2026 Google for KOREA with Google DeepMind | AI Vision Fireside Chat

YouTube AI Channels 事件

摘要

Demis Hassabis spoke at the Google for KOREA event, reflecting on AlphaGo's 10th anniversary and AlphaFold winning the Nobel Prize, while offering advice for Korea's AI future, leaders, and next-generation education.

暂无内容
查看原文
查看缓存全文

缓存时间: 2026/06/15 15:41

### TL;DR Google DeepMind创始人德米斯·哈萨比斯在首尔回顾AlphaGo十周年、AlphaFold获诺贝尔奖,并就韩国在AI时代的机遇与领导者及下一代提出建议。 ### 重回首尔:AlphaGo十周年与AI时代起点 十年前,AlphaGo与李世石在首尔的围棋比赛成为现代AI时代的开端。哈萨比斯形容这次回归“感觉像昨天,但从取得的进步来看又像过了一百年”。他多次强调韩国在他心中的特殊位置,并赞扬韩国在前瞻性技术探索上的传统。 ### AlphaFold:从50年难题到2亿蛋白质开源 哈萨比斯指出,蛋白质折叠是生物学领域50年未解的重大挑战——理解蛋白质三维结构对于药物、疾病和治疗至关重要。过去一位博士生平均需要五年才能折叠一个蛋白质,而AlphaFold在一年内折叠了所有2亿个已知蛋白质,并全部开源。他称这是“人工智能为科学和医学带来的益处的初次尝鲜”,并表示DeepMind(现Google DeepMind)的核心使命始终是推动科学发现。 ### 韩国与AI:应对人口老龄化与下一增长阶段 哈萨比斯认为韩国具备成为AI世界领导者的所有要素: - **制造业**:芯片、机器人等领域实力雄厚; - **研究机构**:首尔大学、KAIST等顶尖高校; - **政府支持**:已与总统及企业、学生交流,对合作前景兴奋。 他建议韩国利用AI应对人口老龄化等挑战,开启新增长阶段。他特别提到韩国在数字基础设施和工业能力上的基础,使其能率先拥抱AI技术。 ### 领导者建议:整合AI工具,释放创造力 哈萨比斯建议企业和项目领导者: - 寻找与新型AI工具协同工作的最高效方式; - 利用AI作为“智能体”,处理行政、头脑风暴等任务,释放时间用于更高价值的创造性工作; - 他强调AI每月都在快速进步,领导者应主动整合这些工具到工作流中。 ### 下一代教育:STEM基础+积极尝试AI工具 针对家长关心的“如何培养孩子适应AI时代”,哈萨比斯提出两点建议: 1. **坚持STEM学科学习**(科学、数学等),因为理解原理才能更好地指导工具; 2. **积极尝试AI工具**,将其用于个人项目、课外项目中发现新的用途。他回忆自己年少时编写游戏,父母一度认为“浪费时间”,但最终成为编程和AI学习的入口。他相信聪明孩子会利用核心AI工具创造新业务、新产品、新应用,甚至取得“超能力”般的成就。 ### 展望未来50-100年:AI作为人类力量倍增器 哈萨比斯在采访中曾提到“人类心智是自然界唯一的通用智能”,而AI将成为力量倍增器。他认为未来十年AI将帮助科学家在疾病、环境、能源(如核聚变、新材料、电池)领域取得难以置信的突破。他展望AI开启“新文艺复兴”黄金时代,而AlphaFold只是第一个造福全人类的重大例子。 ### 人类直觉与AI:第37手与第78手的启示 哈萨比斯特别回忆了AlphaGo在与李世石比赛中的第37手——展示了AI的创造力;而李世石以第78手成为唯一击败AlphaGo的人类。他期望这种技术能启发人类“思考更宏大的问题”。 --- **Source**: [2026 Google for KOREA with Google DeepMind | AI Vision Fireside Chat](https://www.youtube.com/watch?v=XgZyIiiNtDU)

相似文章

宣布与大韩民国建立合作伙伴关系

Google DeepMind Blog

Google DeepMind 宣布与大韩民国科学技术信息通信部建立战略合作关系,以支持国家 AI 战略和科学突破。该合作包括在首尔设立 AI Campus,为当地研究机构提供 AlphaFold 和 AlphaGenome 等先进模型的访问权限。

“治愈所有疾病”,你信吗?

The Verge

针对谷歌DeepMind首席执行官戴米斯·哈萨比斯在Google I/O大会上声称AI可以“治愈所有疾病”的说法进行批判性分析,将AlphaFold和AlphaGenome等工具的潜力置于具体语境中,同时强调科学前景与公众认知之间的差距。