《谷歌AI之脑》:一个人最大的优势,什么时候会变成最大的盲区?

2016年，AlphaGo击败李世石以后，德米斯·哈萨比斯成了人工智能世界最受关注的人之一。

但如果把时间往前推，他的人生很难用一个职业来概括。

他很小就开始下国际象棋，少年时期进入游戏行业，后来创办游戏公司，又进入伦敦大学学院研究神经科学。2010年，他与伙伴创办DeepMind，把这些看似分散的经历汇到一个问题上：能不能理解智能，并最终创造出更通用的人工智能？

后来发生的事情，已经进入科技史。

AlphaGo让机器在围棋上突破了人类长期建立的经验边界；AlphaFold把人工智能带进生命科学，哈萨比斯与约翰·江珀也因此获得2024年诺贝尔化学奖。2023年，谷歌把DeepMind与Google Brain合并为Google DeepMind，由哈萨比斯领导。

如果故事停在这里，《哈萨比斯：谷歌AI之脑》很容易被读成又一本天才传记。

但我读到中段以后，真正感兴趣的是另一个问题：

一个人曾经最成功的方法，在环境改变以后，会发生什么？

哈萨比斯早年的经历看起来并不连贯。

国际象棋、电子游戏、神经科学、人工智能，放在普通人的简历里，甚至可能被理解成不断换方向。

沿着这本书往下读，却会发现这些经历背后一直有一条线：他对“智能是怎样产生的”这件事，有近乎执拗的兴趣。

下棋的时候，他观察人的思考；做游戏的时候，他开始思考怎样让机器表现出智能；研究神经科学以后，他又试图从大脑中寻找答案。

最后，这些经历汇进了DeepMind。

DeepMind早期取得巨大突破的一条技术路线，是让机器通过不断尝试和反馈自己学习，而不是事先把所有答案都教给它。

AlphaGo的成功，让全世界看到了这条路线的力量。

对于一个研究者来说，这种成功的影响远不只是获得荣誉。你相信一种方法，然后用这种方法做出了全世界都看得见的结果，结果又会反过来强化你对这套方法的信心。

这几乎是所有成功经验形成的过程。

先是你选择了一种方法，后来它帮助你成功；成功的次数越来越多以后，你开始相信的不再只是“这个方法曾经有效”，而是“事情本来就应该这样做”。

如果你想完整理解哈萨比斯、DeepMind，以及这场AI竞赛背后的技术路线与组织博弈，可以从原书继续读下去。

2017年，谷歌研究人员提出Transformer架构。几年以后，以此为基础的大语言模型快速发展，ChatGPT则让普通人第一次大规模感受到这种变化。

人工智能竞争的重心发生了变化。

《谷歌AI之脑》写到这一阶段时，有一部分特别值得读：过去依靠强化学习等方法取得巨大成功的DeepMind，也必须面对新的技术路线。

这件事很容易被简单讲成“哈萨比斯判断错了”。

我反而觉得，这样理解会错过书里更有价值的部分。

技术发展很少是一条旧路线突然失败、另一条新路线彻底获胜。DeepMind也并没有停止研究语言模型。真正值得观察的是，当新的事实不断出现时，一个曾经取得巨大成功的组织和一个顶尖研究者，怎样重新检查过去相信的东西。

2023年，谷歌把DeepMind与Google Brain合并，由哈萨比斯领导新的Google DeepMind。随后，Gemini成为谷歌AI战略的重要组成部分。

从今天回头看，这段经历更像是一次重新组合：过去积累的能力没有被全部推翻，新的技术方向也没有被拒绝，而是被放进了同一个体系。

这件事离普通人其实并不远。

因为我们每个人，都可能拥有一套自己的“成功方法”。

一个销售人员，可能非常擅长经营熟人关系；一个企业主，可能靠一种商业模式赚到了第一桶金；一个大厂高管，也可能因为某一种管理能力，一路从基层走到核心岗位。

大学教授、医生、律师、财富顾问，同样如此。

这些都是真实的能力，不需要因为AI出现就否定它们。

麻烦在于，环境不会因为我们曾经成功过，就继续按照过去的方式运行。

一个企业主过去十五年一直靠渠道拿订单。如果这套方法连续十年有效，他慢慢相信的可能就不只是“渠道很重要”，而是“这个行业的生意就是这么做的”。

客户就是这么来的，团队就应该这么管，钱就是这么赚的。

只要环境变化得足够慢，这些经验非常有价值。它们帮助人减少试错，提高效率，也让一个成熟的人不必每次遇到问题都从头思考。

困难出现在环境已经变了，而经验还没有变的时候。

这也是为什么40岁以后，一个人面对的学习问题和20多岁时不太一样。

年轻的时候，我们主要发现自己不会什么，然后想办法学会它。

到了中年，更难回答的问题可能变成：

“我最会的东西，还像以前那么重要吗？”

承认自己不会，并没有那么困难。

承认自己最擅长的东西正在发生变化，才困难。

原因并不复杂。

失败会逼着人寻找新方法，成功却很容易让人停止寻找。

一件事做错三次，大多数人都会开始怀疑方法；如果连续做对十年，人自然会越来越信任自己的经验。

于是经验慢慢从工具变成规则。

再往后，它甚至可能变成身份。

“我就是做渠道的。”

“我就是技术出身。”

“我一直都是这样管理公司的。”

“我做这个行业二十年了。”

这些话本身没有问题。真正需要警惕的是，当“我擅长什么”逐渐变成“我是谁”，重新检验这项能力就会越来越困难。

因为这时候改变一种方法，已经不再只是学习新东西，而像是在否定过去的自己。

哈萨比斯的故事有意思的地方也在这里。

AlphaGo已经给了他足够巨大的成功，DeepMind也建立了世界级声誉。但AI环境继续变化以后，他仍然需要面对新的技术事实，并最终领导一个把DeepMind与Google Brain放到一起的新组织。

过去的积累没有消失。

但过去的成功，也不能成为拒绝变化的理由。

别把优势变成身份。

过去，我们很容易把经验理解成一种只会升值的资产。

工作十年比五年有经验，工作二十年又比十年有经验，于是一个人在行业里待得越久，似乎就应该越来越值钱。

AI正在让这种判断变得不再那么简单。

有些经验仍然非常重要，比如理解复杂的人，处理利益冲突，在信息不完整时作判断，承担决策后果，以及建立长期信任。

这些东西不会因为一个新工具出现就突然消失。

但另一些过去需要多年积累的能力，正在迅速被工具压缩。查资料、整理信息、写基础报告、完成标准化表达，很多工作的时间成本已经明显下降。

所以，“我有二十年经验”这句话已经不够了。

还需要再问一句：

这二十年究竟沉淀了什么？

如果留下的是更好的判断、更深的问题意识、更强的人际理解，以及在复杂情况下作出取舍的能力，这些经验仍然很有价值。

如果留下的主要是对一套固定流程的熟练，就需要重新检查。

一个人真正需要保护的，可能不是自己的旧方法，而是持续产生新方法的能力。

最近两年，很多人都在学AI。

学提示词，学智能体，学各种工具，担心自己跟不上。

这些当然有用。

但如果只把AI理解成“我又要学一个新软件”，可能仍然低估了这场变化。

AI给中年人提供了一个很好的机会：重新检查自己过去十年最依赖的能力。

不妨做一个简单的测试。

这五个问题里，我认为第四个尤其值得中年人认真想一想。

一个人在平台上工作久了，很容易把平台能力、职位能力、关系资源和个人能力混在一起。

如果明天离开现在的公司、职位和平台，你今天最引以为傲的能力，还有多少能被别人单独付费？

这个问题未必让人舒服，却能帮助我们重新看清自己的能力到底建立在哪里。

2024年，哈萨比斯因为AlphaFold相关工作获得诺贝尔化学奖。

如果只看结果，很容易再次把他的故事写成一个天才不断胜利的故事。

但《谷歌AI之脑》真正吸引我的地方，并不是告诉我们一个聪明人怎样一路赢下去。

它让人看到，一个长期站在技术前沿的人，同样需要不断处理旧经验和新世界之间的摩擦。

AlphaGo证明了一条路的力量，大语言模型的崛起提醒所有人，世界不会只沿着一条路前进；AlphaFold又展示了另一种可能：过去在游戏、神经科学和机器学习中积累的东西，可以重新组合，进入一个完全不同的问题。

所以，中年以后，我们需要定期检查的可能不只是自己的短板。

还有自己的优势。

短板很容易让人看见，因为它经常让我们失败；优势却容易被忽略，因为它曾经一次又一次帮助我们成功。

真正能够陪一个人走很久的，未必是某一项已经掌握的本领，而是环境变化以后，仍然愿意重新观察、重新学习，甚至重新定义自己的能力。

年轻的时候，我们努力寻找自己的优势。

到了中年，也许还要学会另外一件事：

别把优势变成身份。

所以读完《谷歌AI之脑》，我最想留下的并不是哈萨比斯究竟有多聪明，而是一个更普通、也更难回答的问题：

如果过去最帮助你成功的那套方法，有一天不再那么有效，你能不能比别人更早发现？

塞巴斯蒂安·马拉比：《哈萨比斯：谷歌AI之脑》，周健工译，浙江科学技术出版社，2026年，ISBN 9787573922274。

Google：Google DeepMind: Bringing together two world-class AI teams，2023-04-20；Introducing Gemini，2023-12-06。

The Nobel Prize：The Nobel Prize in Chemistry 2024，Demis Hassabis、John Jumper因蛋白质结构预测获奖。