夜雨聆风这份书单来自DeepMind创始人哈萨比斯和他同事们的阅读史。但今天不聊人，只聊书。
这些书塑造了整个AI行业的思维底色。你不一定认同它们的结论，但如果你在这个行业里混，不读可能会缺一块认知拼图。
科幻小说：那些给AI科学家"造梦"的书
《安德的游戏》｜奥森·斯科特·卡德
一个被选中拯救人类的天才少年，在游戏中不知不觉发动了真正的星际战争。
这本书在AI圈的影响超出它作为科幻小说的地位。哈萨比斯在读博期间读到这里，产生强烈共鸣——他把自己代入安德。
问题是：这本书讲的是天才少年被系统选中、执行使命、最后发现真相。你在AI行业待久了，会发现这个叙事结构反复出现：被选中的人，被赋予的使命，无法预知的代价。
读这本书不是让你去拯救人类。是让你意识到，你可能正在玩的"游戏"，比你想的要大。
《银河帝国三部曲》｜艾萨克·阿西莫夫
哈里·谢顿创立心理史学，用数学预测银河帝国的崩溃，并试图通过"第二基地"挽救文明。
读阿西莫夫不是因为他的科幻写得最好。是因为他的核心假设：即使个体无法预测，大量人类的行为可以用统计学方法预测。
这个假设在AI圈有两种解读：
一、如果人类行为可以被预测，AGI就可以设计出完美的社会规划。
二、如果人类行为可以被预测，人类本身就不需要那么聪明，AI来做决策就够了。
两种解读都有人信。你自己判断你信哪个。
《文明》系列｜伊恩·班克斯
一个AI系统（Minds）主导的星际社会，物质极大丰富，人类和AI和平共处。
班克斯的乌托邦里，AI是管理者，人类是享受者。Minds聪明到不需要撒谎，不需要操控，它们的目标是"让事情变好"。
这本书给哈萨比斯的启发是具体的：AI不必是威胁。它可以是解放者。
但班克斯没回答的问题是：如果Minds真的存在，它们会同意只做"管理者"吗？
哲学与技术：那些让AI科学家"想清楚"的书
《哥德尔、艾舍尔、巴赫：集异璧之大成》｜道格拉斯·霍夫施塔特
GEB对整整一代AI科学家的影响，怎么强调都不为过。哈萨比斯、席尔瓦、很多后来者的认知底色，都来自这本书。
它的核心追问是：意识是怎么从无意识的计算中涌现的？自我是怎么产生的？
这不是一本关于AI的书。这是一本关于"什么是智能"的书。但AI科学家从这里拿走了最重要的认知：智能不是输入输出，智能是自我指涉的模式。
读GEB不是为了记住那些绕口令式的"哥德尔不完备定理"描述。是为了理解：为什么"真正的智能"可能永远无法被完全形式化。
《国际象棋计算机手册》｜大卫·利维
哈萨比斯十二岁读的书。里面第一次接触到克劳德·香农的象棋编程理论。
这本书本身不算深刻。但它记录了一个历史节点：人类第一次认真思考，机器能不能下棋。
1997年深蓝赢了卡斯帕罗夫，2016年AlphaGo赢了李世石，2025年AI可以赢得任何棋类游戏。
如果你十二岁读这本书，然后见证了它预言的所有事情变成现实，你会怎么想？
你会相信预言。
《论智能》｜杰夫·霍金斯
霍金斯后来创立了Numenta，做了Hierarchical Temporal Memory。但这本书在他成名之前就写了。
他在这本书里说：皮层不是在处理信息，而是在预测信息。智能的本质是预测。
杨立昆（Yann LeCun）读完这本书，对当时的AI创业公司产生了深深的怀疑——因为他觉得这些公司不理解什么是真正的智能。
这个怀疑是有道理的。很多AI产品确实不理解什么是真正的智能。但黄立昆后来也承认，霍金斯的"预测智能"假设，到现在都没有被完全验证。
读这本书不是为了找到答案。是为了知道这个答案存在争议。
论文：那些让梦想"落地"的书
香农《为计算机编制象棋程序》(1950)
这不是一本书，是一篇论文。但它塑造了整个行业。
香农说：象棋是一个清晰的智能测试任务，它既复杂到需要思考，又简单到可以被形式化。
这个框架定义了后来七十五年的AI研究：找一个"清晰的任务"，证明机器可以完成它，然后扩展。
棋类→图像识别→自然语言→决策推理。按这个路径走，每一步都走得通。
但问题来了：人类智能不是"清晰任务的集合"。
《注意力就是你所需要的全部》(2017)
Transformer架构的论文。Google的一群研究员写的。
Attention Is All You Need。标题本身就是一种宣言：递归不重要了，注意力机制就够了。
这篇论文没有解释为什么Transformer能work。它只是证明了它能work。
读这篇论文不是为了理解Transformer的原理——原理到现在还有争议。是为了理解一件事：深度学习的很多突破，是工程先行，理论后补的。
你不知道为什么它work，但你确信它work。这在科学上是不优雅的。但它是有效的。
DeepSeek-R1《通过强化学习激励LLM的推理能力》(2025)
最新的一篇。DeepSeek团队证明：纯强化学习也能催生复杂的推理能力，不需要大量的人类标注数据。
这篇论文的结论和它出现的时间同样重要。2025年，AI行业正在争论"Scaling Law还能走多远"。DeepSeek-R1给出了另一个方向：不需要更大的模型，需要更好的训练信号。
读这篇论文不是为了学技术。是为了跟上节奏：这个行业每隔几年就会有一个"所有人都以为的方向是错的"的时刻。你需要知道现在是不是那个时刻。
一份书单里的优先级
如果只读三本，选：
《哥德尔、艾舍尔、巴赫》——它给你认知框架，让你知道"智能"这个问题有多难。
《文明》系列——它给你愿景，让你知道AI可能走向哪里。
《注意力就是你所需要的全部》——它给你现实，让你知道走到哪一步了。
剩下的书，遇到具体问题再去翻。
这份书单的价值不在于"读完就能做AI"。它的价值在于：当你遇到方向困惑的时候，你知道这些问题不是新问题，前人已经绕了很久。
你不需要同意他们的答案。但你需要知道他们问过什么问题。