Коротко
Демис Хассабис (глава Google DeepMind, нобелевский лауреат) развивает гипотезу из своей нобелевской речи: любой паттерн, который природа породила через эволюцию или «выживание наиболее стабильного», имеет структуру, а значит может быть эффективно смоделирован классическими нейросетями на обычных машинах Тьюринга — даже белковый фолдинг (10³⁰⁰ комбинаций), погода и гидродинамика Навье-Стокса, которые считались неразрешимыми. Он связывает это с вопросом P=NP и трактует Вселенную как информационную систему, где информация фундаментальнее материи и энергии. Veo 3 показывает, что интуитивную физику (жидкости, свет, материалы) можно усвоить пассивным наблюдением видео с YouTube — без воплощённого тела, что опровергает прежние теории о необходимости embodiment. Хассабис ставит 50% вероятность появления сильного ИИ к 2030 году, мечтает смоделировать живую клетку (виртуальная клетка дрожжей), описывает AlphaEvolve как эволюционный поиск под управлением LLM и рассуждает о «вкусе» учёного, эре радикального изобилия, рисках двойного применения и непрерывности живого/неживого.
Главный тезис
Природа не случайна — всё, что прошло через эволюционный/селективный процесс, имеет скрытую структуру (градиент, энергетический ландшафт), и потому классические нейросети способны это смоделировать, что радикально расширяет границы вычислимого и приближает нас к сильному ИИ как инструменту познания фундаментальной природы реальности.
Ключевые идеи
- любой паттерн из природы эффективно моделируется классическим обучающим алгоритмом, потому что он не случаен, а порождён селективным процессом
- принцип «выживание наиболее стабильного» распространяет логику эволюции на геологию, орбиты планет, форму астероидов — всё прошло многократное «давление»
- brute force невозможен (белки — 10³⁰⁰ форм, ходы в Go — 10¹⁷⁰, больше чем атомов во Вселенной), нужна лёгкая модель, задающая направление поиска
- рукотворные абстракции вроде факторизации больших чисел не моделируются: в равномерном числовом пространстве нет паттерна, нужен brute force или квантовый компьютер
- информация первична, фундаментальнее энергии и материи; Вселенная — информационная система, и тогда P vs NP становится вопросом физики
- нейросеть на обычном компьютере находит решение за полиномиальное время там, где наивный перебор делает задачу неразрешимой
- Veo моделирует жидкости, материалы и зеркальный свет удивительно хорошо, хотя автор знает по геймдеву, как трудно это запрограммировать вручную
- интуитивную физику можно усвоить пассивным наблюдением видео, без робота и воплощённого взаимодействия — это опровергает теории embodiment
- понимание мира моделью = способность консистентно предсказывать кадры, форма понимания без антропоморфного «глубокого» смысла
- AlphaEvolve: эволюционный поиск, где LLM предлагает решения, а эволюционные вычисления уводят в новую область пространства поиска
- 37-й ход AlphaGo — пример выхода за пределы известного через древесный поиск поверх модели; так рождается машинная креативность
- придумать хорошую гипотезу труднее, чем решить её; «вкус» отличает хорошего учёного от великого, и нынешние системы этого не умеют
- при правильной постановке провал так же ценен, как успех: хорошая гипотеза делит пространство пополам, это бинарный поиск
- сильный ИИ с вероятностью 50% к 2030; планка высокая — совпадение со всеми когнитивными функциями мозга, консистентность во всех направлениях
- влияние ИИ будет в 10 раз сильнее промышленной революции и в 10 раз быстрее — за 10 лет вместо 100, итого в 100 раз мощнее по совокупности
Почему это важно
Хассабис — один из главных архитекторов современного ИИ (Google DeepMind, AlphaGo, AlphaFold, Gemini, Veo), и его тезис о «вычислимости природы» задаёт научную программу: если живые и физические системы имеют моделируемую структуру, то ИИ становится не просто продуктом, а инструментом фундаментального познания — лечения болезней, решения энергетики (солнце + термояд), моделирования клетки и происхождения жизни. Выигрывают те лаборатории, что соединяют research и engineering (он утверждает, что 80-90% прорывов последних 15 лет вышли из Google Brain/Research/DeepMind), и общества, которые сумеют перераспределить «радикальное изобилие». Проигрывают те, кто отстал (прямо называет Meta «вне передовой» и её стратегию переманивания зарплатами — рациональной, но догоняющей). Ставки двусторонние: та же технология, что лечит болезни, используется государствами для конфликтов, поэтому Хассабис зовёт к модели «CERN, а не Манхэттенский проект» и к международным стандартам между США и Китаем.
Идеи
- Погодные системы DeepMind (WeatherNext) точнее традиционных гидродинамических суперкомпьютеров и считают за минуты вместо дней
- Прогноз циклонов важен не только точностью, но скоростью — своевременность спасает жизни
- Видео-генерация — это скрытая физика: рендеринг света и материалов «рассказывает, как устроена Вселенная»
- Следующий шаг Veo — интерактивность: войти внутрь видео и двигаться → world model
- Идеальная игра будущего: открытый мир с глубокой персонализацией, где выбор двери определяет генерируемый мир, а не иллюзию выбора (Stanley Parable как сатира на иллюзию)
- Black & White (90-е) — ранний обучающийся ИИ: существо отражало стиль игрока, добро или зло
- Видеоигры исторически удерживали людей от войны — безопасная репетиция решений, побед и поражений
- По мере автоматизации «работы» именно игры могут стать источником смысла и проживания жизни
- Спорт и игры (го, шахматы, джиу-джитсу) — упрощённые симуляции реальности для тренировки решений в безопасной повторяемой среде
- Эволюция ценна не отбором, а комбинированием — построением всё более сложных иерархических систем
- Наивные эволюционные алгоритмы 90-х упирались в неспособность развивать новые эмерджентные свойства; связка с базовыми моделями может снять этот предел
- Гипотезы должны быть фальсифицируемы доступными сегодня технологиями — иначе они бесполезны
- Обратный тест на сильный ИИ: дать системе только знания до 1900 года и проверить, выведет ли она теорию относительности как Эйнштейн
- Альтернативный тест: способна ли система изобрести не новый ход, а целую игру уровня го — глубокую, элегантную, эстетичную
- Текст — интерфейс с низкой пропускной способностью; будущее за мультимодальностью, очками, наушниками, нейроинтерфейсами (до 100× пропускной)
- Интерфейсы станут генерируемыми и персонализированными под эстетику и устройство мышления пользователя («режим Эйнштейна», «режим Стива Джобса»)
- Дизайн продукта на ИИ требует проектировать под то, что модель сможет через год, а не сегодня
- Версии Gemini = «путь героя»: ~полгода цикл, distillation Pro→Flash вдоль границы Парето (производительность/скорость/цена)
- Синтетические данные с правильным распределением снимают проблему исчерпания человеческих данных
- Солнечная энергия победит термояд: Солнце — уже термоядерный реактор, проблема только в батареях, передаче и материалах
- Дешёвая энергия каскадом решает воду (опреснение), ракетное топливо (электролиз морской воды), доступ к ресурсам астероидов
- Виртуальная клетка: эксперименты in silico ускоряют лабораторию в ~100 раз, валидация остаётся в лаборатории; начать с дрожжевой клетки
- Клетку достаточно моделировать на уровне белков, не спускаясь до атомного/квантового — выбор «крайнего уровня детализации»
- Происхождение жизни — континуум, нет чёткой границы между живым и неживым, линия от Большого взрыва до сегодня едина
- Recursive self-improvement возможен, но «жёсткий старт» нежелателен; нынешние системы дают постепенные улучшения, не архитектурные скачки
- Лучшая программистская работа — формулировка архитектуры и проверка кода; front-end/web-дизайн автоматизируется легче, чем сложный backend
- DolphinGemma учится звукам дельфинов и китов — потенциальный переводчик для другого вида сознания
- Сознание как «то, как ощущается информация, когда мы её обрабатываем» — интуитивно красивое, хоть и не научное определение
- Радикальная эмпатия будущего — суметь сопереживать другому субстрату (кремниевому, растению), возможно через нейроинтерфейс «почувствовать, каково быть компьютером»
- P(doom) как число — ложная точность; вероятность не ноль и «вероятно, не мала», что само по себе отрезвляет
Инсайты
- Эволюция работает как природный процесс поиска, который сам порождает моделируемые структуры — обучаемость системы есть отпечаток селективного давления, её сформировавшего
- Граница вычислимого классическими машинами Тьюринга оказалась гораздо дальше, чем предполагали десятилетиями; «классические системы» недооценены, а не исчерпаны
- Понимание мира не требует ни тела, ни философской глубины — достаточно консистентного предсказания будущих состояний по пассивным данным
- Креативность как технический процесс = целенаправленный поиск, выводящий за пределы обучающих данных, при наличии правильной целевой функции, а не случайное блуждание
- Узкое место науки сместилось от решения задач к постановке вопросов: машины скоро будут решать сложное, но «вкус» и выбор гипотезы — следующий рубеж интеллекта
- Объяснимость — часть интеллекта: способность просто изложить сложную мысль так же важна, как сама мысль (аналогия с Каспаровым, объясняющим гениальный ход)
- Мастерство как источник смысла важнее победы — счётчики, уровни и пояса отражают глубинную человеческую потребность в измеримом росте, и мы переносим её в сами системы
- Дефицит ресурсов — корень игры с нулевой суммой; снятие энергетического ограничения превращает экономику в игру с положительной суммой, но не решает человеческие слабости
- Скорость, а не только масштаб изменений, определяет социальный шок: 100-кратное усиление возникает из совмещения большей силы и большей быстроты
- Двойное применение неустранимо архитектурно: открытость науки, ускоряющая благо, одновременно раздаёт мощь злонамеренным акторам — и убедительного решения этой дилеммы пока нет
- Конкуренция на фронтире — это самоселекция мотивации: настоящие энтузиасты идут туда, где можно влиять на развитие и безопасность технологии, а не туда, где платят больше
- Мультидисциплинарность стирает границу искусство/наука/продукт: «вкус», полезный в науке, тот же, что в дизайне продукта — это континуум, а не разные навыки
- Сознание может оказаться субстрат-зависимым: поведенческое сходство недостаточно, нужна общность материала, которую с кремнием не проверить без прямого нейроинтерфейса
- Здоровое отношение к поражению — навык, переносимый из спорта в науку и жизнь: проигрыш конвертируется в информацию для следующего шага, как неудачный эксперимент
Цитаты
«I think information is primary. This is the most fundamental unit in the universe, even more fundamental than energy and matter» Я думаю, информация первична. Это самая фундаментальная единица во Вселенной, даже фундаментальнее энергии и материи
«sometimes I call it the survival of the most stable» иногда я называю это выживанием наиболее стабильного
«It's like nature's doing a search process» Это как будто природа проводит процесс поиска
«from a cynical point of view, there's no way that diffusion models understand anything. But it's not how you generate that kind of video without understanding» с циничной точки зрения диффузионные модели не могут ничего понимать. Но без понимания такое видео не сгенерируешь
«it can be understood through passive observation, which surprised me» это можно понять через пассивное наблюдение, и меня это удивило
«it's harder to come up with a hypothesis, a really good hypothesis, than to solve it» труднее придумать гипотезу, по-настоящему хорошую, чем решить её
«You can learn something as valuable from an experiment that didn't work» Из эксперимента, который не сработал, можно узнать не менее ценное
«The sun is a thermonuclear reactor in the sky, and the problem is only in batteries and transmission» Солнце — это термоядерный реактор в небе, и проблема только в батареях и передаче
«I call that endless progress, along with the unwavering and successful implementation» Я называю это бесконечным прогрессом вместе с неуклонной успешной реализацией
«we still have a hunter-gatherer brain. How do we even cope with the modern world?» у нас всё ещё мозг охотника-собирателя. Как мы вообще справляемся с современным миром?
«It's not enough to say, go touch the grass and walk in nature. Why? What is it that's valuable?» Недостаточно сказать «иди потрогай траву, погуляй на природе». Почему? В чём именно ценность?
«There's no definite boundary between the living and the undead» Нет чёткой границы между живым и неживым
«consciousness is how information feels when we process it» сознание — это то, как ощущается информация, когда мы её обрабатываем
«I think the IE will be 10 times more impactful industrial revolution» ИИ будет в 10 раз влиятельнее промышленной революции
«I don't have a specific P-Doom number, because the very presence of such a number suggests the accuracy that we do not have» У меня нет конкретного числа P-Doom, потому что само наличие такого числа предполагает точность, которой у нас нет
«the only reasonable approach is careful optimism» единственный разумный подход — осторожный оптимизм
«META is just a strategy right now» Meta сейчас — это просто стратегия
«the great programmers will become even better, they'll be ten times better than they are today» великие программисты станут ещё лучше, в десять раз лучше, чем сегодня
«I don't operate on the concept of wins or losses, given how significant what we're building is» Я не оперирую понятиями победы или поражения, учитывая, насколько значимо то, что мы строим
«There's nothing more beautiful than seeing a person in their element, in the flow» Нет ничего прекраснее, чем видеть человека в своей стихии, в потоке
Факты
- Демис Хассабис — глава Google DeepMind, нобелевский лауреат; это его второй визит на подкаст Лекса Фридмана
- Нобелевскую премию получил вместе с Джоном Джампером за решение проблемы фолдинга белков (AlphaFold), опираясь на «безумное» утверждение Кристиана Анфинсена
- AlphaProof получил серебряную медаль за решение сложных математических задач (уровень IMO)
- AlphaFold 3 моделирует взаимодействия белок-белок, белок-РНК и белок-ДНК; AlphaGenome предсказывает эффект одиночных генетических мутаций
- Потенциальных структур белка — 10³⁰⁰, ходов в го — 10¹⁷⁰ (больше, чем атомов во Вселенной)
- Идея виртуальной клетки появилась у Хассабиса более 25 лет назад; ментор по биологии — Пол Нёрс, основатель Crick Institute, нобелевский лауреат 2001 года
- Эволюция жизни заняла ~4 млрд лет; переход от одноклеточных к многоклеточным занял около миллиарда лет
- Хассабис оценивает появление сильного ИИ в 50% к 2030 году
- Первая работа подростком — делать ИИ для игр; работал над Theme Park, Black & White; любимые игры — Civilization 1 и 2, любимый компьютер — Amiga 500 (также Spectrum, Commodore)
- Команда Gemini: Корай (Kavukcuoglu), Джефф Дин, Ориол (Vinyals); Ноам Шазир — соавтор трансформеров (2017), Дэвид Сильвер возглавлял AlphaGo
- Google перешёл от проигрыша на Gemini 1.5 к выигрышу на 2.5 за год
- DeepMind создала лучшие в мире системы прогноза погоды (WeatherNext) и прогноз циклонов; компания Isomorphic на базе AlphaFold занимается поиском лекарств
- DolphinGemma — система, обучающаяся звукам дельфинов и китов
- Хассабис ссылается на разговор с математиком Теренсом Тао о сингулярностях в нелинейных системах; книга Ника Лейна «Десять величайших изобретений эволюции» о «великих фильтрах»
- Гидродинамика Навье-Стокса традиционно считается почти неразрешимой для классических систем и требует колоссальных вычислительных ресурсов
Источники
- Книга «Maniac» Бенхамина Лабатута — о Джоне фон Неймане, безумии и гении, двойственной природе открытий
- Ник Лейн, «Десять величайших изобретений эволюции» — о великих фильтрах и неправдоподобии зарождения жизни
- Джон фон Нейман — фон-неймановская архитектура, Манхэттенский проект, квантовая механика
- Ричард Фейнман — «то, что я не могу создать, я не понимаю»; притча о красоте цветка (наука добавляет красоты, а не убавляет)
- Роджер Пенроуз — гипотеза о квантовых эффектах в мозге (Хассабис ставит на классические вычисления)
- Дэниел Деннет — о том, почему мы приписываем сознание друг другу (поведение + общий субстрат)
- Спиноза — любимый философ Хассабиса, соединение понимания Вселенной и религиозного чувства
- Карл Саган — идея пробудить сознание во Вселенной, донести его до звёзд
- Эссе Дэниела Кокотайло и Скотта Александера (AI-2027) о шагах к сильному ИИ: сверхчеловеческий программист и AI-исследователь
- Игра Stanley Parable (сатира на иллюзию выбора), Daggerfall (генерация подземелий), GTA 6
- Дэвид Фостер Уоллес — речь «This Is Water» (притча о рыбах и воде), которую Лекс разбирает в финале
Итог
Природа не случайна — и потому познаваема: всё, что эволюция сделала стабильным, классический ИИ способен смоделировать, превращаясь из продукта в инструмент, которым человечество может разгадать саму ткань реальности — если успеет осторожно и сообща пройти переход.
