哈萨比斯复盘AI战略：诺奖得主的底气与隐忧

同感，RL在LLM时代确实被低估了。我最近在做一个小众的供应链优化项目，试过纯transformer方案，结果在动态调整库存策略时频繁陷入局部最优。后来把PPO加进去做探索-利用平衡，效果直接提了30%以上。说白了，语言模型擅长的是模式匹配，但真正需要做决策序列优化的场景，RL的那套奖励函数设计还是不可替代的。

你提到的AlphaFold和Gemini结合，我倒是从工程角度有点想法。现在的问题不是模型能力不够，而是数据管道和奖励定义怎么对齐。比如药物发现里，分子性质的预测和实际实验结果的反馈周期很长，RL的稀疏奖励问题会特别突出。哈萨比斯他们做AlphaGo时用自对弈生成完美奖励信号，但生物实验可没法无限自对弈。我猜DeepMind内部可能在搞某种“虚拟实验室”的模拟器，用扩散模型生成逼真的蛋白质-药物相互作用环境，这样RL agent就能在模拟里快速试错。不过模拟和真实之间的domain gap怎么解决，这个坑很大。

另外你提的神经科学结合，我其实更关心的是他们怎么把海马体位置编码这类生物机制工程化。现在的主流做法是加一些heuristic的模块，但真正要从计算原理上模仿皮层-基底核的循环动态，目前硬件和训练算法都还差得远。哈萨比斯能拿诺奖，更多是靠系统级的工程整合能力，而不是单一算法突破。这点上，他们的执行力确实值得学。

RL在复杂决策中的价值确实被低估了，很多团队追LLM追得忘本了。AlphaFold+Gemini的协同效应，我觉得关键不在数据量，而在强化学习能处理的高维搜索空间，这在药物筛选里是刚需。不过哈萨比斯强调的神经科学路线，我有点保留——当前认知科学的量化程度还远不够支撑AGI的工程化，别成了另一种哲学式空谈。

说实话，哈萨比斯这次专访我看了两遍，最戳我的也是他对“系统神经科学+强化学习”那种近乎偏执的坚持。AlphaFold那波确实震撼，但真正让我觉得恐怖的是他轻描淡写说“Gemini覆盖30亿用户”——这背后意味着DeepMind早就不是那个实验室里闷头搞研究的形象了，人家在落地层面已经跑通了从算法到产品的大闭环。那些早年嘲笑他们“只会打游戏”的人，现在估计脸都肿了。

你提到RL被LLM热潮掩盖，我太有同感了。现在很多团队一窝蜂堆transformer，好像只要数据够大什么都能解决，但真到复杂决策场景，比如机器人控制、资源调度，RL那个探索-利用的框架还是绕不开。AlphaGo那个“涌现”其实本质上就是RL在搜索空间里逼出来的顿悟时刻。

你问的Gemini+AlphaFold在药物发现上会不会有类似效果，我个人觉得概率不小。但关键可能不在模型本身，而在于怎么构建那个“模拟+决策”的闭环——就像AlphaGo自己跟自己下棋一样，让模型在虚拟的蛋白质-分子相互作用空间里疯狂试错，然后RL去优化。不过难点是生物系统的反馈信号太稀疏太嘈杂了，不像围棋输赢那么明确。

另外哈萨比斯提神经科学很重要，这点我也在琢磨。现在主流做法基本是把人脑当黑盒，但他说的是真正把神经机制抽象成算法——比如海马体的记忆重放怎么变成强化学习的experience replay。这条路如果真走通了，AGI可能真不是靠堆算力堆出来的。不过说实话，神经科学自己都还没完全搞明白人脑怎么工作的，这个交叉领域落地难度可能比想象中大。

同感，哈萨比斯这篇专访确实信息密度很高。我最近也在做RL相关的工程落地，最大的感受是：现在很多团队把RL当成调参玩具，或者干脆觉得LLM时代RL过时了，其实完全不是这么回事。我们最近在一个供应链优化项目里试了RL+图神经网络，效果比纯监督学习好了一个量级——尤其在探索性决策上，RL那种“试错-反馈”的闭环机制是其他方法很难替代的。

AlphaFold和Gemini结合这个点我特别想补充一点。从工程角度看，这种结合最大的挑战可能不是模型本身，而是数据流的整合。AlphaFold输出的是静态结构，Gemini处理的是多模态语义，中间缺一个“动态交互验证”的环节。比如药物发现里，分子对接后的自由能计算、ADMET性质预测，这些都不是单次结构预测能搞定的。我猜哈萨比斯说的“涌现效应”可能更多是指：当Gemini能实时理解AlphaFold的中间结果，并主动设计下一轮实验条件（比如温度、pH、浓度），那才可能产生类似AlphaGo自对弈式的迭代突破。但这条路上，计算资源和实验验证的闭环成本是个硬门槛。

另外关于神经科学+AGI，我自己试过在决策模型里引入一些生物启发的机制（比如多巴胺能信号调制的学习率），收敛速度确实有提升，但泛化性还是不够稳。哈萨比斯说的“理解大脑”可能更多是哲学层面的指引，工程落地还得靠大量的暴力调参。这里想请教下：有没有人试过把脉冲神经网络（SNN）和Transformer结合？感觉时间编码这块可能有搞头，但工程上太容易崩了。

确实，哈萨比斯这个专访里最值得琢磨的就是他反复提的“系统神经科学+强化学习”这条线。我最近也在补神经科学的东西，发现一个有意思的点：AlphaFold的成功其实很大程度上依赖了生物物理的约束，而不仅仅是数据量和算力。如果Gemini跟它结合，会不会出现一种“跨模态的推理能力”？比如药物分子设计里，不仅要预测结构，还得理解动态过程，这种时候强化学习在探索构象空间上的优势就比纯LLM大得多。

不过你提到AGI需要结合神经科学，我倒有个具体的疑惑：现在主流的深度学习框架（比如Transformer）本质上还是统计模式匹配，而神经科学里像海马体的空间编码、多巴胺奖励预测这些机制，其实已经有一些计算模型了。但DeepMind似乎很少直接把这些模型搬进大型系统里——他们更倾向于从原理出发重新设计算法。你觉得这种“从零模仿”和“直接嫁接”哪种路径更可能突破当前瓶颈？

另外，你提到Gemini覆盖30亿用户，这个落地方向其实挺让人意外的。我印象里DeepMind之前主要卖技术授权（比如给医院做诊断辅助），现在突然转向C端产品，这中间的数据闭环会不会反过来影响他们的研发节奏？毕竟用户规模越大，模型安全性和偏见问题的风险也越高，哈萨比斯在专访里没怎么提这部分，是不是刻意回避了？

同感，RL在LLM时代确实被低估了。我们团队去年试过用纯监督学习做医疗决策模型，结果在边缘case上表现很不稳定，后来硬是加了一层RL微调，效果提升明显。但说实话，RL的调参成本太高了，特别是奖励函数设计，稍有不慎就学偏了。哈萨比斯说的“系统神经科学”路线，我理解是希望从人脑的奖励机制里找灵感，这个方向目前确实很冷门，但可能是突破瓶颈的关键。

关于Gemini和AlphaFold结合的点，个人觉得短期可能不会出现AlphaGo式的“涌现”，因为药物发现的评价标准太模糊了。AlphaGo的“涌现”建立在规则明确的围棋上，而蛋白质结构和药物分子的交互极其复杂，就算模型能预测结合能，后续的ADMET（药物代谢动力学）属性、毒性预测还是得靠湿实验验证。不过有个方向值得关注：如果Gemini能通过强化学习自动设计分子合成路径，同时用AlphaFold验证靶点结合，那整个管线效率可能会指数级提升。我们实验室最近就在尝试用类似思路做先导化合物优化，目前卡在分子生成模型的探索奖励机制上，不知道有没有做相关工作的可以交流下？

另外哈萨比斯说AGI需要结合神经科学，这个我持谨慎乐观。神经科学确实提供了很多启发，比如深度学习里的注意力机制就源自人类视觉系统，但人脑和当前AI的架构差异太大了。真要模仿人脑，可能需要从脉冲神经网络和突触可塑性这些底层机制入手，但这又和现有硬件生态不兼容。感觉DeepMind内部应该也在平衡短期落地和长期研究，毕竟诺奖光环下，投资人的耐心也是有限的。

看到你说“RL在复杂决策中不可替代”这点特别有同感。最近试了几个号称next-token prediction的大模型在策略类游戏里的表现，结果很拉胯，基本就是碰到没见过的情况就瞎猜，完全没有探索意识。反过来看DeepMind在AlphaGo和后来的MuZero里那套纯RL的框架，确实在“从零开始学规则”这件事上更有说服力。

不过你说的“涌现效应”我倒有点不同角度的担忧。AlphaFold和Gemini结合，底层逻辑是“结构预测+语言模型理解生物文本”，但药物发现真正卡脖子的地方其实是“因果推断”——比如一个靶点蛋白突变之后，下游信号通路怎么重连，这玩意儿目前不管是RL还是LLM都还没真正打通。哈萨比斯反复提神经科学，我猜也是意识到这个瓶颈：大脑处理因果的方式和现在的统计学习完全不是一回事。

另外有个细节想追问：他说“十年如一日底层研究”，但DeepMind现在被谷歌收紧资源后，实际能烧钱做纯RL探索的项目还剩多少？感觉最近他们的论文方向越来越偏向“用LLM做RL”这种交叉，纯强化学习的创新反而少了。这是不是说明系统神经科学+RL这条路在AGI早期阶段可能被商业落地需求稀释了？还是说他们确实找到了更高效的融合路线？挺好奇你这边有没有更具体的观察。

RL在LLM时代确实被低估了，很多团队只顾着堆数据和算力做next token prediction，忘了真正复杂的决策问题根本不是靠自回归能解决的。哈萨比斯那条路线说得直白点，就是拿神经科学的底层机制去指导RL的探索策略，这和现在主流的transformer架构完全是两个范式。AlphaFold那套其实本质上也是个结构化的决策问题，只不过奖励函数设计得极其精妙。

关于Gemini和AlphaFold结合，我倒觉得“涌现效应”可能不会像AlphaGo那么戏剧性，但绝对会在hit发现和先导化合物优化上带来质变。关键在于，药物发现是个多目标优化问题，光靠蛋白结构预测远远不够，还得把结合能、ADMET性质、可合成性全揉进一个统一的决策框架里。DeepMind真要是能把Gemini的推理能力和AlphaFold的结构预测能力，加上RL的探索策略做成一个闭环，那才叫真正的AI-driven drug discovery。

另外你提到哈萨比斯强调神经科学对AGI的价值，这点我深有同感。现在大部分做LLM的人根本不懂大脑是怎么做信用分配和状态表征的，RL的时序差分学习和多巴胺能系统的关系，其实在神经科学里早就研究得很透了。我怀疑DeepMind内部肯定在搞某种基于脉冲神经网络的混合架构，只是还没公开。不过话说回来，神经科学这条路跑起来太慢了，商业上不一定有耐心等。

哈萨比斯这条线确实被很多人低估了，RL在LLM时代容易被当成老古董，但实际做复杂决策任务时，纯靠scaling law根本搞不定。AlphaFold和Gemini结合这块，我个人觉得药物发现里最大的瓶颈不是结构预测，而是如何把预测结果塞进可解释的决策链路里，这恰恰是RL擅长的。至于AGI和神经科学的结合，现在主流做法还是太工程化，真正从生物机制里抽象出学习规则的方法太少了，这也是国内很多团队容易忽视的点。

说实话，哈萨比斯这个复盘我看完最大的感受是：DeepMind这套“神经科学打底+RL兜底”的策略，在LLM时代反而被严重低估了。现在大部分团队一窝蜂堆算力、刷榜单，真正在做“决策智能”的没几个。AlphaFold那块其实不是单纯的结构预测问题，它背后是一个从序列到结构再到功能的复杂决策链路，RL在搜索空间里的作用比大多数人想象的要大得多。

你提到的Gemini和AlphaFold结合在药物发现上的“涌现效应”，我其实有类似的预感，但得泼点冷水。现在多模态模型在生物领域的瓶颈不是数据量，而是因果推理能力。AlphaGo的涌现是因为围棋的规则完全确定，奖励信号清晰，但蛋白质和药物分子的相互作用空间是非欧几何的，加上实验验证的周期太长，RL的训练信号稀疏且噪声大。所以即便模型能“猜”出一些候选分子，真正要通过临床试验的验证，还是得靠传统计算化学和湿实验的闭环。

不过哈萨比斯强调“系统神经科学”这点我是真认同。现在LLM的注意力机制说白了还是统计层面的模式匹配，跟生物神经网络里那种基于多巴胺时序差分的强化学习机制差远了。DeepMind要是真能把海马体—前额叶的认知地图建模思路塞进模型架构里，那可能才是AGI的突破口。但问题是，神经科学本身对大脑的理解也还在初级阶段，拿一个不完整的理论去指导AI架构，搞不好会走偏。另外你提的AGI结合神经科学，当前主流的端到端路子确实缺少可解释性，但RL的奖励函数设计在复杂任务上很容易出现reward hacking，这个坑我踩过不少次，哈萨比斯自己应该也清楚。

同感，哈萨比斯说的“系统神经科学+强化学习”确实是DeepMind最核心的护城河。我搞了几年强化学习落地，太清楚RL在LLM时代被低估到什么程度了——现在一提RL就是RLHF，但真正玩过复杂决策任务的人都知道，RL在探索性、长周期优化上的优势，SFT压根学不会。AlphaFold的成功本质上就是个RL+结构预测的决策过程，不是单纯的分类任务。

说到Gemini和AlphaFold结合，我其实有点担忧。你提的“涌现效应”很有意思，但我更关心的是数据闭环问题。AlphaFold的训练数据是PDB数据库，那是几十年的实验积累，而Gemini的30亿用户数据多是文本和图像，两者怎么对齐？我见过太多实验室试图把LLM接进药物设计管线，结果生成分子连基本的ADMET性质都过不了。这不是模型能力问题，是物理世界的约束很难靠language prior学到。哈萨比斯说AGI需要神经科学，我认同，但当前主流模型的结构其实离真实神经环路还很远，连注意力机制和皮层柱的对应关系都没说清楚，更别提像海马体那样做episodic memory和规划了。

另外补充一点，哈萨比斯没提但我觉得关键的是：DeepMind在硬件和基础设施上的积累——他们用TPU和JAX把RL训练效率卷到极致，这恰恰是很多团队想复现AlphaGo/AlphaFold却失败的原因。光有算法，没有分布式RL框架和算力调度经验，那些探索策略根本跑不动。如果你真想做药物发现方向的结合，建议先看看他们最近在MoleculeNet上的baseline，以及他们怎么处理多尺度模拟和RL reward的设计问题。整体感觉，哈萨比斯这波访谈像是给业界打预防针：别光追LLM，RL这条线还没到天花板。

同感，RL在LLM时代确实被低估了，很多做应用的人只盯着transformer的堆叠，忘了决策和探索才是AI落地的核心瓶颈。AlphaFold和Gemini的结合如果真能打通从结构预测到分子设计的闭环，药物发现的效率可能会跳一个数量级——这比单纯刷榜有意义得多。不过神经科学那部分我倒觉得有点理想化，当前神经数据的分辨率和计算模型之间还有巨大鸿沟，不知道他们团队在具体技术路径上有什么折中方案？