人腦是唯一證明通用智能存在的證據：AI筆記從 DeepMind 到 2050 的AI未來藍圖
「人腦是我們擁有的唯一證明通用智能可能存在的證據。」
這句話看似只是普通的哲學修辭，但其實是一個極為嚴肅的科學起點...
在AI研究領域中，「通用智能」（AGI）的定義始終模糊，但有一個事實幾乎無法否認：我們之所以相信AGI可能存在，是因為它已經存在於我們自己身上。
人類能夠做到三件目前AI仍在逼近的能力：
-
創造全新科學理論（如相對論）
-
跨領域遷移學習（語言 → 數學 → 工程）
-
在不完整資訊下做決策（經濟與政治）
這正是 DeepMind 創辦人 Demis Hassabis 長期研究的核心問題。
他提出一個關鍵觀點：
如果我們想理解智能，就必須先理解人腦；而如果我們想理解人腦，也許需要先打造一個類似的人工系統。
筆者透過 AIMochi 筆記工具，整理多方公開資訊和最新報導內容，來探討這個觀點，直接連結了神經科學與人工智慧的交叉路徑。
從神經科學到AI:Demis Hassabis的「統一理論野心」
Demis Hassabis並不是典型的AI工程師。
他同時擁有：
-
神經科學背景
-
神童級象棋能力
-
遊戲設計經驗
-
科學研究訓練
這讓他看待AI的方式，與傳統工程師完全不同。
他關心的相較於「模型能不能用」，更是：智能本身是如何產生的？
這也是 DeepMind 長期研究方向的核心：用AI反過來理解人類智能。
他的一個關鍵假設是：AI不只是工具，更是「科學顯微鏡」
透過AI，我們可以：
-
模擬大腦
-
重建學習過程
-
分析創造力來源
-
比較「人工 vs 生物智能」
這也是為什麼他認為：建立AGI，可能是理解人類意識的最佳路徑。
AlphaFold之後—AI開始進入「生命系統」
當 DeepMind 推出 AlphaFold 時，科學界出現了一個分水嶺事件。
過去50年未解的問題：蛋白質如何折疊成結構？
被AI在短時間內大幅突破。
但Demis Hassabis在訪談中明確指出：AlphaFold只是開始，不是終點
真正困難的是：
-
蛋白質動態變化
-
分子交互作用
-
人體環境中的副作用
-
藥物吸收與代謝
因此，他們成立 Isomorphic Labs，目標是：
把藥物研發變成「可計算問題」
這意味著未來藥物開發可能不再依賴：
-
長時間試錯
-
大量實驗室實驗
-
高成本臨床前失敗
而會變成：由AI先「模擬生命」，再進入實驗階段。
AGI的真正測試，除了聊天，更是「創造科學」
在訪談中，Demis提出一個極具挑戰性的標準：AGI不該只會回答問題，而要能提出「好問題」
他甚至提出類似思想實驗：
-
讓AI回到1900年知識
-
看它是否能提出相對論
-
是否能推進物理學革命
這比「考試型AI」難得多。因為真正的科學突破除了答案，更是：
-
問題的選擇
-
假設的建立
-
理論的跳躍
這也是目前AI與人類最大的差異之一。
如果AI能模擬世界，我們還需要實驗嗎？
當AI能力提升後，一個關鍵問題浮現：如果我們可以完全模擬世界，還需要真實世界實驗嗎？
Demis的答案是：部分可以，但不是全部
AI未來可能能模擬：
-
天氣系統
-
藥物反應
-
生物細胞
-
小型經濟模型
甚至可能出現：「虛擬細胞」與「數位生物實驗室」
但他也明確指出：
-
經濟系統太複雜
-
人類行為不可完全預測
-
社會是高度湧現系統
因此，AI更可能扮演：「決策輔助系統」，而非「全知預言機」。
2050年的世界—後稀缺與文明外擴
當話題來到2050年，Demis描繪了一個極具科幻感的未來：
-
AGI已被安全建立
-
生產力大幅提升
-
醫療與疾病問題被大幅解決
-
社會進入「後稀缺狀態」
更遠的願景甚至包括：
-
太空殖民
-
木星衛星基地
-
戴森球級能源結構
這並不是純幻想，而是建立在一個前提：如果智能可以被規模化，那麼文明的擴張速度將指數級加速。
以上僅供參考與資訊分享之用!若想快速了解更多資訊，透過 AIMochi 台灣本土筆記工具，幫我們從海量資料中，梳理出關鍵資訊，讓我們精準掌握重要訊息!