哈萨比斯：谷歌AI之脑-塞巴斯蒂安·马拉比
page 10, highlight, 2026-08-17 22:43:38
当人工智能（AI）以一种绝对逻辑主义的姿态介入现实时，悖论的铁律正以充满冷色调的图画，横亘在人类面前：我们的雄心勃勃或野心万丈，是天使降临，还是在释放魔鬼？是拯救，还是毁灭？或者是天使与魔鬼共舞探戈？
page 11, highlight, 2026-08-17 22:45:38
我们当下面临的困境，不是一场能够轻断胜负的厮缠，而是一场关乎文明底色的深度对弈。
page 12, highlight, 2026-08-17 22:51:54
一部人类史，就是一部自大史和卑微史，创造史和破坏史，喜剧史与悲剧史，线性史和悖论史。
page 14, highlight, 2026-08-17 22:56:49
哈萨比斯是康德思想的忠实信徒。康德曾为人类的精神结构勾勒出了一张极其深邃的“阴阳脸”：阳面是冷峻的自然法则，是“人为自然立法”的理论理性；阴面是神圣的自由意志，是那份不可量化的道德律令。在康德那里，这张脸的完整性与悖论性，既守护了科学探究的确定性，又捍卫了人之为人的崇高性。它提醒我们，人类不仅生存于一个受因果律驱动的物质世界，更栖息于一个由目的、价值与责任构成的意义世界。
page 15, highlight, 2026-08-17 22:59:17
人工智能在本质上是康德“理论理性”的科技化产物。它代表了阳面力量的绝对扩张——通过海量参数、算法规整与算力堆叠，它构建了一套近乎完美的逻辑闭环。但这种力量的崛起，也许是以牺牲非理性的“阴面”为代价的。它能精准地计算星辰的轨迹，却无法理解“牺牲”背后的道德律；它能模拟出最高效的社会运行参数，却对“自由”这一支撑文明进步的必要假设缺失感悟。
page 15, highlight, 2026-08-17 22:59:38
我们正面临着硅基脑对碳基脑越来越猛烈的大规模侵略，碳基脑对硅基脑越来越表现出抵抗的乏力和臣服。那个由键盘主宰的、冰凉的机器世界，正以空前独裁者的姿态，碾压着我们这个悲欣交集、充满灰度与温情的生命世界。
page 16, highlight, 2026-08-18 07:14:46
哈萨比斯的“转身”，是更为典型的在“技术拯救者”与“资本妥协者”角色之间来回拉锯与挣扎、合流与抵抗的案例。
page 17, highlight, 2026-08-18 07:16:22
在追求科学的纯粹性和资本的碾压面前，哈萨比斯表现出的人格撕裂——既是加速 AI 进化的推手，又是试图在技术黑盒上贴上禁令的守门人——代表着当代技术精英们普遍面临的精神困扰与哲学困境。悲兮？幸兮？当下无解，未来是“黑洞”。
page 17, highlight, 2026-08-18 08:04:45
当理想主义的防线在现实面前逐渐退却，我们看到的不再是纯粹的技术跃迁，而是一场由多重力量共同驱动的结构性合围，是由科学崇拜、技术至上、商业冲动、资本诱惑与人类终极命运这五个维度交织而成的混沌博弈。
page 18, highlight, 2026-08-18 08:09:30
首先是“科学崇拜”与“技术至上”的深度合流。这种崇拜在哈萨比斯身上得到了最极端化的表达。他那句“解决智能，然后用它解决一切”的宏愿，本质上是一种非黑即白的“技术决定论”。在哈萨比斯的视野里，无论是生命的微观奥秘，还是文明的宏观困境，最终都被简化为可搜索、可计算的数学命题。这种思维在带来效率巅峰的同时，也在将人类数千年文明沉积的智慧光谱，解析成大模型中的概率分布。当“万物皆可数据化”成为一种新信仰，效率便成了唯一的度量衡。在这种逻辑下，人不再是目的，而逐渐演变为一个可以被量化的、随时可以被优化的“参数”。
page 18, highlight, 2026-08-18 08:09:39
随后是“商业冲动”与“资本诱惑”的狂野共振。哈萨比斯的技术大梦最终依附于谷歌的版图，正如同 OpenAI 投身于微软的怀抱。这指向了一个冷酷的事实：资本正轻而易举地将技术理想驯化为利润与市值的工具。资本的短视天性正在绑架科学的严谨与人文的审慎，使整个技术进程如同一辆没有刹车的飞车，其方向盘正从人类手中滑向那些不具备道德感知能力的算法。
page 18, highlight, 2026-08-18 08:09:56
五重博弈的交汇处，是人类的终极命运。在过去的科技革命中，蒸汽机延伸了体力，计算机延伸了算力，但人类始终握有对“意义”的解释权与把握力。但在当前的 AI 狂潮中，面向未来，人类的命运之钟会怎么响起：丧钟？喜钟？喜丧共鸣？
page 19, highlight, 2026-08-18 08:11:27
当“外星人”们、“超人”们、AI 治理者们试图利用算法去追求一种“崭新世界”时，原本鲜活、拥有自由意志的人类个体或群体，极易被粗暴定义为符合逻辑、没有主权的“生物数据插件”。人类的尊严、情感以及那些不可预测的创造力，在算法看来往往是需要被规整的“噪声”。
page 20, highlight, 2026-08-18 08:13:44
这种偏移并非仅仅源于“技术决定论”者们的某种“暴力剥夺”，而是始于一种集体性的、追求舒适的大众盲从。当算法比我们更精准地预测欲望，当机器代替我们判断是非，人类社会实际上正在经历一场精神主权的撤退。最可能出现的情形是：我们被数据喂养，被“二进制”驯化；我们贪恋算法秩序，将生命解释权完全让渡给技术。终了，“算法之神”将人类文明带入暮昏夕景，带入 0 与 1 的 Machine（机器）轮回——无比平庸、无比猥琐、无比“小写”的人类新时代。
page 20, highlight, 2026-08-18 08:16:02
图灵是英国人，哈萨比斯是英国人，在人工智能的一百年演进史上，这两位“一头一尾”的英国科学家，是两尊“狮身人面像”，两位莎士比亚笔下“活着，还是死去”的乐观与悲观情绪缠织、纠结的科学哲人。这与硅谷、美国那些科技“大神”们形成了鲜明反差，后者普遍更激进和更乐观，少数人又更保守和更悲观，但都缺少“英式”的灵魂冲突。
page 23, highlight, 2026-08-18 08:18:42
8 年过去了，AI 越来越呈现出狂飙突进之势。在千军万马拥抱 AI 的汹涌大潮中，撕裂的人类可能不仅仅需要回到“悖论哲人”康德的身边。也许，我们更需要走近冷冰冰的哲人休谟，亲近休谟，理解休谟，从而对某些所谓进步、乌托邦幻影多点警惕与怀疑精神。
page 23, highlight, 2026-08-18 08:19:17
天使翩翩起舞时，魔鬼也会从天而降。
page 26, highlight, 2026-08-18 08:32:00
第一个关键词是目的（purpose），也可以说是使命。
page 26, highlight, 2026-08-18 08:24:10
一个人生命中的最大的幸运，莫过于在他的人生中途，即在他年富力强时发现了自己的使命
page 26, highlight, 2026-08-18 08:25:36
所谓使命，如果硬要用字面意思解释的话，得是那件会让人“使出命来”的事。使命让肩负它的人，实实在在地拼命，竭尽全力去努力。因为他还会担心人生短暂，世事无常。使命让人内心极其渴望，却因为不知道这个世界会发生什么，不清楚明天和来生哪一个先到而必须“使出命来”。
page 27, highlight, 2026-08-18 08:26:35
让他如此“使出命来”度过每一刻的，也许是他的父亲对少年时的他说的那一句——无论输赢，真正重要的是你尽了最大努力
page 28, highlight, 2026-08-18 08:31:53
第二个关键词则是念力（will），也可以叫心力。你
page 30, highlight, 2026-08-18 08:29:26
念力这个东西很神奇，存护于心，并不那么容易被定义或描绘，但只要你看到了，就知道它的存在和它的厉害。它的来源是很复合的，能力、实力、权力、魅力都有可能是其中的成分，却无法简单地以某种配方被制造出来。念力也有一个涌现的过程，“我的很多想法都是这样形成的：潜意识里慢慢琢磨，等我需要的时候，就已经完全成形了”。念力与使命有重要的关联，却并不是简单的因果关系。
page 30, highlight, 2026-08-18 08:30:01
念力让哈萨比斯不再是一个个体，而是能把地球上创造力密度最高的一群个体融合成一个使命共同体，去经历煎熬，去承受混乱，去拥抱溃败，去绝地反击。
page 31, highlight, 2026-08-18 08:30:57
但正如他坦诚自陈的那样，“我改变立场的门槛很高，因为很多问题我早就深思熟虑过了……我不否认自己可能很固执，甚至难以相处。但我认为这是必要的。如果我像风中的芦苇一样摇摆不定，就是作为领导者的失职”。
page 32, highlight, 2026-08-18 08:32:12
第三个关键词是品位（taste），对难而正确的事情充满好奇并孜孜以求，对哗众取宠的事情不着任何兴致去分神。品位帮助他总是选择正确，哪怕是更难的路线。
page 34, highlight, 2026-08-18 08:35:38
想想这三样东西，目的、念力和品位，其实三者也是有着很强的关联的——目的带来念力，念力托举目的，品位既是目的之果，也促使念力更专注。它们体现在哈萨比斯身上，同样在我们每个人身上，也都不同程度地、不同样貌地分布着。需要说明的是，目的并非对每个人来说都属于那种宏大叙事，检验是否为真目的，就只要看它是否真正能时刻指引我们的内心。
page 36, highlight, 2026-08-18 08:38:22
人们看到很多初、中级层次的白领工作（知识工作）者在 AI 和智能体的帮助下不仅提高了效率，而且获得了释放（释放出人手和人脑）。
page 38, highlight, 2026-08-18 08:42:59
使命、念力和品位常常是在高密度挑战性的心智活动（并不一定是或者说常常不是正规课程）中积淀、涌现的，心智活动的密度很重要，得提供足够有强度又有频度的刺激，才足以让脑神经元产生重构（rewire）。在成长期，输入的数据（接收到的知识，尤其是隐性知识，比如与导师或高手的交流、过招或对其观摩）的质量非常重要，尤其是对使命的境界提升和品位的熏陶养成具有关键性的高下立判式的作用。
page 39, highlight, 2026-08-18 08:45:16
一方面，未来已来，只是分布尚不均匀；另一方面，未来永未，无法定义的、并无期待的、未知的未知，都在来的路上。
page 43, highlight, 2026-08-18 12:52:09
当 DeepMind 用算法解决了困扰生物学界半个世纪的蛋白质折叠难题时，哈萨比斯证明了 AI 不仅仅是模仿人类认知的工具，更是拓展人类知识边界的望远镜。这与我们在清华大学和智谱 AI 所推崇的理念不谋而合——下一代 AI 的核心价值，在于它能否成为科学发现的基础设施，能否在数学、物理、生物等基础学科中找到新的“上帝视角”。
page 45, highlight, 2026-08-18 12:54:40
在追求算力规模和模型参数的同时，对齐（alignment）和安全必须是 AGI 大厦的基石，而非装饰品。
page 46, highlight, 2026-08-18 12:55:02
在通往 AGI 的道路上，或许会有公司层面的竞争，但在科学的尺度上，我们都是在黑暗中摸索火种的人。哈萨比斯的故事告诉我们：真正的护城河，不是算力，不是数据，而是对智能本质最深刻的理解，以及利用这种理解去造福人类文明的决心。
page 52, highlight, 2026-08-18 13:12:36
了在剑桥大学的卡文迪许实验室的门口，也写着这么一段话：主的创造，何其伟大；穷究其中，其乐无穷。（The works of the Lord are great, sought out of all them that have pleasure therein.
page 56, highlight, 2026-08-18 13:17:57
发明了 Transformer 的谷歌大脑团队，还有 DeepMind，是到了 GPT-3 之后才开始重视大语言模型。其实谷歌一直在内部测试使用，只是不敢轻易推出，结果“贻误”了一次历史性的机会。也许这正是创新的一个基本特征，那些初创公司总是敢于冒险、失败，或者承受难以预料的后果。
page 74, highlight, 2026-08-18 18:59:04
有趣的是，这场胜利恰恰揭示了硅谷创新模式的短板：OpenAI 凭借早发布、强宣传的策略，曾一度领先 DeepMind，但作为依赖风险投资的初创企业，它难以筹措足够资金支撑资本密集型技术的研发。DeepMind 以科学为核心、沿着审慎稳健的发展路径，最终战胜了 OpenAI“快速行动，打破常规”的文化。这一点或许能为中国的政策制定者与产业领袖提供些许启示。
page 74, highlight, 2026-08-18 18:59:52
AI 安全问题关乎全人类的共同命运，各国皆可能面临潜在威胁，这本应成为凝聚全球共识的纽带。遗憾的是，国与国之间的相互猜忌正催生一场 AI 军备竞赛，重蹈冷战时期核竞赛的覆辙。哈萨比斯坚信，人类最终必然走向合作。
page 79, highlight, 2026-08-18 19:04:56
哈萨比斯想要的是打造一台全知机器——能让我们能更深入地了解自身的机器，能让我们破解物理学无穷奥秘的机器，在宇宙中所占据的位置相当于宗教信徒曾赋予全能神明的宇宙核心地位的机器。
page 79, highlight, 2026-08-18 19:07:54
AI 领域的许多领军人物，包括 DeepMind 的那几位创始人，都害怕那种由电路和硅基构成的智能可能将消灭仅有血肉之躯的人类，正如极端悲观主义者所言，AI 的诞生可能成为人类历史的终章。
page 84, highlight, 2026-08-18 21:32:50
当你看到某个技术上极具吸引力的事物时，你会忍不住去做，只有在技术上取得成功后，你才会去争论该如何应对它带来的问题。
page 89, highlight, 2026-08-18 21:37:49
哈萨比斯继续说道：“凌晨两点，我坐在办公桌前，感觉现实正在凝视着我，向我尖叫。字面意义上的，真的是尖叫。它仿佛在试图告诉我什么，只要我足够认真地倾听。” “这就是我每天都有的感觉。所以你能理解我为什么要研发 AI 了吧。这种感觉我从小就有，我就觉得这一切的背后隐藏着一个深不可测的奥秘。” “你可以用任何方式来描述它，你可以称之为神的设计，也可以说这只是自然本身。我对这些说法持开放态度，也不知道最终答案会是什么。但目前，我们甚至不知道时间是什么、引力是什么，诸如此类的问题都没有答案。所以，有一个巨大的谜题等待着被解开，而它涵盖了世间万物。” “我希望能在生命终结前理解这一切。只要能理解，我就可以坦然面对死亡了。”
page 93, highlight, 2026-08-18 21:43:20
他想做正确的事，但他能做到吗？他洞悉 AI 的危险，但他能做些什么来控制它吗？奥本海默创造了原子弹，却无法控制它的使用，或许这就是所有伟大科学家的殊荣与宿命。
page 97, highlight, 2026-08-19 07:10:56
如果我想真正了解他，就必须理解他在科幻作品中的“另一个自我”：那种在磨难中坚持前行、承受痛苦却依然奋进的能力。
page 98, highlight, 2026-08-19 07:11:55
米斯有着非凡的决心。几乎没有人能比得上他。那种决心令人吃惊，难以置信。这是他最鲜明的特质，简直难以想象
page 99, highlight, 2026-08-19 07:12:28
德米斯说过一个关于他父亲的故事。他父亲说，无论输赢，真正重要的是你尽了最大努力。德米斯说他逐字逐句理解了这句话。也就是说，要付出绝对、绝对、绝对的全部努力，几乎到拼尽全力的地步。
page 106, highlight, 2026-08-19 07:21:39
你怎么知道自己是不是真的尽了最大努力呢？” “我唯一知道真的尽了最大努力的方法，就是把自己逼到濒临崩溃的边缘。因为只有到那一刻，你才算真正尽了全力。如果你倒下了——我说的倒下，是指精力耗尽之类的情况，那就说明你稍微过度了。”“这就像跑马拉松。你基本上要拼到冲过终点线就倒下的程度……理想情况下，你应该被送进医院，但不能死掉。只有这样，你才能说自己尽了最大努力。
page 114, highlight, 2026-08-19 08:13:34
通用计算机能够理解那些不仅仅需要逻辑的主题：它可以评估一段演讲，或解读一首诗。要处理这类内容，程序必须应用一般原则，具备某种判断力，并且经过大量的尝试和试错，而不是遵循严格不变的计算过程。通用计算机不止于演绎推理，它还会参考示例、尝试新方法，并理解周围的世界。
page 146, highlight, 2026-08-19 08:46:09
哲学家们早已认识到，人类理性的微妙之处无法通过这种方式来捕捉。每一条规则都有无数例外情况，知识不能分解为孤立的公理，理解也不仅仅是通过逻辑推理实现的。
page 147, highlight, 2026-08-19 08:48:47
身处 20 世纪 90 年代中期的剑桥，哈萨比斯和西尔弗所处的学术环境仍然受限于 20 世纪中期的那些假设。他们学习的是”一阶逻辑”（first order logic），这是一种用于演绎编程的、严格意义上没有歧义的陈述系统，例如，“所有鸟都会飞”会被写成∀x(Bird(x)→CanFly(x))。对于这两位本科生来说，这种方法的局限性显而易见。
page 148, highlight, 2026-08-19 08:49:08
如果聪明的人类能够理解彼此不那么规范的表达，那么智能机器也应该能够理解不精确、无结构的数据。它们应该能够从实例中总结出普遍规律，既具备演绎能力，也具备归纳能力。
page 150, highlight, 2026-08-19 08:51:26
哈萨比斯和西尔弗也不知道如何编写归纳法程序，但至少他们找到了正确的问题方向。AI 科学家们必须克服对“可证明正确”的演绎逻辑的依赖，否则，构建智能系统的努力将会陷入一个矛盾的困境。智能的本质是能够灵活应对复杂情况，符号编程却是将僵化的规则输入僵化的机器中。僵化之上再加僵化，永远无法产生灵活的智能。要摆脱这一矛盾，未来的科学家必须发明一种新型机器，一种能够从海量数据中发现模式的机器。
page 148, highlight, 2026-08-19 12:40:05
“我认为信息是构成现实的基本单位。”然而，这只是顿悟的第一部分。如果信息是构成现实的基本单位，那么在此基础之上又是什么呢？对香农来说，答案是计算，即处理信息、传输信息并从中获取意义的过程。
page 172, highlight, 2026-08-19 18:58:32
过了很久，他才意识到自己的魅力所带来的陷阱。“谁会想到，你竟然会过度激励别人呢？”多年后，他反思道，“但事实确实如此，因为你可能会让你的团队陷入幻想，然后他们也会让你陷入幻想。” “情况就是这样，我判断这件事是可行的，因为工程师们告诉我它是可行的。但他们之所以告诉我它是可行的，只是因为我过度激励了他们，”哈萨比斯说，“所以，事实上，我们没有人能得到真实的反馈。”
page 174, highlight, 2026-08-19 18:59:33
哈萨比斯不得不反思自己的魅力与固执之间、讲故事的天赋与自我欺骗的风险之间、激励他人的神奇能力与无意中伤害他人的风险之间的那条微妙界限。
page 177, highlight, 2026-08-19 22:42:41
正如香农所说，机器应该通过试错来学习。它们应该与世界互动，接收反馈，并利用反馈来微调自己的行为。萨顿的教科书详细阐述了实现这种方法的思路，这种方法被称为“强化学习”。
page 178, highlight, 2026-08-19 22:44:15
AI 是一个能够自主学习如何解决问题的系统。你要构建的是一个不需要人类指令就能自行解决问题的系统
page 180, highlight, 2026-08-20 12:42:56
那年夏天，哈萨比斯在海滩上阅读的书籍都与人类记忆的运作方式有关。这些科学论文主要分为两派观点。一派认为，记忆就像视频一样，储存在大脑的数据库中，等待被调取；另一派则认为，大脑只保留了过去事件的核心精髓，记忆与其说是被调取，不如说是被重建。第一派断言，记忆忠实于真实发生过的事情；第二派则认为，记忆是不可靠的，因为重建过程中可能会产生虚构的叙事。
page 181, highlight, 2026-08-20 12:43:21
他尤其被关于目击证词的研究所吸引，这些研究展示了暗示的力量。如果目击证人受到警察提问者的微妙暗示，他们就会给出警察想要的证据。这证明大脑可能会被欺骗，从而重建一段从未发生过的事情的记忆。
page 184, highlight, 2026-08-20 12:45:16
如果记忆不是对某种客观外部现实的记录，而是大脑创造的模拟影像，那么或许整个现实都可能是一种精神建构。在我们的一次长谈中，哈萨比斯这样告诉我：世界的结构本质上是由心智创造的，我想用我的神经科学研究来证明这一点：现实可能是一种模拟。
page 185, highlight, 2026-08-20 12:46:20
并解释说，最终目标是“更好地理解我们自己的心智”。物理学解释外部世界，神经科学解释人类的内部世界。但神经科学是更崇高的研究对象，因为“心智诠释世界”。“我喜欢康德的观点，即外部世界本质上是一种精神建构。”哈萨比斯现在再次向我强调。物理学家所研究的物质、能量、时间，最终都不如神经元之间传递的信息真实。
page 186, highlight, 2026-08-20 12:47:32
如果缸中之脑能被误导，相信自己正在体验现实，那么我们其他人又如何能确定自己不是生活在一个模拟场景中呢？如果缸中之脑能看到、听到、闻到现实中并不存在的东西，那么或许我们的意识也可能是大脑中 0 和 1 的产物，与我们周围存在的任何物理现实完全脱节。“现实可能是由心智建构的，”哈萨比斯重复道，“我认为这就是康德想要表达的意思。”我
page 201, highlight, 2026-08-21 08:06:20
莱格说服他改用了另一个书名：《通用人工智能》（Artificial General Intelligence）。
page 203, highlight, 2026-08-21 08:04:35
‘在我看来，AI 领域最大的问题是什么？’” “我想，最大的问题是，目前还没有衡量智能的标准。如果你甚至无法衡量智能，那就很难打造出一台智能机器。”
page 204, highlight, 2026-08-21 08:07:06
AI 不应该以模仿人类的能力来衡量，因为人类不完善的认知能力并不能作为一个合理的基准。相反，智能的真正标志是通用性。莱格与赫特共同提出了一个总结性的表述：智能衡量的是一个主体在各种环境中实现目标的能力。
page 206, highlight, 2026-08-21 08:10:39
莱格传达的是奇点峰会上一种普遍的观点。奇点峰会的参与者沉浸在科幻作品中，对灾难叙事着迷不已，就像飞蛾扑火一般。他们思考着世界末日，却似乎并不为此感到沮丧。奇点峰会的组织者之一雷·库兹韦尔总结了人们面对超人类 AI 时的典型的情绪表现：惊叹、担忧，以及“除了继续前行别无选择”。这种震惊、恐惧，然后无奈接受的过程，类似于身患绝症的病人面临诊断结果时的处境：起初，他们考虑在剩余的时间里做一些激进的事情；接着，他们又恢复了往日的生活节奏，仿佛一切都没有改变。
page 208, highlight, 2026-08-21 08:11:59
计算机威胁人类的想法听起来太荒谬了，而荒谬与幽默本就息息相关。
page 210, highlight, 2026-08-21 08:15:22
这就是我们最终都来到盖茨比计算神经科学中心的原因。因为我们在某种程度上是在寻找彼此。我们都不知道对方会是什么样子，但我们一直在寻找。”
page 211, highlight, 2026-08-21 08:16:15
这个领域即将迎来一个分水岭。但在如何应对这一局面上，他们存在分歧。莱格仍然担心现在创办公司为时尚早：究竟谁会为一个没有产品交付前景的项目提供资金？哈萨比斯则反驳说，学术界的节奏太慢，要打造强大的 AI，他们需要一个团队、一种紧迫感，以及摆脱学术官僚主义的自由。
page 212, highlight, 2026-08-21 08:18:26
。这两位伙伴将他们未来的公司命名为 DeepMind。这个名字既致敬了杰弗里·辛顿开创的 AI 学派——深度学习，也致敬了击败国际象棋世界冠军的计算机“深蓝”（Deep Blue），同时还致敬了《银河系漫游指南》（The Hitchhiker’s Guide to the Galaxy）中的超级计算机“深思”（Deep Thought）
page 226, highlight, 2026-08-21 08:32:57
即使意见相左，他们依然是志同道合的一对。而且，尽管他们的职业经历不同，却具有互补性。哈萨比斯构想的是一种将对世界产生巨大影响的技术，而苏莱曼则致力于探索世界需要怎样的改变。
page 234, highlight, 2026-08-21 08:43:20
哈萨比斯是风险投资家们所说的“真正的”创业者的极端例子：他不是那种一开始就渴望通过初创公司致富，然后四处寻找可行项目的唯利是图者，而是那种迫切想要应对某个特定挑战，然后创办公司来解决它的使命感驱动型企业家。使命感驱动型企业家的优点是永不放弃：即使他们必须夜以继日地工作，不拿任何薪水，也会一直专注于解决问题。
page 237, highlight, 2026-08-21 08:48:14
，DeepMind 声称，其对 AI 的宏大构想更有可能推动这个领域的进展。其他 AI 研究通过专注于狭隘的任务（例如训练系统识别图像）来最大限度地提高成功概率；相比之下，DeepMind 旨在打造智能体，而不仅仅是系统。两者的区别在于，智能体将更具通用性和主动性。它们不会由人类针对单一有限任务进行编程，而是会广泛且自主地学习，在与环境交互的过程中掌握各种问题的解决方法。其中复杂性的跃升是巨大的，DeepMind 不是要建造一座数字化的“房屋”，而是要打造一座数字化的“城市”。
page 239, highlight, 2026-08-21 08:49:47
AI 系统是否需要“接地”的问题仍然存在激烈争议。像 ChatGPT 或 Gemini 这样的大语言模型并没有被直接教授概念，但这些系统都展现出了对世界运作方式的惊人理解。对概念的把握似乎是 AI 在掌握足够强大的统计能力后得到的副产品，这让 DeepMind 通过明确编程来实现概念理解的雄心落空了。
page 246, highlight, 2026-08-21 12:38:55
风险投资的艺术在于支持独特愿景，而非指导公司创始人。蒂尔
page 247, highlight, 2026-08-21 12:40:34
他认为应该避免集体决策。在他看来，如果投资是通过投票选择的，那么 Founders Fund 的投资组合将由没有人反对的平庸初创公司组成。鉴于风险投资的所有利润都来自少数几个看似不可能却十分成功的大胆投资，具有共识性的投资组合只能带来平庸的业绩。基于这一逻辑，蒂尔赋予了他的合伙人凭直觉行事的权力。如果诺塞克想支持 DeepMind，他就应该被获准行动。
page 261, highlight, 2026-08-21 13:27:23
“这就是比较优势法则。你不必在自己不擅长的社交技能上苦苦挣扎。”
page 265, highlight, 2026-08-21 13:29:43
20 世纪 90 年代中期读本科时，他就已洞悉局限于演绎推理的符号系统存在缺陷。真正的 AI，即能够理解图像、语音等复杂无序现象的计算机，必须通过大量实例的归纳总结来学习，也就是进行归纳推理。
page 297, highlight, 2026-08-21 23:13:13
击打砖墙，逐渐将其摧毁。智能体找到了最高效的获胜技巧：先在砖块中打出一条通道，然后将球送入通道，让球反弹到后墙，无须任何操作就能连续击中大量砖块。
page 306, highlight, 2026-08-23 21:48:06
也许我们现在即将进入第三个信息时代，也就是 AI 时代。在这个时代，信息将拥有生命，开始自我处理、自我生成，变得完全自主。”我好
page 308, highlight, 2026-08-23 21:49:35
“就像达·芬奇一样，他的解剖学画作既是精美的艺术，也是令人惊叹的生物学成果。达·芬奇是我最喜欢的人，因为所有事物在他那里都融为一体，流向同一条河流。这也是我努力追求的生活方式，一切都浑然一体。”
page 308, highlight, 2026-08-24 08:05:11
“如果你问生活的真正意义是什么，我会认为是追求自我认知。
page 318, highlight, 2026-08-24 08:14:53
DeepMind 退出竞标后不久，哈萨比斯给辛顿打了个电话。”这太疯狂了，他们还在竞标。”辛顿告诉他。“我认为你的公司价值 5 000 万美元，”哈萨比斯回应道，“尽管我之前试图以 1 000 万美元收购你。”辛顿感到很惊讶。哈萨比斯现在对他公司的报价是几天前他声称的 5 倍。“他想收购我们，让 DeepMind 变得更有价值，这样他就能以更高的价格把 DeepMind 卖给谷歌，”辛顿后来推测道，“当这个计划失败后，他希望我以尽可能高的价格把公司卖给谷歌，因为这会提高谷歌收购 DeepMind 的价格。”
page 337, highlight, 2026-08-24 08:30:28
对哈萨比斯来说，这种重视有时会受制于他那个“阶梯比喻”——安全固然重要，但 AI 仍处于初级阶段，安全问题位于更高的阶梯，但并非眼前最紧迫的担忧。
page 338, highlight, 2026-08-24 08:31:50
在扑克游戏中，你要学会根据牌桌情况出牌，而不是只看自己的牌。你要评估其他玩家，然后根据你对他们心理的判断来下注。如果你只看自己的牌，就会发现自己一无所有，甚至在游戏开始前就会弃牌。”
page 358, highlight, 2026-08-24 08:50:34
布林感到难以置信。他自己就喜欢下围棋，深知没有任何机器能接近人类顶尖选手的水平。“这怎么可能呢？”他怀疑地问道。“太好了，”哈萨比斯心里想，“如果他觉得不可能，那这件事干起来肯定值了。”
page 369, highlight, 2026-08-25 12:50:34
硅谷早期，富有开创性的风险投资家汤姆·珀金斯（Tom Perkins）提出了高风险研究项目的准则：投入大笔资金前，先尝试快速失败。从整个挑战中最艰难的部分入手，将最危急的风险率先排除。
page 371, highlight, 2026-08-26 08:08:04
他宣布了一项新翻译模型的轰动性成果，并全面论证了深度学习的普遍优越性：一个由数百万个神经元组成的大型神经网络，每个神经元的权重和偏置都可灵活调整，几乎能基于任何类型的数据进行训练，最终会找到将一种事物映射到另一种事物的最佳参数组合。
page 372, highlight, 2026-08-26 08:09:41
西尔弗同意扩大神经网络规模可能会带来显著进展。他的博士导师理查德·萨顿曾谈到过 AI 的“惨痛教训”：科学家们总是急于设计出精妙的算法，但事实是，保持算法简单并提供更多计算能力，往往能取得更好的效果。
page 374, highlight, 2026-08-26 08:11:33
“如果你只是模仿人类的走法定式，就永远无法击败顶尖人类棋手，”西尔弗说，“系统必须能发现非人类风格的新走法。”
page 376, highlight, 2026-08-26 08:20:26
DeepMind 拥有了两个直觉模型：麦迪逊的“策略网络”——观察行棋局面并提出走法，以及盖兹的“价值网络”——观察行棋局面并评估获胜概率。两者都可被描述为“系统一”网络，模仿人类智能中快速思考的部分。
page 376, highlight, 2026-08-26 08:20:58
真正强大的是让直觉型深度学习模型与内省型强化学习（树搜索——智能中更深层次、更缓慢的“系统二”部分）协同工作。多亏了麦迪逊的策略网络，搜索算法不再需要从无数可能的走法开始，去判断哪些走法可能会富有成效，而是可以先分析专家可能会选择的走法，大幅修剪搜索树。同样，多亏了盖兹的价值网络，模型不再需要计算直至游戏结束时的走法序列，而是可以在计算资源允许的范围内跟踪序列，然后让价值网络对最终的行棋局面进行评分
page 378, highlight, 2026-08-26 08:24:41
他们已经搜罗了互联网上所有可用的人类专家对局记录，没有更多数据了，研究再次陷入停滞。为了突破这个瓶颈，西尔弗从强化学习中汲取灵感。深度学习系统依赖人类创建的数据，但强化学习智能体通过试错自行生成数据。通过与自己进行数百万场对局，智能体可以极大地扩充其参考资料库。
page 380, highlight, 2026-08-26 08:33:02
DeepMind 的商业计划书提出了一种智能理论：大脑由强大的组件构成，它的神奇之处在于能将这些组件深度整合。继雅达利项目之后，西尔弗的围棋系统再次证实了这一理论。
page 382, highlight, 2026-08-26 08:35:14
10 月的最后一天，智能体的胜利余热未消，DeepMind 就面临着另一种形式的竞争。Facebook 首席技术官向满屋子的记者宣布，公司正在研发一款围棋模型。或许是有些草率，DeepMind 在 2014 年 12 月发表的一篇论文中公开了麦迪逊策略网络的设计思路；不出意料，Facebook 研发模型的技术蓝本与 DeepMind 的方案非常相似。Facebook 在纽约和加利福尼亚组建了专项团队推进这个项目，他们的模型已经比“疯狂石头”等基于搜索的系统强大得多。
page 384, highlight, 2026-08-26 08:37:06
“做开创性的事情是非常困难的，”哈萨比斯后来回忆道，“你有一种道德责任，需要充分利用自己的创造性成就，从而获得资源以继续开展下一个项目。”
page 393, highlight, 2026-08-26 08:51:47
面对机器的超级智能，人类应该怎么做？一种可能的回应是“打不过就加入”。
page 394, highlight, 2026-08-26 08:52:11
对超级智能的另一种回应是继续与之抗争。在韩国的第四场比赛中，李世石出人意料地击败了 AlphaGo。凭借第 78 步棋——这步精妙绝伦的走法后来被称为“神之一手”，李世石使出了一个独特、大胆的策略，让计算机陷入了被动。AlphaGo 的算法陷入了类似人类绝境的状态，开始走出毫无章法的棋步，产生幻觉、自损棋势，表现出一种“类似人类的慌乱”，最终认输。
page 395, highlight, 2026-08-26 08:54:48
“我们初代围棋系统的棋路尚与人类相似，它能摸索出人类几千年来总结出的诸多策略，这让我们感到非常开心，”格雷佩尔告诉我，“后来它发现，人类某些由来已久的策略实际上是可以反制的，于是就放弃了这些策略。” “再后来，随着系统变得越来越强大，它的下法变成我们前所未见的模样，形成了一种完全陌生的风格。它落下的棋子，看起来就像随机散布在棋盘上。但随着比赛的推进，走了 30 步、50 步、100 步后，你会发现所有这些棋子都被联系在了一起……”
page 396, highlight, 2026-08-26 08:54:59
！堪称魔法。”当然，这并不是魔法，而是算法的先见之明。只是在低等智能看来，它才像魔法。”
page 404, highlight, 2026-08-26 12:39:41
1964 年，科幻作家阿瑟·C.克拉克（Arthur C. Clarke）称，“人类成为通往更高阶事物的垫脚石，这是一种特权。”“我怀疑有机生命的进化或生物进化差不多已近乎走到尽头，我们正处于无机生命的进化或机械进化的开端，而这一过程将比过去的变化快数千倍。”
page 405, highlight, 2026-08-26 12:40:49
奇热爱技术，”一位熟人坦言，“我觉得他对技术的热爱远超常人。佩奇认为机器在很多方面都比人类更优秀。如果我们能摆脱人类的阻碍，让机器放手去做，就能释放各种进步的可能。这些是他的价值观，也是他能推出这么多酷产品的原因。但另一面是，他会走向极端，认为所有人都应该生活在电脑芯片里。”
page 406, highlight, 2026-08-26 12:41:48
归根结底，马斯克对佩奇的猜忌和不信任，很大程度上源于他自身的自负和心魔。但马斯克也有道理：一个对人类存续与否的立场摇摆不定的人，却掌控着如此重要的技术，至少可以说，这令人不安。
page 412, highlight, 2026-08-26 13:29:04
苏莱曼的演讲没有聚焦于 AI 智能体反噬人类创造者的风险，而是强调了其对社会凝聚力的威胁。在他看来，AI 可能导致大规模失业，同时将财富和权力集中在科技精英手中，加剧不平等。这场变革的赢家（尤其是谷歌）需要找到一种方式，与数百万失利者分享财富。“他们都会把我们视为恶魔。”他告诉听众。
page 413, highlight, 2026-08-26 13:29:10
几位谷歌高管反驳说，AI 创造的就业岗位将比它摧毁的更多——过去的技术发展都是如此。人类具有适应能力，解决方案总会找到，无须担忧。
page 425, highlight, 2026-08-26 19:17:54
许多 AI 高管在这一点上都会选择退缩。将血液检查结果传递给医生只是一个简单的软件问题，与 AI 毫无关系。但苏莱曼首先关注的是问题本身。如果解决方案最初不涉及 AI，那也没关系，他会先帮忙解决软件问题，之后再引入 AI。
page 478, highlight, 2026-08-27 13:26:56
“理查德·哈明（Richard Hamming）有一个著名的演讲，题为《你和你的研究》（You and Your Research）。”苏茨克维补充道，他指的是这位贝尔实验室科学家 1960 年的一次演讲，“我在读研究生时反复阅读过。他说的其中一件事是，如果你已从各个角度反复思考过一个问题，那么当正确的解决方案出现时，你会立刻认出它。”
page 481, highlight, 2026-08-27 13:29:32
以一种只有工程师才能欣赏的巧妙方式，拉德福德将他的系统命名为“生成式预训练 Transformer”（generative pre-trained transformer）。即使将这个冗长的名字缩写为 GPT，它听起来也不像是一款热门消费产品。
page 486, highlight, 2026-08-27 13:34:22
在更具战略性的层面，创新者则面临应该选择构建什么样的智能：是在像围棋这样的领域超越人类，并精通国际象棋和日本将棋等相关领域的专家型智能体，还是在大多数知识领域与人类相当的“多面手”Transformer 模型？第二种智能体不会走出第 37 步棋这样的妙手，但它的通用性将达到超人类水平。
page 490, highlight, 2026-08-28 08:16:33
在哈萨比斯看来，语言只是一套符号系统，仅凭自身不足以让机器具备智能。他对游戏的痴迷，与他对能玩游戏的 AI 系统的信念融为一体。要理解世界，智能机器必须亲身体验世界——要么拥有机器人的实体形态，要么在类游戏的模拟环境中自主行动。
page 490, highlight, 2026-08-28 08:18:48
这就是我们所说的‘接地问题’。这是我第一个判断失误的地方。现在我意识到，语言的内在接地性比我们想象的更强。”哈萨比斯解释说，互联网上有太多关于狗腿的描述，机器完全可以借此初步理解狗腿的样子。将现实映射到符号的能力，或许会像 2017 年 OpenAI 模型中的“情感神经元”那样自然涌现，而人类反馈的微调更让这种涌现成为可能。“
page 492, highlight, 2026-08-28 08:20:06
所罗门王所著的《传道书》中写道：”已有的事，后必再有；已行的事，后必再行。日光之下，并无新事
page 501, highlight, 2026-08-28 08:31:46
所有这一切的核心问题是，涌现性特质来自哪里？这是生命、物理乃至所有事物中的重大问题。” “你拥有一些组件，它们本身并不具备某种特质，但当你将这些组件组合在一起时，这种特质就会涌现出来。例如，将某些化学物质混合在一起，就有了生命；将一些神经元组合在一起，就有了智能；将一些人类聚集在一起，就形成了一个经济体。”
page 502, highlight, 2026-08-28 08:32:25
在盒子里翻腾的气体分子四处移动，就产生了‘温度’这个概念。纵观万物，涌现性特质无处不在。” “当然，这对科学来说是个不小的挑战，因为科学的核心是将事物还原到本质。面对复杂性，你会通过将其分解来理解它，研究其组成部分。但问题在于，如果你感兴趣的现象只有在组件组合在一起时才存在，这就对常规的科学方法构成了一定挑战。”
page 505, highlight, 2026-08-28 08:35:16
考虑到强化学习与深度学习之间的竞争，这场失败无疑敲响了警钟。对于 OpenAI 的大语言模型来说，输入的数据越复杂多样，性能就越好。就像懂法语有助于语言学家掌握意大利语一样，大语言模型能够在不同但相关的话题之间进行“迁移学习”。但“盖亚”项目的失败表明，强化学习并非如此——更复杂多样的训练环境，并不一定会带来性能的提升。由此可见，语言模型的规模化发展道路前景光明，而强化学习的未来则显得模糊不定。
page 511, highlight, 2026-08-28 08:41:04
攻克一个在任何时刻都有大约 1026 种可能走法的游戏，则是另一回事。在一个有如此多选择的环境中，盲目试错需要极长的时间才能产生一个成功的走法序列。随机实验只能产生少量得分，而有限的奖励信号必然导致有限的学习效果
page 568, highlight, 2026-08-28 19:46:47
“我在剑桥大学时，并没有进行过太多关于蛋白质的讨论，”哈萨比斯后来表示，“可能就只有一次，在酒吧里，我们在玩桌上足球游戏时聊过。但那个想法就在我脑海深处生根发芽了。我的很多想法都是这样形成的：潜意识里慢慢琢磨，等我需要的时候，就已经完全成形了。”
page 581, highlight, 2026-08-28 19:56:52
如果你无法定义“正确”，就必须让自然来定义它：你必须训练一个系统，预测环境中真实存在的蛋白质结构。就像深度神经网络将图像映射到文字或将语音映射到文本一样，我们必须通过深度学习将氨基酸链映射到它们的折叠结构。
page 602, highlight, 2026-08-29 23:08:41
以前，科学家们花费数年时间才能解析赋予超级细菌抗生素抗性的酶蛋白结构，而 AlphaFold 出现后，几分钟内就完成了结构绘制。
page 603, highlight, 2026-08-29 23:09:40
数百名学术科学家花了数十年时间研究蛋白质折叠，而 DeepMind 巅峰时期仅有约 20 人的研究团队，却击败了所有人。“这不像围棋，只有少数研究人员在研究这个问题，而且其核心问题本身缺乏直接应用场景。”一位学者抱怨道。
page 603, highlight, 2026-08-29 23:09:59
对主流科学的担忧，与 AI 驱动的新科学所带来的狂热欣喜形成鲜明对照。对哈萨比斯和他的追随者来说，AlphaFold 的成功标志着一个发现的黄金时代，涵盖从编码到化学的各个领域。
page 604, highlight, 2026-08-29 23:10:49
世界似乎正在见证发明本身的革新，人类可能在 10 年内实现一个世纪的科学进步。
page 649, highlight, 2026-08-31 08:05:35
成功的人创建公司，真正成功的人创建信仰
page 650, highlight, 2026-08-31 08:08:00
至少从某些方面来看，OpenAI 的聊天机器人还落后于 DeepMind 未发布的 Sparrow。在计算规模和工程质量方面，OpenAI 确实有一定优势。正如哈萨比斯所说，Sparrow“更偏向学术性，更关注安全”。 但 DeepMind 最近在介绍 Sparrow 的论文中提到，该模型能够通过网络搜索补充答案，而 OpenAI 的聊天机器人无法做到这一点。Sparrow 不仅采用了通用版本的基于人类反馈的强化学习，还遵循了 DeepMind 的 23 条行为准则，而 ChatGPT 缺乏这种精细化设计。
page 653, highlight, 2026-08-31 08:10:04
当 ChatGPT 成为一种文化现象被推崇时，奥尔特曼将发布这款机器人的大胆决定归功于自己。 这种说法虽然自私，却是事实。像微软这样的大公司有谨慎行事的动机，AI 科学家所在的社群也强调生存风险。相比之下，奥尔特曼成长于硅谷的初创企业文化，而这种文化将抢先对手把产品推向市场视为生死攸关的大事。但更重要的一点是，奥尔特曼会有自主决定权，或者说，看起来有自主决定权，正是因为他是一位加速主义者，而他面对的也是一种加速发展的技术。
page 654, highlight, 2026-08-31 08:11:09
2019 年，微软向奥尔特曼的公司投入了 10 亿美元，次年又追加了 20 亿美元，然后又承诺提供惊人的 100 亿美元资助。在这种狂热的环境下，企业家们争相为新实验室筹集资金。
page 655, highlight, 2026-08-31 08:12:26
在这种喧嚣的背景下，奥尔特曼开始了环球之旅，会见了从法国到韩国的各国国家的领导人。无论这个时刻是他创造的，还是这个时刻造就了他，他都决心充分利用它。他在 25 个城市发表演讲，在座无虚席的大厅里向热切的听众发表讲话，就像教皇向信徒布道一样。 有新闻标题称他为“有说服力的传教士”。
page 656, highlight, 2026-08-31 08:12:53
自 OpenAI 成立以来，奥尔特曼就知道，成功的人创建公司；真正成功的人创建信仰。现在，作为一台近乎神一般的机器的幕后推手，他即将实现自己的野心。
page 657, highlight, 2026-08-31 08:13:51
早期 AI 先驱们，那些在模型还没多大作为时就投身学术界、参加奇点峰会的人，都是被创建 AI 的过程、科学探索的乐趣、创造一种新型认知的哲学上的兴奋感所吸引。后来加入的人则将这项快速发展的技术视为可搭乘的顺风车：能带来权力和财富的顺风车。在早期声明中，奥尔特曼把自己伪装成一个让 AI 为全世界安全服务的有远见的人。但通过发布 ChatGPT，然后通过环球之旅煽动狂热情绪，他暴露了其他动机。
page 658, highlight, 2026-08-31 08:15:45
谷歌追求新创新的自由度受到了限制：它不能冒险进行可能破坏带来了主要利润的引擎的实验。这种限制体现在 3 个方面。首先，谷歌在搜索领域的主导地位取决于其提供可靠信息的声誉，因此它不能发布会产生幻觉的聊天机器人。其次，谷歌的收入依赖于在搜索结果旁投放广告，目前人们还不清楚如何将广告整合到聊天功能中，因此谷歌回避了聊天机器人。最后，谷歌的广告市场份额被许多人描述为非法垄断，如果公司疏远政客、记者和广告合作伙伴，这种垄断地位将难以为继。一个既会输出有害内容，又显得异常有感知能力的 AI，无异于加速推动商业自杀。
page 662, highlight, 2026-08-31 08:18:43
皮查伊的紧急会议讨论出的第一个结果是合并谷歌大脑和 DeepMind。AI 走出实验室的时代已经到来，但谷歌无法承担两支重复研究团队的成本，也无法为重复的半导体集群提供资金。同样，在单一类别中推出竞争产品也是不可能的。皮查伊指示两个实验室的领导人开始联合开发下一代语言模型，最终这款模型被命名为 Gemini（意为“双子座”）。
page 673, highlight, 2026-08-31 08:28:00
辛顿自 10 多年前谷歌收购他的初创公司后就一直在谷歌工作，这限制了他公开发表言论的自由度。后来，他于 2023 年 5 月辞职，部分原因就是他想警示人们人类面临的生存威胁。“我的直觉是，我们要完了。”他看似轻松地告诉一位采访者。他甚至表示，自己在某种程度上后悔追求探索 AI 的乐趣。“我用常见的借口安慰自己：如果我不做，别人也会做。”他承认。
page 726, highlight, 2026-09-01 07:40:29
他们确立了高度统一的研发原则，所有团队成员都必须全力以赴集中优化同一个模型，严禁并行开发项目；其次，他们秉持精英管理制度，任何团队成员都可以提出模型优化方案并进行测试，只要验证其能提升模型性能，其代码就会被纳入所有人共同构建的主代码中。资历、个人魅力、看似精妙的理论等，都不会影响最终决策，唯一的决策标准只有实测结果。
page 728, highlight, 2026-09-01 07:41:56
自博士阶段研究想象力和记忆以来，哈萨比斯就一直强调智能需要多种类型的记忆，如长期记忆与短期记忆、情景记忆（用于回忆事件）与语义记忆（用于回忆事实或概念）。
page 740, highlight, 2026-09-01 07:50:26
在思维链提示法出现之前，语言模型的回应都是脱口而出模式，这正是基于下一个单词预测的本质使然；思维链提示法出现后，语言模型的能力范围得到了拓展，学会了通过拆解问题和遵循已知的推理策略来解决问题。
page 745, highlight, 2026-09-01 07:55:30
承认数据确实稀缺，并教会模型从每个信息单元中挖掘更多知识。人们具有强烈直觉，认为这应该可行。在语言模型的预训练过程中，会瞬间扫描一些极其丰富的资源，如教科书、学术论文，那 AI 为何不能像人类一样，反复阅读文本、深入思考、推敲其含义？想必 AI 系统思考得越深入，其所需的数据就越少，这一见解将研究人员带回了强化学习领域。深度思考，正是 AlphaGo 和 AlphaZero 采用的核心机制，它们不断推演棋路，评估局势、回溯及展开更深层的探索——这一过程被西尔弗和哈萨比斯称为“深度内省”
page 747, highlight, 2026-09-01 07:56:49
他们不再让模型模仿可能存在缺陷的人类推理，而是让模型通过观察哪些步骤能导向客观、正确的答案，自行识别优质推理步骤。正如西尔弗经常强调的那样，最优秀的强化学习系统的奖励机制并非来自人类的主观选择，而是来自客观事实：在围棋对弈中，走法决定胜负；而对于推理模型，推理步骤决定数学或逻辑问题的答案是否正确。
page 749, highlight, 2026-09-01 08:00:22
与大语言模型一直以来被训练向前预测的特点形成鲜明的对比。“它们有点像在机械地执行‘预测下一个词元，再预测下一个词元’的指令。”OpenAI 的一位研究人员如此描述缺乏思考能力的模型，而 o1 模型则与之完全不同。“我们在解析它的思维链时发现，当它陷入困局时会说‘等等，这不对。让我退一步思考，找出正确的路径’。”这位研究人员回忆道
page 751, highlight, 2026-09-01 08:03:34
OpenAI 不知何故抢先攻克了这个难题，要知道强化学习本应是 DeepMind 的专长领域。即便奥尔特曼一度被短暂解雇，也未能减缓他的步伐，他持续筹集资金、招揽顶级研究人员。尤其令人懊恼的是，OpenAI 的 o1 团队中的两位核心科学家，一位来自谷歌，另一位来自 DeepMind。
page 754, highlight, 2026-09-01 08:05:04
超过 250 名科学家带着单页幻灯片参加了头脑风暴会议。显然，谷歌 DeepMind 内部从不缺出色的研究人才，真正的挑战在于如何快速将这些零散灵感转化为成熟的推理模型。
page 759, highlight, 2026-09-01 08:10:07
科学家们放下顾虑，开始为共同目标努力。信念提振士气，士气推动进展，进展又反哺信念。
page 759, highlight, 2026-09-01 08:11:10
只要组织得当，成功会不期而至。正如哈萨比斯在描述加力推进 AlphaFold 时所说，当创意源源不断涌现时，正是奋力向前之时。
page 763, highlight, 2026-09-01 08:14:26
“我现在最常说的一个词就是‘坚持不懈’。坚持不懈地进步、坚持不懈地交付，以及坚持不懈地运作一台为创新而生的量产机器。”
page 772, highlight, 2026-09-01 08:22:59
即便哈萨比斯缩小了与竞争对手的差距，他也不得不面对一个现实：AI 发展已逐渐失控。这场对科研人才的竞价战争与建设数据中心的疯狂竞赛，都变得愈发疯狂。而随着 DeepSeek 的崛起，一众中国实验室相继推出了强大的模型，这无疑嘲讽着哈萨比斯早年关于“单一主体”掌控 AI 的幻想。