【對談】哈薩比斯：AGI山腳已到，但未來還沒有人寫定

這場對談值得注意的點有五個，合起來勾勒出哈薩比斯的整張思維地圖：一，他怎麼看AI對人類創作的衝擊，樂觀但有條件；二，他把AlphaFold這種科學突破跟遊戲設計，神經科學打通，說明他的方法論從來只有一個問題；三，他對AGI時程給出了明確的心理定位，但刻意拒絕給確切答案；四，他對教育提出的方案既激進又具體，是這場最罕見的實務主張；五，他選擇留在倫敦而非矽谷，背後是一套對跨領域生態的判斷，不是情懷。

◎AI是工具，但AI垃圾已經在路上了

哈薩比斯坦白：AI創作工具可以讓頂尖藝術家把產出效率放大十倍，讓新人用原型片段取代PPT去爭取資源——這些是真的好處。但他同時點名了一個現象：AI slop，泛指那些用AI生成，夠吸眼球但毫無創作靈魂的內容。他不迴避，也沒有替自己的產品護航。他說的是：技術本身不決定方向，資本不加約束就往流量跑，而流量不等於價值。他跟電影導演達倫·艾隆諾夫斯基，冰島遊戲公司Eve Online的團隊合作，試著在工具設計階段就讓一線創作者介入——這是他給AI不是來取代創作這句話的具體內容，不是口號。

◎從遊戲設計到AlphaFold，其實只有一個問題

他1993年做的第一款遊戲Theme Park，是一個迪士尼樂園的小型模擬器。他說當時就在想：一個夠精準的模擬系統，理論上能走多遠？這個問題後來變成DeepMind的核心方法論。AlphaFold解開蛋白質結構，本質上是建了一個極精準的分子模擬器；AlphaGo下棋，是在棋盤這個封閉空間裡模擬對手的決策樹。他的博士研究主題是記憶與想像力——他說，下棋時在腦中預演十步之後的局面，跟遊戲設計時想像玩家在哪個關卡會感到無聊，是同一種認知能力。這些看起來跳躍的職涯，在他自己眼裡是同一條路的不同切入點。聽完才明白，他不是多才多藝，他是一個問題問得夠大，所以每個領域都變成材料。

◎AGI幾年後到，但沒有人知道確切答案

他用了一個說法：singularity的山腳（foothills of the singularity），說我們現在就站在那裡，距離完整AGI只剩幾年。這話說出去份量很重，所以他接下來說的那句更值得注意：任何人告訴你他知道接下來會發生什麼，他不是在騙你，就是有ulterior motives。他沒有給時間表，也沒有替自己公司的產品路線圖背書。他說這件事的速度大約是工業革命的十倍，衝擊規模至少十倍，壓縮在十年內發生而非一個世紀。工業革命帶來現代醫學與兒童死亡率下降，但也帶來環境破壞與社會震盪，而且當時人類花了幾十年才建立起對應的新制度。現在的時間窗口窄得多，這是他說這場辯論昨天就該開始的原因。

◎教育要翻轉課堂，背誦留在家裡

這是全場最少廢話，最直接的一段。他的主張是：把課堂從知識傳遞的場所，改成協作，專案，創業與團隊訓練的空間。背誦和解題留給AI個人家教在課外完成——AI知道你代數哪一塊卡住，會多給你那個類型的練習題，全國最會教數學的老師錄一支影片就夠，不需要每個數學老師各自備課重複生產同一份材料。他點名Montessori學制和牛津劍橋的一對一督導制度（supervision system）作為方向參考。他說這件事不是因為AI來了才需要改，而是這套二戰後建立的系統本來就需要更新了——AI不過是把這個問題逼得更急。這個判斷夠具體，也夠得罪人。

◎選擇留在倫敦，是因為跨領域在這裡最便宜

他說美國是垂直分工的城市格局：金融在紐約，政府在華盛頓，科技在舊金山，娛樂在洛杉磯。倫敦把這四件事塞在同一個城市裡，這是任何對跨領域協作有信仰的人都應該留下來的理由。這不是情懷，是效率計算。他在MIT做博士後時，在餐廳碰到幾位頂級AI教授，對方告訴他他選的方向不會成功，1980年代就試過了，沒用。他仔細聽完，發現對方的論據歸根究底只是慣性，沒有第一原則的理由。他當下的結論是：就算失敗，也要用一種有趣的新方式失敗。DeepMind後來的成果大家都知道。這段話不是在炫耀，是在示範他怎麼處理有資歷的人說不行這件事——聽，然後看論據，而不是看頭銜。

哈薩比斯講完這一切，沒有說AI會拯救人類，也沒有說什麼都會沒事。他說的是：未來還沒寫定，任何宣稱知道結局的人都在說謊或有盤算。這是一個把蛋白質結構解完兩億六千萬個的人說的話，所以重量不一樣。對總經理來說，這場對談最實用的結論其實很簡單：不是問AI會不會影響你的產業，而是你打算主動去定義它怎麼影響，還是等別人替你定義完再接受結果。