DeepMind创始人Demis Hassabis在访谈中回顾了从国际象棋神童到获得诺贝尔化学奖的生涯，并探讨了实现AGI仍需解决的关键挑战，如记忆、推理与持续学习。他分析了小模型能力提升、多模态Gemini设计以及推理成本下降的趋势，强调AI已成为科学研究的强大工具，从蛋白质预测扩展到虚拟细胞研究。Hassabis还为创业者提供了前瞻性建议，指出在AGI到来前应关注的方向及AI驱动科学发现的潜力。
Demis 这次没聊虚的，直接把 AGI 的瓶颈摊开讲——记忆、推理、持续学习，每个点都是创业者的机会清单，做 Agents 的可以反复看。
非常享受这次对话——再次感谢@garrytan 主持！
Demis Hassabis（@demishassabis）拥有科技界最非凡的职业生涯之一。 他最初是一名国际象棋神童，17 岁时成为电子游戏设计师，之后获得神经科学博士学位，并创立了 DeepMind。他的实验室攻克了围棋，用 AlphaFold 解决了蛋白质结构预测，然后将其免费提供给地球上每一位科学家。这项工作为他赢得了 2024 年诺贝尔化学奖。如今他领导着 @GoogleDeepMind，朝着他十几岁时就设定的同一个目标推进：AGI。 在 How to Build the Future 这期特别直播节目中，他与 YC 的 @garrytan 坐下来交谈，讨论了要实现 AGI 还需要发生什么、他给创始人关于如何保持领先的建议，以及下一个重大科学突破可能是什么。 01:48 — 在实现 AGI 之前，还缺什么？ 03:36 — 为什么记忆问题仍未解决 06:14 — AlphaGo 如何塑造了 Gemini 08:06 — 为什么更小的模型变得如此强大 10:46 — 1000 倍工程师 12:40 — 持续学习与智能体的未来 13:32 — 为什么 AI 在基础推理上仍然失败 15:33 — 智能体是被过度炒作了，还是才刚刚开始？ 18:31 — AI 能变得真正有创造力吗？ 20:26 — 开放模型、Gemma 与本地 AI 22:26 — 为什么 Gemini 被构建为多模态 24:08 — 当推理变得廉价时会发生什么？ 25:24 — 从 AlphaFold 到虚拟细胞 28:24 — AI 作为科学的终极工具 30:43 — 给创始人的建议 33:30 — AlphaFold 突破的模式 35:20 — AI 能做出真正的科学发现吗？ 37:59 — 在 AGI 到来之前该构建什么
原文
Demis Hassabis (@demishassabis) has had one of the most extraordinary careers in tech. He started as a chess prodigy and video game designer at 17 before getting a PhD in neuroscience and going on to found DeepMind. His lab cracked Go, solved protein structure prediction with AlphaFold, and then gave it away free to every scientist on earth. That work won him the 2024 Nobel Prize in Chemistry. Today he leads @GoogleDeepMind, pushing toward the same goal he set as a teenager: AGI. On this special live episode of How to Build the Future, he sat down with YC's @garrytan to talk about what still needs to happen to get us to AGI, his advice for founders on how to stay ahead of the curve, and what the next big scientific breakthroughs might be. 01:48 — What’s Missing Before We Get To AGI? 03:36 — Why Memory Is Still Unsolved 06:14 — How AlphaGo Shaped Gemini 08:06 — Why Smaller Models Are Getting So Powerful 10:46 — The 1000x Engineer 12:40 — Continual Learning and the Future of Agents 13:32 — Why AI Still Fails at Basic Reasoning 15:33 — Are Agents Overhyped or Just Getting Started? 18:31 — Can AI Become Truly Creative? 20:26 — Open Models, Gemma, and Local AI 22:26 — Why Gemini Was Built Multimodal 24:08 — What Happens When Inference Gets Cheap? 25:24 — From AlphaFold to the Virtual Cells 28:24 — AI as the Ultimate Tool for Science 30:43 — Advice for Founders 33:30 — The AlphaFold Breakthrough Pattern 35:20 — Can AI Make Real Scientific Discoveries? 37:59 — What to Build Before AGI Arrives
来源：Demis Hassabis · x.com