой, первоначальная формулировка миссии DeepMind звучала так: первый шаг — раскрыть интеллект, то есть создать искусственный общий интеллект (ОИИ); второй шаг — использовать его для решения всех остальных проблем. Я всегда считал, что это самая важная и увлекательная технология, которую человечество может изобрести.
Это и инструмент для научных исследований, и сам по себе увлекательный объект, и один из лучших способов понять наш собственный разум (например, природу сознания, снов, творчества). Будучи нейробиологом, я часто чувствовал недостаток аналитического инструмента, такого как ИИ, когда размышлял над этими вопросами. Он предоставляет сравнительный механизм, позволяющий нам углубленно изучать и сравнивать две разные системы, как в контролируемом эксперименте.
Культура «ИИ для науки»
Ведущий: Сравнение разных систем. Давайте поговорим о «ИИ для науки» (AI for Science). Вы рано вошли в эту область, являетесь стойким приверженцем и чистым идеалистом. Это центральная миссия, движущая вами. Как модель и культура, созданная вами при основании DeepMind, позволили ей оставаться на переднем крае «ИИ для науки»?
Демис Хассабис: Это и есть наша конечная цель. Для меня лично основным двигателем является создание ИИ для продвижения науки, медицины и нашего понимания мира. Это мой способ выполнения миссии — через «мета-способ»: сначала создать конечный инструмент, а когда он созреет, использовать его для научных прорывов. Мы уже достигли успехов, таких как AlphaFold, и я уверен, что в будущем их будет еще больше.
DeepMind всегда ставил эту цель во главу угла. Фактически, у нас есть подразделение «ИИ для науки» под руководством Пушмита Коли, которое существует уже почти десять лет. Мы официально начали эту работу почти сразу после возвращения с матча AlphaGo в Сеуле, как раз десять лет назад.
До этого я ждал, пока алгоритмы станут достаточно мощными, а идеи — достаточно универсальными. Для меня победа над го стала историческим поворотным моментом; тогда мы осознали, что пришло время применять эти идеи к важным реальным проблемам, начиная с этих серьезных научных вызовов.
Мы всегда верили, что это самое благотворное применение ИИ. Что может быть прекраснее, чем использовать его для лечения болезней, продления здоровой жизни человека, помощи медицине? Непосредственно за этим следуют такие ключевые области, как материаловедение, окружающая среда и энергетика. Я уверен, что в ближайшие годы ИИ блистательно проявит себя в этих областях.
Прорывы в биологии и Isomorphic Labs
Ведущий: Как ИИ совершает прорывы в биологии? Вы глубоко вовлечены в работу Isomorphic Labs, область, которая вас страстно увлекает. С самого начала вы твердо верили в потенциал ИИ в лечении болезней. В биологии, когда мы увидим «момент озарения», подобный тому, что был в лингвистике и программировании?
Демис Хассабис: Я считаю, что с появлением AlphaFold у нас уже был «момент озарения» для биологии. Сворачивание белков и их трехмерная структура — это 50-летняя научная проблема. Если вы хотите разрабатывать лекарства или расшифровать фундаментальный код биологии, решение этой проблемы имеет решающее значение. Конечно, это лишь один аспект процесса открытия лекарств, крайне важный, но всего лишь один аспект.
Наша недавно выделенная компания Isomorphic Labs (сам процесс управления которой мне очень нравится) занимается созданием ключевых технологий в области биохимии и химии. Эти технологии могут автоматически разрабатывать соединения, идеально подходящие для конкретных участков белков. Теперь, когда мы знаем форму белка и структуру его поверхности, у нас есть цель. Далее мы должны создать соединение, которое будет сильно связываться с этой целью и, в идеале, избегать любых побочных реакций, которые могут вызвать токсичность.
Наша конечная мечта: перенести 99% исследовательской работы и времени, которые сейчас занимает процесс исследования, в компьютерное моделирование, оставив реальные «мокрые» лабораторные эксперименты только для окончательной проверки. Если мы сможем это сделать — а я твердо верю, что сможем в ближайшие несколько лет — мы сократим средний 10-летний цикл открытия лекарств до нескольких месяцев, недель, а в будущем, возможно, даже дней.
Я верю, что как только мы преодолеем этот критический порог, станет возможным решить все болезни. Концепции, подобные персонализированной медицине (например, индивидуальные варианты лекарств для конкретного пациента), также станут реальностью. Я считаю, что весь ландшафт медицины и разработки лекарств будет радикально преобразован в ближайшие годы.
Новая наука, рожденная симуляторами
Ведущий: Великолепно. Вы неоднократно упоминали «ИИ для науки». Как вы думаете, в какой-то момент в будущем ИИ породит совершенно новые научные дисциплины? Подобно тому, как промышленная революция породила термодинамику. Появятся ли в нашей системе образования по своей сути новые предметы? Если да, то какими они будут?
Демис Хассабис: На этот счет я думаю, произойдет несколько вещей.
Во-первых, понимание и анализ самих систем ИИ превратится в полноценную дисциплину — инженерную науку. Создаваемые нами объекты бесконечно увлекательны и невероятно сложны. В конечном итоге их сложность будет сопоставима с человеческим разумом и мозгом. Поэтому мы должны глубоко их изучать, чтобы полностью понять, как работают эти системы, что выходит далеко за рамки нашего сегодняшнего понимания. Я уверен, что возникнет совершенно новая область; механистическая интерпретируемость — лишь верхушка айсберга, есть огромное пространство для исследования в анализе этих систем.
Во-вторых, я также верю, что сам ИИ откроет новые научные горизонты. Самое захватывающее для меня — это «ИИ для симуляций». Я помешан на симуляциях; все игры, которые я создавал, не только включали ИИ, но и по сути были симуляторами. Я считаю, что симуляторы — это окончательный путь к решению проблем социальных наук, таких как экономика, и других гуманитарных дисциплин.
Сложность этих дисциплин в том, что они, как и биология, являются эмерджентными системами, в которых чрезвычайно трудно проводить повторяемые контролируемые эксперименты. Скажем, вы хотите поднять процентную ставку на 0,5% — вам приходится делать это в реальном мире и наблюдать за последствиями; у вас могут быть теории, но вы не можете повторить этот эксперимент тысячи раз. Однако, если бы мы могли точно моделировать эти сложные системы, то, возможно, могла бы возникнуть новая наука, основанная на строгом статистическом выводе на высокоточных симуляторах. Я верю, что это позволит нам принимать более оптимальные решения в областях, которые сейчас полны высокой неопределенности.
Ведущий: Какие условия необходимы для создания этих чрезвычайно точных симуляций? Например, модели мира. Какие научные и инженерные прорывы нам нужны, чтобы достичь этого?
Демис Хассабис: Я много размышлял над этим. В нашей работе мы широко используем обучающиеся симуляторы. Они применяются в областях, где у нас либо недостаточно математических знаний, либо система слишком сложна. Мы не можем решить проблему, просто написав программу прямой симуляции для конкретного случая, потому что такой подход недостаточно точен и не охватывает все переменные.
Мы уже применяем это в прогнозировании погоды. У нас есть самый точный в мире симулятор погоды «WeatherNext», который работает намного быстрее инструментов, используемых в настоящее время метеорологами. Я не уверен, сможем ли мы все понять, и хорошо ли это, но первый шаг — лучше понять эти сложные системы.
Даже в биологии мы работаем над так называемой «виртуальной клеткой» — это чрезвычайно динамичная эмерджентная система. Подобно тому, как математика — идеальный язык для описания физики, машинное обучение станет идеальным языком для описания биологии. В биологии и многих природных системах присутствует огромное количество слабых сигналов, слабых корреляций и огромных объемов данных, которые превосходят аналитические возможности человеческого мозга. Тем не менее, в этих огромных массивах данных существуют внутренние связи, корреляции и интригующие причинно-следственные отношения.
Машинное обучение — идеальный инструмент для описания таких систем. До сих пор математика не могла этого сделать, либо потому что система слишком сложна даже для лучших математиков, либо потому что выразительных возможностей математики недостаточно для понимания этих высоко эмерджентных динамических систем — отчасти потому, что они чрезвычайно запутаны и стохастичны по своей природе.
В конечном счете, как только вы овладеете этими симуляторами, возможно, сможете породить новую научную дисциплину. Вы можете попытаться извлечь явные уравнения из этих неявных или интуитивных симуляторов. Поскольку вы можете делать сколь угодно много выборок из симулятора, возможно, однажды вы сможете обнаружить фундаментальные научные законы, подобные уравнениям Максвелла.
Может быть. Я не знаю, существуют ли такие законы для таких эмерджентных систем, но если они существуют, я не вижу причин, по которым мы не могли бы обнаружить их с помощью этого метода.
Ведущий: Это было бы замечательно. Вы говорили о теории, согласно которой фундаментальные строительные блоки всего во Вселенной могут быть похожи на информацию, что находится на более теоретическом уровне. Как вы к этому относитесь? Что это означает для традиционных классических компьютеров Тьюринга?
Демис Хассабис: Конечно, можно сослаться на знаменитое E=mc² и все работы Эйнштейна, показывающие, что энергия и материя по сути эквивалентны. Но я на самом деле считаю, что информация также обладает некой эквивалентностью. Вы можете рассматривать организацию материи и структуры — особенно таких систем, как биологические, которые способны сопротивляться росту энтропии — как по сути информационные системы обработки. Таким образом, я считаю, что эти три можно преобразовывать друг в друга.
Однако у меня есть ощущение, что информация является самой фундаментальной. Это противоположно точке зрения классических физиков 1920-х годов, которые считали энергию и материю первичными. Я действительно считаю, что рассматривать Вселенную прежде всего как состоящую из информации — лучший способ понять мир.
Если это верно — а я считаю, что сейчас этому есть много свидетельств, — то значение искусственного интеллекта еще глубже, чем мы думаем. Он уже важен, потому что его суть — организовывать информацию, понимать ее и строить информационные объекты.
Для меня сердцевина искусственного интеллекта — это обработка информации. Если вы принимаете обработку информации в качестве первичного способа понимания мира, то обнаружите чрезвычайно глубокие внутренние связи между этими совершенно разными областями.
Ведущий: Так вы считаете, что классическая машина Тьюринга может вычислять все?
Демис Хассабис: Иногда, размышляя о нашей работе, я считаю себя «защитником Тьюринга», потому что Алан Тьюринг — один из моих самых почитаемых научных героев. Я верю, что его работа заложила основу не только для компьютеров и информатики, но и для искусственного интеллекта. Теория машины Тьюринга — один из самых глубоких результатов в истории: все, что вычислимо, может быть вычислено машиной, которая описывается относительно просто. Поэтому я считаю, что наш мозг, вероятно, также является приближенной машиной Тьюринга.
Очень интересно размышлять о связи между машинами Тьюринга и квантовыми системами. Однако то, что мы продемонстрировали с такими системами, как AlphaGo и особенно AlphaFold, заключается в том, что классическая машина Тьюринга, одетая в современные нейронные сети, может моделировать проблемы, которые ранее считались требующими квантовой механики для решения. Например, сворачивание белка в некотором смысле является квантовой системой, включающей чрезвычайно мелкие частицы; можно было бы подумать, что необходимо учитывать все квантовые эффекты водородных связей и другие сложные взаимодействия.
Однако оказалось, что можно получить приближенное оптимальное решение, используя классическую систему. Таким образом, мы можем обнаружить, что многие вещи, которые мы думали, требуют квантовых систем для моделирования или выполнения, на самом деле могут быть смоделированы на классических системах при правильном подходе.
Философия сознания
Ведущий: Вы всегда рассматривали искусственный интеллект как инструмент, подобный телескопу, микроскопу или астролябии в прошлые века. Но когда вы сталкиваетесь с машиной, которая может моделировать практически все — как вы сказали, даже квантовые системы, — в какой момент она перестает быть инструментом? Наступит ли этот день?
Демис Хассабис: Я очень сильно чувствую, что в миссии и путешествии по созданию искусственного общего интеллекта (ОИИ) мы, попутчики — включая многих присутствующих здесь, — считаем, что лучший способ — сначала построить инструмент: чрезвычайно умный, практичный и точный инструмент, а затем перейти к следующему порогу. Само по себе это достаточно глубоко. Конечно, этот инструмент может становиться все более автономным, все более похожим на агента, что мы и наблюдаем в настоящее время. Мы находимся в волне этой эры агентов.
Однако есть следующий вопрос: обладает ли он активностью? Имеет ли он сознание? Это вопросы, с которыми нам придется столкнуться. Но я предлагаю сделать это вторым шагом, возможно, используя инструмент, построенный на первом шаге, чтобы помочь нам исследовать эти глубокие вопросы.
В идеале, в этом процессе мы также сможем лучше понять наш собственный мозг и разум и сможем более точно, чем сегодня, определять такие понятия, как «сознание».
Ведущий: Есть ли у вас какие-то общие представления о будущем определении сознания?
Демис Хассабис: Нет, помимо того, что обсуждалось в философии на протяжении тысячелетий, мне особо нечего добавить. Но для меня очевидно, что определенные компоненты, безусловно, необходимы. Они могут быть необходимыми, но не достаточными условиями. Такие вещи, как самосознание, понятие себя и другого, а также некоторая временная непрерывность, очевидно, необходимы для любого существа, которое выглядит сознательным.
Однако вопрос о том, каково полное определение, остается открытым. Я обсуждал это со многими великими философами. Несколько лет назад я глубоко беседовал на эту тему с недавно ушедшим Дэниелом Деннетом. Одна из ключевых проблем — поведение системы: ведет ли она себя как сознательная система? Можно утверждать, что по мере того, как некоторые системы ИИ все больше приближаются к ОИИ, они в конечном итоге могут это делать.
Но тогда возникает вопрос: почему мы считаем друг друга сознательными? Одна из причин — то, как мы себя ведем, мы действуем как сознательные существа. Но другой фактор заключается в том, что мы все работаем на одной и той же базовой подложке.
Поэтому я думаю, что если верны оба утверждения, то предположение, что ваш и мой опыт одинаковы, является логически наиболее экономным, поэтому мы обычно не спорим о том, обладает ли другой человек сознанием. Но очевидно, что мы никогда не сможем добиться той же эквивалентности подложки в искусственной системе. Поэтому я считаю, что полностью преодолеть этот разрыв будет очень трудно. Вы можете рассматривать это на поведенческом уровне, но как насчет уровня переживания? Возможно, после достижения ОИИ появятся некоторые методы работы с этим, но это, возможно, выходит за рамки сегодняшнего обсуждения, даже в рамках разговора об «ИИ и науке».
Ведущий: Прекрасно. Мы скоро перейдем к вопросам от аудитории, приготовьтесь. Вы только что упомянули философов, в частности Канта и Спинозу, как двух ваших любимых философов. Кант — типичный деонтологический философ, крайне подчеркивающий идею долга; а Спиноза придерживается почти детерминистического взгляда на вселенную. Как вы связываете эти два совершенно разных мировоззрения? Каково ваше фундаментальное понимание того, как устроен мир?
Демис Хассабис: Мне нравятся эти два философа, и они впечатляют меня, потому что Кант высказал идею — которую я глубоко почувствовал, работая над докторской диссертацией по нейробиологии — что «разум создает реальность», и я думаю, что это в основном верно. Это дает нам еще одну вескую причину изучать работу разума и мозга. Поскольку я в конечном счете исследую природу реальности, мы должны сначала понять, как разум интерпретирует реальность. Вот что я получил от Канта.
Что касается Спинозы, это больше относится к духовному измерению. Если вы пытаетесь использовать науку в качестве инструмента для понимания вселенной, вы уже начинаете затрагивать глубокие тайны, стоящие за тем, как устроена вселенная.
Именно это я чувствую в нашей нынешней работе. Занимаясь научными исследованиями, углубляясь в искусственный интеллект и создавая эти инструменты, я чувствую, что мы каким-то образом читаем язык вселенной.
Ведущий: Красиво. Это самое прекрасное описание вашей повседневной работы: Демис, вы ученый, оратор и философ в одном лице. Прежде чем закончить, давайте сделаем несколько быстрых вопросов-ответов. Он не видел эти вопросы заранее. Спрогнозируйте год достижения искусственного общего интеллекта (ОИИ), раньше или позже ожидаемого? Или вы можете отказаться отвечать.
Демис Хассабис: Я выбираю 2030 год. Я был последователен в этом прогнозе.
Ведущий: Хорошо, 2030 год. Тогда, когда мы достигнем ОИИ, какую книгу, стихотворение или статью вы бы порекомендовали к обязательному прочтению?
Демис Хассабис: Моя любимая книга о мире после достижения ОИИ — «Структура реальности» Дэвида Дойча. Я считаю, что идеи этой книги по-прежнему актуальны. Я надеюсь использовать ОИИ, чтобы ответить на глубокие вопросы, поднятые в этой книге, и это будет основным направлением моей дальнейшей работы в эпоху ОИИ.
Ведущий: Отлично. Какой момент в DeepMind до сих пор вызывает у вас наибольшую гордость?
Демис Хассабис: Нам посчастливилось пережить много пиковых моментов. Думаю, самый гордый, вероятно, рождение AlphaFold.
Ведущий: Хорошо, и, наконец, несколько вопросов об играх. Если бы вы участвовали в высокоставочной пошаговой стратегической игре, такой как «Цивилизация», «Polytopia» или подобной хардкорной игре, и могли бы выбрать ученого из истории в качестве напарника, например, Эйнштейна, Тьюринга или Ньютона, кого бы вы выбрали для своей команды?
Демис Хассабис: Думаю, я бы выбрал фон Неймана. В конце концов, в такой ситуации вам нужен эксперт по теории игр, и я считаю его лучшим.
Ведущий: Это определенно божественный напарник. Демис, вы настоящий универсал. Большое спасибо, что пришли сегодня. Пожалуйста, присоединяйтесь ко мне в аплодисментах Демису за его замечательное выступление. Большое спасибо.
