醉酒男子溺水，同伴拒绝协助抬人上岸，称“你们见义勇为就拉上来呗”；沈阳于洪区通报
内容来源：条记侠 ( Notesman ) 。责编? | ? 贾宁 ?排版? | 沐言第 9703 ?篇深度好文：3383 ?| 17 分钟阅读商业思维6 月 20 日，约翰 · 江珀，谷歌 DeepMind 的明星科学家，AlphaFold（卵白质结构预测系统）的灵魂人物，宣布离职加入 Anthropic 。两天前，另一位重量级人物诺姆 · 沙泽尔刚宣布跳槽到 OpenAI 。外界开始质疑：DeepMind 是不是在 AI 竞赛中落后了 ？DeepMind CEO 哈萨比斯的回应很淡定："我们有目前所有实验室中最大、最广的研究板凳 。"如果你读过《哈萨比斯：谷歌 AI 之脑》这本书，他的这种从容就不会让你意外 。支撑哈萨比斯的，是一套运转了 30 年的思维操作系统 。这本列传由两度入围普利策奖的作者塞巴斯蒂安 · 马拉比耗时 3 年写成，采访了 100 多位谷歌 AI 要害人物，与哈萨比斯自己进行了凌驾 30 个小时的长谈 。这篇文章，会从这本列传里提炼出哈萨比斯最要害的 4 个思维武器 。希望今天的分享，对你有所启发 。一、哈萨比斯的 4 个思维武器哈萨比斯 4 岁下国际象棋，13 岁拿到巨匠称呼，17 岁在牛蛙公司设计出百万级销量的游戏《主题公园》 。厥后自己创业做游戏事情室失败，转头去剑桥读盘算机科学，又去伦敦大学学院读了认知神经科学博士，在 MIT（麻省理工）和哈佛读完博士后，2010 年建立 DeepMind，2014 年被谷歌以约 6.5 亿美元收购 。2024 年拿了诺贝尔化学奖 。这份履历，在科技圈找不到第二人 。1. 先理解问题，再解决问题1987 年，列支敦士登一座古堡里 。11 岁的哈萨比斯刚下完一场长达 10 小时的国际象棋残局 。他输了，被敌手绝不收敛地讥笑 。第二天早上醒来，他没有懊恼，反而爆发一个更大的念头：锦标赛大厅里挤满了智慧绝顶的人，他们在下棋这件事上耗尽了精力 。这样巨大的集体智力投入，难道不应该用在更高尚的事业上吗 ？好比科学或医学 ？一个 11 岁的孩子，没有先想怎么赢下一局，先问的是这件事值不值得做 � ？蒲Ъ宜嘉脑憔驮谡饫铮合壤斫馕侍獾氖抵�，再决定要不要解决它 。厥后，他把这个思维浓缩成 DeepMind 的使命：" 解决智能，然后用它解决一切 。"2. 跨学科理解问题的能力在牛蛙公司做游戏设计，他学会了什么叫 " 涌现行为 "：你设定简单规则，庞大行为会自己冒出来 。厥后他自己创业做游戏，想在一个虚拟都会里同时模拟上千个独立思维的角色，但 2003 年的电脑算力基础跟不上 。这次失败教了他一课：再好的算法，没有算力支撑也只能停在纸上 。厥后，他去读了神经科学博士，他研究的是人脑中影象、想象和计划的关系，思考人怎么用已往的经验来模拟未来 ？这个研究直接启发了 DeepMind 厥后的技术主线 。棋手的直觉训练，游戏设计的系统思维，神经科学对影象和想象的机制理解，三样工具组合在一起，才有了厥后的 AlphaGo 。列传里说：哈萨比斯的思维拥有 " 无限维度 "，能在哲学与影戏、科幻与经济史之间自由穿梭，也能深入探讨神经科学、盘算机科学与生物学的前沿议题 。这种跨学科的领悟能力，放在全世界都极其稀有 。3. 信念驱动问题的解决列传里有一段特别精彩的故事 。2018 年，AlphaFold 的 GDT（卵白质结构预测精度，下同）评分只有 60 分左右 。团队卖力人安德鲁 · 西尼尔觉得这已经很不错了，建议宣布阶段性胜利，结束项目 。哈萨比斯不接受 。他说：" 我不想成为该领域的佼佼者，我想解决问题 。"然后他做了一件大胆的事：让年轻的物理学家约翰 · 江珀接替西尼尔担当团队卖力人 。理由只有一句：" 如果领导团队的人认为问题无法解决，那么团队绝对不可能破解这个难题 。"江珀接手后推动了一次技术豪赌：用 Transformer（变换器）架构彻底替换原有系统 。之前的研发结果险些全部归零，GDT 得分从 60 骤降到 20 。这是一次 " 先跳下悬崖，再画降落伞 " 式的冒险，然后是漫长的爬升，哈萨比斯每天深夜盯着得分变革 。项目经理迈耶开玩笑说：" 子夜摇醒哈萨比斯，问他 GDT 几多，他能立刻告诉你精确谜底 。"迈耶还 " 发明 " 了一件有趣的事：每周在例会上播放 GDT 得分对应年份的流行歌曲 。得分到 84，播 1984 年蒂娜 · 特纳的歌；到 86，播 1986 年麦当娜的歌 。2020 年 4 月，他播了 MC Hammer 1990 年的标记性嘻哈歌曲 ,GDT 得分抵达了 90 。最终结果是 92.4 分，第二名只有 72.8 分，差别巨大 。竞赛组织者莫尔特看到这个数字时愣住了，为了验证真实性，他让 AlphaFold 预测一个连 X 射线晶体学都解不出的卵白质结构 。DeepMind 通过了测试 。莫尔特说了一句话：" 我一直希望能活到这一天，但我并不总是确定自己能比及 。"截至 2025 年底，全球凌驾 300 万名研究人员免费使用了 AlphaFold 的预测结果 。2024 年，哈萨比斯凭这个成绩，获得诺贝尔化学奖 。要害项目卖力人的信念，决定团队的天花板 。你团队里卖力最重要项目的那个人，有足够的信念吗 ？4. 纯粹专注，在平静的角落里干大事DeepMind 的总部不在硅谷，在伦敦 。哈萨比斯把它叫作远离硅谷噪声的 " 黑尔格兰岛 "（条记侠注：这里被称为在迷茫、焦虑或瓶颈期时，通过抽离喧嚣、回归宁静，从而获得灵感与突破的 " 精神避难所 "），他觉得在这个远离硅谷、相对清净、不受外界纷杂滋扰的情况中，他能更专注地思考 AI 的前沿问题 。列传里写道：硅谷的科技领袖们普遍更激进更乐观，少数人又更守旧更灰心，但都缺少 " 英式 " 的灵魂冲突 。哈萨比斯身上有一种 " 哈姆雷特气质 "，同时站在加速和警示两端 。这离不开他平静、专注的思考 。我们每天翻开手机，一天下来，你觉得自己知道了许多，但其实什么也没想清楚 。哈萨比斯的做法恰好相反，他把 DeepMind 放在伦敦，远离硅谷的噪音 。他让想法 " 在平静中自然涌现 "，靠潜意识慢慢琢磨 。他在�；ぷ钕∪钡淖试矗荷疃人伎嫉氖奔� 。你刷一个小时的 AI 新闻，获得的更多是噪音，噪音不值钱，判断才值钱 。二、4 个武器，指向同一个靶心四个思维串在一起就是：先理解问题，再解决问题；理解需要多角度输入；深层理解催生坚定信念，信念驱动治理；专注需要屏蔽噪音的情况 。它们配合指向一件事：理解，是一种追求 。哈萨比斯花了 20 年理解智能是什么，然后才开始造工具 。他让 AlphaFold 团队把整套系统推倒重来，因为他相信彻底理解问题之后的重建，比在旧框架上修修补补强一百倍 。结果呢 ？OpenAI 用 ChatGPT 赢了舆论，哈萨比斯用 AlphaFold 赢了诺贝尔奖 。虽然，在 AI 这个赛道，速度确实是生死线 。但哈萨比斯的列传告诉我们一件事：速度的上限，由理解的深度决定 。你对问题理解得越深，你的选择就越精准，你才华跑在正确偏向上 。三、建议你从哈萨比斯身上 " 偷 "3 件事第一件：给自己一个 " 黑尔格兰岛 "每周找一个下午，关掉手机，去一个平静的地方坐两个小时，专门用来想问题 。不看微信、不刷新闻、不开会 。拿一张纸，写下你目今业务里最让你担心的那个问题，然后重新想：这个问题究竟是什么 ？我的假设对差池 ？有没有我一直在回避的可能性 ？哈萨比斯说他的许多要害想法，都是在这种平静中 " 涌现 " 出来的 。第二件：做一次 " 跨学科审计 "把你已往所有的事情经历、学习经历、甚至喜好全部列出来 。然后逐条问自己：这段经历教会了我什么认知 ？许多 " 看似无关 " 的经验，换一个角度就是金矿 。哈萨比斯的游戏设计经验启发了他的 AI 架构，你的经验也可能启发你的偏向，要害是你得主动去挖，别把它们看成 " 过时的旧经历 " 丢掉 。第三件：找到团队里最有信念的人要害项目的卖力人，不是最有经验的人，不是最有资历的人，必须是真心相信 " 这件事能做成 " 的人 � ？梢宰鲆桓黾虻ゲ馐裕赫夷阃哦永锫袅σο钅康娜�，问他们一个问题，" 你觉得这个项目最终能不可真正改变我们的公司 ？"真心相信的人，回覆时候眼里有光，并且能具体描述怎么改变 。不信的人，会用种种模棱两可的说话，好比 " 应该可以吧 "" 要看情况 "" 还需要验证 " 。把最重要的任务交给眼里有光的那个人，哪怕他经验不如别人 。结语2026 年 6 月，全世界都在讨论 AI 竞赛谁领先、谁落后 。DeepMind 的要害研究员走了，不少人替哈萨比斯焦虑 。但读完这本列传你会发明，哈萨比斯历来不在 " 竞赛 " 的框架里思考 。他在一个更大的框架里：理解智能的实质，然后用它改变一切 。所有人都在抢谜底的时候，他选择先把问题理解透 。当 AI 把执行力变得险些免费，理解力就是最贵的工具 。理解问题的人，永远跑在解决问题的人前面 。对中国创颐魅者来说，这可能是 AI 时代最反直觉、但也最值得学的一课 。如果你想亲眼看看哈萨比斯们正在建造的世界，而不可是读别人的拆解，条记侠 PPE 书院美国站 26 级「立异英雄 · AI+ 出海专题」课程将于 2026 年 9 月 26 日正式启程 。10 天时间，我们带你走进硅谷与西雅图，深度参访谷歌、英伟达、微软等全球 AI 工业标杆，聆听斯坦福名师和行业拭魅战派的一手分享 。与其隔着屏幕猜趋势，不如到源头看清楚 �＝哟私饪纬滔昵�，提交报名信息 。好文阅读推李飞飞最新访谈：10 年后，只会剩下 2 类事情者哈萨比斯最新震撼预言：留给旧世界的时间，不到 2000 天分享、点赞、在看，3 连 3 连！