if 你关注 ai，then 推荐观看这部 deepmind 纪录片。

尤其适合家庭观看，顺便聊一聊 ai、游戏、思考等话题。每天吃饭看一点，三次就能看完。

这部纪录片去年就电影节放映了，但昨天google 把全片在youtube 上免费放出来了。

非常有趣的是纪录片的名字：《思考游戏》（the thinking game）。

可以说，最让人敬佩的，不是 demis 得了诺贝尔奖，不是 demis 的智商，而是那种“把世界当成一场思考游戏”的眼光。

======

如果把整个人类文明看成一场漫长的“思考游戏”，这部片子讲的，就是一群人如何把这场“思考游戏”本身拆开、重写规则的故事。

对他们来说，棋盘、街机游戏、星际争霸、蛋白质折叠，甚至整座虚拟世界，都只是训练一种东西的道具：通用智能。

Demis 的人生像一条被同一问题穿线的轨迹：少年国际象棋天才，在教堂里熬到第十个小时，突然意识到，也许把几百个顶尖大脑锁在一间大厅里只为分出输赢，是在浪费心智；于是转向游戏设计，用主题公园里的“呕吐连锁反应”去逼真模拟人类行为；再到剑桥研究大脑，从神经科学里偷师，最后拉上 Shane，干脆在伦敦创立 DeepMind，明目张胆地说：我们要做 artificial general intelligence。

他们选择了一条看起来很“不务正业”的路径：先让系统学会在 Atari 里打 Pong、挖 Breakout 的侧翼隧道，再去下围棋、打星际。强化学习、奖励信号、环境与智能体的闭环，在这些游戏里被一次次打磨：系统一开始连挡球都不会，只知道分数越高越好，最后却能在围棋上下出连职业棋手都无法想象的招法，能在星际里练出堪比职业选手的多线操作。这里有一种残酷的坦诚：你不告诉机器规则，只给目标，它会自己找到通向高分的“人类从没想过”的路径。

但真正让这条路线显出重量的，是当他们把同样的思维搬到现实科学问题上。蛋白质折叠这个自 20 世纪 60 年代就存在的难题，几十年里无数聪明人试过，都卡在实验慢、数据少上。第一次参加 CASP 比赛，他们的 AlphaFold 确实赢了同行，却只是在“一个没人解好的问题上解得稍微好一点”。团队后来回看那一届，很坦白：我们知道自己还很烂，这只是最高的梯子，但月亮还在很远的地方。

转折来自第二次“总攻”：重写数据管线，把物理与生物学的结构知识真正喂进模型，让系统不再只是模仿，而是内化约束。最终在 CASP14 上，他们的结构精度几乎等于按下按钮得到实验级结果，主持人说，经过半个世纪，这个问题可以宣布被解决了。接下来的一步更激进：既然可以在一个月里预测全已知物种的蛋白质，那就别等别人排队提交序列，直接把全地球的蛋白质都“折完”，免费公布，让它成为人类生物学的基础设施。

技术从来不是中性的玩具。AlphaGo 之后的“Sputnik moment”、AI 军备竞赛的隐喻、与曼哈顿计划的对照、对 autonomous weapon 的明确拒绝，以及对 move fast and break things 的公开反感，都在提醒一个事实：当你试图造出一种比人类更强的认知系统时，你不是在做一个新 app，而是可能在改写历史的分界线。连 DeepMind 自己的人都开始担心：也许我们将来要做的，不是说服世界我们已经造出了智能，而是解释我们还没到那一步。

这部片子最有价值的地方不在于追星 DeepMind，而在于它把几个关键问题扔在桌面上：什么叫“通用”的学习能力？在一个只看奖励的系统里，价值是如何被编码、被放大的？科学探索和工程冲刺之间，节奏如何拿捏，才不会“死在时间轴上”？当智能被外包给机器，人类该把注意力放在哪里——是新的问题意识、新的制度与治理，还是对自身价值观的重新书写？

也许真正值得我们模仿的，不是某个算法或产品，而是那种“把世界当成一场思考游戏”的眼光：敢于承认自己暂时还很烂，敢于在失败里调整节奏，也敢于在成功时把成果毫无保留地推向全人类。

https://t.co/OzJmSucWt9