Có lẽ chúng ta đã đánh đổi cơ hội chữa khỏi ung thư để lấy một chatbot.
Đây không phải là thuyết âm mưu, mà là logic từ chính lời nói của Demis Hassabis.
Khi được hỏi về thời điểm ChatGPT ra mắt, vị giáo sư đoạt giải Nobel, Giám đốc điều hành của Google DeepMind và người sáng lập AlphaFold, đã đưa ra một câu trả lời gần như có thể được mô tả là "trái ngược với quan điểm chung của ngành":
"Nếu là tôi, tôi sẽ tiếp tục nghiên cứu trí tuệ nhân tạo trong phòng thí nghiệm lâu hơn và thực hiện nhiều dự án tương tự như AlphaFold — biết đâu nó có thể chữa được ung thư hoặc một số bệnh khác."
Tuy nhiên, thực tế là sự xuất hiện của các sản phẩm như ChatGPT đã đẩy toàn bộ ngành công nghiệp AI vào cuộc cạnh tranh khốc liệt.
Nội dung trên được trích từ một cuộc phỏng vấn đăng tải trên Huge Conversations vào ngày 7 tháng 4 năm 2026. Trong cuộc trò chuyện này, Hassabis đã làm rõ bốn điều:
Nơi trí tuệ nhân tạo thực sự đang thay đổi thế giới
Trí tuệ nhân tạo (AI) đã đi chệch hướng như thế nào so với con đường ban đầu?
Rủi ro thực sự cần phải lo ngại
Nhân loại nên phản ứng như thế nào?
Dưới đây là một số đoạn đáng chú ý nhất trong cuộc đối thoại này.
01 Chúng ta hiếm khi thấy trí tuệ nhân tạo thực sự đang thay đổi thế giới.
Nếu bạn không phải là chuyên gia trong lĩnh vực này, thì ấn tượng của hầu hết mọi người về AI vẫn chỉ giới hạn ở các chatbot, trợ lý viết bài hoặc trình tạo hình ảnh.
Trong cuộc phỏng vấn này, Hassabis đã đề cập đến một thực tế dễ bị bỏ qua: những ứng dụng quan trọng hơn của trí tuệ nhân tạo thực chất lại diễn ra bên ngoài các sản phẩm này.
Những thay đổi thực sự quan trọng đang diễn ra ở một cấp độ khác, xa rời cuộc sống thường nhật, trong các phòng thí nghiệm, trong các cơ sở dữ liệu và trong những câu hỏi khoa học mà hầu hết mọi người chưa từng gặp phải.
Ví dụ điển hình nhất là AlphaFold. Đây là một hệ thống được phát triển bởi Hassabis và DeepMind, nhằm mục đích dự đoán cấu trúc ba chiều cuối cùng của một protein chỉ dựa trên trình tự axit amin của nó.
Bạn có thể hình dung như thế này: cấu trúc của protein quyết định chức năng của nó trong cơ thể người, và chức năng đó quyết định cách thức phát sinh bệnh tật và cách thuốc phát huy tác dụng.
Dĩ nhiên, tình hình thực tế phức tạp hơn nhiều, nên tôi sẽ không đi vào chi tiết ở đây.
Trước đây, các nhà khoa học cần phải dành nhiều năm và tiến hành nhiều thí nghiệm liên tục trong phòng thí nghiệm để tìm ra cấu trúc của một loại protein, điều này có thể tốn hàng trăm nghìn đô la hoặc thậm chí nhiều hơn nữa.
Nhiều loại protein phức tạp đến mức việc giải mã cấu trúc của chúng gần như là bất khả thi — tôi nói thật đấy, không đùa đâu.
Nhưng AlphaFold biến điều này thành một bài toán tính toán; chỉ với một chuỗi trình tự, nó có thể tạo ra dự đoán cấu trúc 3D có độ tin cậy cao chỉ trong vài giây.
DeepMind lẽ ra có thể cung cấp dịch vụ trực tuyến, như cách làm phổ biến trong ngành: các nhà khoa học gửi trình tự protein, hệ thống tính toán và trả về kết quả.
Nhưng trong một cuộc họp nội bộ, Hassabis đột nhiên nhận ra rằng thay vì tính toán theo yêu cầu, sẽ tốt hơn nếu tính toán tất cả các protein đã biết trong tự nhiên.
Vì vậy, dưới sự lãnh đạo của ông, DeepMind đã tính toán khoảng hai trăm triệu cấu trúc protein theo từng đợt và cung cấp chúng miễn phí cho toàn thế giới.
Theo một nghĩa nào đó, chúng ta có thể cho rằng đây là một lợi ích công cộng, vì thực tiễn này có nghĩa là lĩnh vực sinh học cấu trúc đột nhiên có một cơ sở hạ tầng có thể truy cập bất cứ lúc nào.
Hassabis giải thích rằng hiện nay có hơn 3 triệu nhà khoa học đang sử dụng AlphaFold. Đối với nhiều nhà nghiên cứu, nó không chỉ là một "công cụ" mà còn là một điều kiện tiên quyết mặc định.
Trong phát triển thuốc, AlphaFold đã thay đổi điểm khởi đầu của toàn bộ quy trình: trước đây, con đường này bao gồm việc thử nghiệm và sai sót lặp đi lặp lại trong phòng thí nghiệm, nhưng giờ đây, lượng lớn quá trình thử nghiệm và sai sót được chuyển sang máy tính trước khi tiến hành.
Trước đây, các nhà nghiên cứu cần phải xác định mục tiêu tiềm năng trước, sau đó thiết kế các phân tử có thể "gắn" vào protein đó. Quá trình này dựa trên lượng lớn thí nghiệm trong môi trường sinh học: tạo ra một phân tử, thử nghiệm một lần; nếu không hiệu quả, hãy sửa đổi một chút và thử nghiệm lại.
Nhưng logic này bắt đầu thay đổi sau khi trí tuệ nhân tạo được giới thiệu.
Tại Isomorphic Labs, một công ty dược phẩm tách ra từ DeepMind, quy trình này đã được tổ chức lại thành mô hình "ưu tiên tính toán": Trí tuệ nhân tạo (AI) trước tiên tạo ra lượng lớn các phân tử ứng cử viên trong máy tính, dự đoán tác dụng liên kết của chúng với protein mục tiêu, và đồng thời nhanh chóng kiểm tra xem các phân tử này có thể vô tình gây hại cho các protein khác trong cơ thể hay không và chúng có thể gây ra những tác dụng phụ nào...
Sau đó, dựa trên phản hồi này, cấu trúc phân tử được điều chỉnh liên tục để bước vào vòng tìm kiếm tiếp theo.
Toàn bộ quy trình trở thành một quá trình tìm kiếm lặp đi lặp lại với tần suất cao, trong đó phương pháp thử và sai, vốn ban đầu tốn lượng lớn thời gian và nguồn lực trong phòng thí nghiệm, được máy tính rút gọn thành nhiều vòng tính toán.
Các thí nghiệm trong môi trường ẩm ướt không hề biến mất; chúng chỉ đơn giản là được đẩy đến giai đoạn cuối cùng của quy trình: chỉ một số ít các phân tử ứng cử viên triển vọng nhất mới thực sự được thử nghiệm.
Theo phương pháp truyền thống, chu kỳ phát triển một loại thuốc mất khoảng 10 năm, với tỷ lệ thành công chỉ khoảng 10%. Phương pháp dựa trên tính toán này, ít nhất là về mặt lý thuyết, có tiềm năng thay đổi cả hai con số này cùng một lúc.
Bản thân Hassabis tin rằng từ nay trở đi, trí tuệ nhân tạo sẽ được sử dụng ở một mức độ nào đó trong việc phát triển hầu hết các loại thuốc mới.
Theo quan điểm của ông, đây là cách khả thi nhất để trí tuệ nhân tạo (AI) thay đổi thế giới. Nó sẽ không xuất hiện như một sản phẩm bom tấn, cũng sẽ không liên tục nhắc nhở bạn về sự hiện diện của nó trên màn hình điện thoại.
Nó giống như một hệ thống nền tảng được xây dựng sẵn; một khi đã hoàn thiện, nó sẽ âm thầm thay đổi cách thức hoạt động của toàn bộ lĩnh vực.
Nói cách khác, nếu chúng ta chỉ nhìn vào chatbot, có thể chúng ta chỉ đang thấy phần ít quan trọng nhất của trí tuệ nhân tạo.
02 Trí tuệ nhân tạo đang được "thúc đẩy".
Nếu chúng ta tuân theo tầm nhìn của chính Hassabis, con đường phát triển của trí tuệ nhân tạo có thể đã khác, chậm hơn và "khoa học" hơn.
Trong cuộc phỏng vấn, ông đã đưa ra một tuyên bố khá hiếm hoi: nếu được quyền quyết định, ông sẽ để trí tuệ nhân tạo (AI) tiếp tục được nghiên cứu trong phòng thí nghiệm thêm 10 hoặc thậm chí 20 năm nữa, phát triển nó như một dự án khoa học quy mô lớn.
Ông dẫn chứng CERN (Tổ chức Nghiên cứu Hạt nhân Châu Âu, viện nghiên cứu vật lý hạt lớn nhất thế giới) làm ví dụ, nơi quy tụ các nhà khoa học giỏi nhất thế giới để phân tích vấn đề từng bước một và thiết lập sự hiểu biết rõ ràng về từng mắt xích quan trọng, thay vì vội vàng tiến lên mà không có sự hiểu biết đầy đủ.
Trên con đường này, mục tiêu của AI không phải là tạo ra sản phẩm nhanh nhất có thể, mà là ưu tiên giải quyết các vấn đề khoa học cơ bản và quan trọng nhất — AlphaFold là một ví dụ điển hình cho cách tiếp cận này.
Theo quan điểm của ông, những bước đột phá "chậm mà chắc" này có thể tiếp tục mang lại lợi ích cho nhân loại trên con đường hướng tới Trí tuệ Nhân tạo Tổng quát (AGI).
Nhưng thực tế không phải vậy.
Lời giải thích của Hassabis khá đơn giản: sự phát triển công nghệ thường không diễn ra theo con đường được kỳ vọng.
Một trong đó những bước ngoặt quan trọng là sự đột phá trong các mô hình ngôn ngữ và sự lan rộng mạnh mẽ do ChatGPT mang lại.
Khả năng ngôn ngữ dễ giải quyết hơn nhiều người tưởng. Một kiến trúc như Transformer, cùng với một số phương pháp học tăng cường, đủ để cho phép các mô hình thể hiện khả năng đáng kinh ngạc về ngôn ngữ, khái niệm và biểu diễn trừu tượng.
ChatGPT ban đầu chỉ là một thử nghiệm nghiên cứu, nhưng nhanh chóng trở thành một sản phẩm tính toàn cầu ngay sau khi được phát hành.
Điều này đã làm thay đổi nhịp độ của toàn bộ ngành công nghiệp, biến trí tuệ nhân tạo thành một cuộc cạnh tranh khốc liệt đang diễn ra.
Lượng lớn người dùng bắt đầu trực tiếp tiếp cận các khả năng AI tiên tiến, trọng tâm của thị trường đã chuyển từ những vấn đề tồn tại lâu năm trong phòng thí nghiệm sang các dạng sản phẩm có thể được triển khai nhanh chóng.
Cạnh tranh kinh doanh đang ngày càng gay gắt, buộc các công ty phải tung ra các mẫu sản phẩm mới thường xuyên hơn. Sự phát triển về khả năng của các mẫu sản phẩm cũng ngày càng gắn bó độ sâu với tăng trưởng người dùng và phản hồi từ thị trường.
Hassabis không hoàn toàn phủ nhận sự tăng tốc này; ông thừa nhận rằng phương pháp phát triển này cũng mang lại một số lợi ích thực tế: những khả năng trước đây có thể mất nhiều thời gian hơn để hiện thực hóa giờ đây có thể được ứng dụng vào thực tế sớm hơn nhiều.
Ngày nay, trí tuệ nhân tạo (AI) mà hầu hết mọi người sử dụng thường chỉ chậm hơn vài tháng so với các phiên bản được phát triển trong phòng thí nghiệm — điều gần như không thể tưởng tượng được trong quá khứ. Việc sử dụng lượng lớn trong thực tế cũng đã tạo ra dữ liệu phong phú hơn; xét cho cùng, ngay cả những thử nghiệm nội bộ hoàn thiện nhất cũng không thể bao quát hết các kịch bản phức tạp do hàng triệu người dùng đưa ra.
Tuy nhiên, việc có lợi ích không có nghĩa là con đường đó là lý tưởng; nó giống như một kết quả được thúc đẩy bởi thực tế hơn.
Thái độ của Hassabis khá rõ ràng: ông là một nhà khoa học, nhưng cũng là một kỹ sư. Chúng ta có thể hiểu đó là sự thỏa hiệp của một người theo chủ nghĩa lý tưởng trước thực tế: ông biết con đường lý tưởng hơn là gì, nhưng cũng chấp nhận rằng thế giới sẽ không vận hành theo lý tưởng.
Tiến bộ công nghệ phần lớn là khó dự đoán; một khi đạt được bước đột phá theo một hướng cụ thể, nó sẽ nhanh chóng thu hút nguồn lực, vốn và sự chú ý.
Kết quả là, khả năng thương mại hóa dễ dàng hơn liên tục được khuếch đại, trong khi các vấn đề khoa học đáng lẽ phải được ưu tiên lại tạm thời bị gạt sang một bên.
Từ góc nhìn này, trí tuệ nhân tạo (AI) ngày nay không đi theo hướng "có giá trị nhất", mà thay vào đó, được thúc đẩy bởi nhiều yếu tố, nó đang dấn thân vào một con đường nhanh hơn và đầy bất trắc.
03. Rủi ro thực sự không phải là deepfake, mà là hai mối nguy lớn hơn.
Hầu hết các cuộc thảo luận về AI đều tập trung vào một loại vấn đề: deepfake, thông tin sai lệch và xuyên tạc nội dung.
Lưu ý rằng điều này áp dụng cho hầu hết mọi người, không phải người hành nghề, mà là bất kỳ người bình thường nào sử dụng trí tuệ nhân tạo.
Deepfakes quả thực là một vấn đề, nhưng theo quan điểm của Hassabis, chúng không phải là loại đáng lo ngại nhất.
Ông ấy đã đưa ra một sắp xếp rất rõ ràng trong cuộc phỏng vấn:
Vấn đề đầu tiên cần quan tâm là vấn đề "con người". Từ cá nhân đến quốc gia, liệu những công nghệ này, vốn ban đầu được thiết kế cho nghiên cứu khoa học, y học và cơ sở hạ tầng, có bị sử dụng cho mục đích xấu hay không?
Rủi ro này không phải là mới, nhưng trí tuệ nhân tạo (AI) đã thay đổi quy mô và hiệu quả của nó. Một khả năng ban đầu chỉ có tác động nhỏ, khi được khuếch đại, có thể dẫn đến những hậu quả hoàn toàn khác.
Loại vấn đề thứ hai là vấn đề vốn có trong chính trí tuệ nhân tạo (AI). Nói chính xác hơn, đó là sự không chắc chắn nảy sinh từ quá trình chuyển đổi AI từ một "công cụ" thành một hệ thống có khả năng tự hoàn thành nhiệm vụ.
Hassabis lưu ý rằng các hệ thống hiện nay chưa có khả năng này, nhưng vấn đề sẽ trở nên nghiêm trọng hơn trong những năm tới khi AI bước vào giai đoạn được gọi là "tác nhân" (tức là giai đoạn mà nó có thể tự động thực hiện nhiệm vụ hoàn chỉnh).
Điều quan trọng không phải là nó có đủ thông minh hay không, mà là liệu chúng ta có thể đảm bảo rằng nó luôn hành động theo các mục tiêu đã đề ra, không vi phạm quy tắc và không đi chệch khỏi ý định ban đầu trong quá trình thực hiện hay không.
Về mặt kỹ thuật, điều này rất khó vì hệ thống càng thông minh thì càng có thể tìm ra nhiều lối tắt, và những lối tắt này chưa chắc đã đáp ứng được kỳ vọng ban đầu của nhà thiết kế.
Ông Hassabis cho rằng rằng hai loại rủi ro này là những vấn đề then chốt cần được đối diện trong những năm tới.
Ngược lại, những vấn đề được thảo luận thường xuyên nhất, chẳng hạn như deepfake và thông tin sai lệch, giống như "những vấn đề đã xảy ra". Chúng cần được giải quyết, và có những hướng đi kỹ thuật tương đối rõ ràng, chẳng hạn như sử dụng hệ thống watermark để đánh dấu nội dung do AI tạo ra. DeepMind đã phát triển một công nghệ tương tự (SynthID) để xác định và theo dõi nguồn gốc của nội dung được tạo ra.
Nếu ta xem toàn bộ cấu trúc rủi ro như một dòng thời gian: trong ngắn hạn, chúng ta đối diện sự hỗn loạn thông tin; trong khi ở trung hạn, vấn đề nghiêm trọng hơn là mất kiểm soát đối với các năng lực.
Còn về các giai đoạn sau, hiện tại vẫn còn quá sớm để nói về chúng (thực ra thì không hẳn vậy).
Theo nghĩa này, Hassabis chỉ ra rằng điều thực sự cần tập trung vào không phải là những gì AI có thể nói, mà là những gì nó có thể làm.
Khi trí tuệ nhân tạo bắt đầu chuyển từ "trả lời câu hỏi" sang "thực hiện nhiệm vụ", bản chất của rủi ro cũng sẽ thay đổi.
Nói cách khác, nhiều rủi ro mà chúng ta đang nói đến chỉ nằm ở cấp độ thông tin, trong khi điều chúng ta thực sự cần cảnh giác là "hành động" sắp xảy ra.
Điều này nghe có vẻ giống như khoa học viễn tưởng, và nhiều người có thể đã tưởng tượng rằng một ngày nào đó một siêu trí tuệ sẽ xuất hiện, thức tỉnh "ý thức về bản thân", và sau đó thay thế hoặc thậm chí thống trị nhân loại.
Bản thân Hassabis cũng nói rằng ông đã đọc rất nhiều tiểu thuyết khoa học viễn tưởng, và cuốn yêu thích nhất của ông là sê-ri Culture của Iain Banks, lấy bối cảnh thế giới hậu trí tuệ nhân tạo tổng quát (AGI) diễn ra một nghìn năm trong tương lai, nhưng ông cảm thấy rằng một số tình tiết trong đó có thể trở thành sự thật trong vòng 50 năm tới .
Tuy nhiên, tầm nhìn của ông về vấn đề này lại khá lạc quan: rủi ro đã được giải quyết, nhân loại đã vượt qua thời điểm kỷ nguyên Trí tuệ Nhân tạo Tổng quát (AGI) một cách an toàn, AGI đã nằm trong tầm tay của mọi người, nó mang lại lợi ích cho xã hội, và sau đó có thể được sử dụng để giải quyết những gì ông gọi là "các vấn đề nút trong khoa học", chẳng hạn như năng lượng, y học và vật liệu.
04. Hãy tận dụng tối đa mọi công cụ AI hiện có.
Nếu tiếp tục cuộc thảo luận này, ta dễ dàng đi đến một câu hỏi: khi trí tuệ nhân tạo bắt đầu tham gia vào khám phá khoa học, ra quyết định và thậm chí cả thực thi nhiệm vụ, nhân loại sẽ còn lại gì?
Nói cách khác, "Tại sao con người lại đặc biệt?"
Câu hỏi này được nêu ra rất thẳng thắn trong nửa sau của cuộc phỏng vấn: người dẫn chương trình nói rằng cô ấy nhận thấy mình đang làm một điều đã được thực hiện nhiều lần trong suốt lịch sử loài người, đó là cố gắng tìm ra lý do để chứng minh rằng "chúng ta là những sinh vật đặc biệt".
Chúng ta từng cho rằng Trái Đất là trung tâm của vũ trụ, nhưng rồi chúng ta phát hiện ra điều đó không đúng; chúng ta từng nghĩ chỉ con người mới có thể than khóc, nhưng rồi chúng ta nhận ra voi cũng có thể; chúng ta từng nghĩ chỉ con người mới có thể sáng tạo nghệ thuật, nhưng giờ đây, trí tuệ nhân tạo cũng có thể vẽ, viết và sáng tác nhạc.
Mỗi khi một ranh giới bị phá vỡ, nhân loại sẽ lại tự hỏi câu hỏi này: Tại sao chúng ta lại đặc biệt?
Hassabis không đưa ra câu trả lời trực tiếp cho câu hỏi này, và tôi nghĩ rất khó để trả lời một cách đơn giản.
Ông ấy đã đề cập đến một khuôn khổ lý thuyết tính toán kinh điển: máy Turing.
Về mặt lý thuyết, một máy tính đa năng có thể giải quyết bất kỳ vấn đề "có thể tính toán được" nào; và theo hiểu biết của nhiều nhà thần kinh học, chính bộ não con người cũng có thể được coi là một hệ thống tính toán gần đúng.
Nếu giả thuyết này đúng, thì bộ não con người và các hệ thống trí tuệ nhân tạo mà chúng ta đang xây dựng, theo một nghĩa nào đó, là cùng một loại. Đây chính là lý do tại sao trí tuệ nhân tạo có tiềm năng liên tục tiếp cận và thậm chí vượt qua hiệu suất của con người trong một số khả năng nhất định.
Nếu ngay cả trí thông minh cũng có thể được sao chép, thì câu hỏi thực sự đáng đặt ra có lẽ không còn là "sự khác biệt giữa chúng ta và trí tuệ nhân tạo là gì", mà là "chúng ta đang cố gắng hiểu điều gì?".
Trong cuộc phỏng vấn, Hassabis đã đề cập rằng môn học yêu thích của anh ấy khi còn nhỏ thực ra là vật lý.
Điều thu hút ông không phải là các ứng dụng, mà là những câu hỏi cơ bản nhất: Thời gian là gì? Ý thức là gì? Vũ trụ vận hành như thế nào?
Nhưng những câu hỏi này vẫn chưa có lời giải đáp cho đến ngày nay.
Động lực chính thúc đẩy ông nghiên cứu về trí tuệ nhân tạo là sử dụng nó như một công cụ giúp nhân loại hiểu rõ hơn những vấn đề này.
Từ góc nhìn này, trí tuệ nhân tạo không chỉ là một hệ thống thay thế khả năng của con người, mà giống như một công cụ được sử dụng để mở rộng ranh giới của nhận thức.
Điều này giải thích tại sao ông ấy tỏ ra lạc quan khi thảo luận về tương lai: nếu rủi ro có thể được quản lý, trí tuệ nhân tạo có thể được sử dụng để giải quyết những "vấn đề nút" - những vấn đề mà một khi được khắc phục sẽ mang lại những thay đổi mang tính hệ thống. Cuối cùng, nhân loại thậm chí có thể đưa khả năng này vượt ra ngoài Trái đất và mở rộng nó đến những nơi xa xôi hơn.
Nhưng tất cả những điều này đều là triển vọng dài hạn. Chúng ta vẫn cần quay lại câu hỏi thực tế hơn: mọi người nên làm gì ngay hôm nay?
Lời khuyên của Hassabis rất đơn giản. Trong một cuộc phỏng vấn, ông nói rằng ông luôn lặp lại cùng một câu lần phát biểu tại trường đại học:
"Hãy tiếp tục theo kịp xu hướng này."
Lời khuyên của Hassabis dành cho bất cứ ai muốn tham gia vào tương lai của AI là hãy đắm mình vào những công cụ này, hiểu chúng, sử dụng chúng và trở thành một "người được khuếch đại".
Lý do rất đơn giản: ngay cả trong những phòng thí nghiệm tiên tiến nhất, lượng lớn năng lượng chỉ có thể được dành cho việc tinh chỉnh mô hình, nhưng vẫn còn một không gian khổng lồ chưa được khám phá về những ứng dụng thực tế mà các mô hình này có thể mang lại.
Nói cách khác, khả năng đó đã có sẵn, nhưng các ứng dụng của nó vẫn chưa được khai thác đầy đủ.
Điều này cũng có nghĩa là cơ hội đang nhanh chóng mở rộng cho những người có thể hiểu được các công cụ này và áp dụng chúng vào các lĩnh vực mới.
Ông ấy đã đưa ra một đánh giá rất cụ thể: Một người trẻ tuổi ngày nay hoàn toàn có thể tận dụng những công cụ này để xây dựng một công ty trị giá hàng tỷ đô la theo một hướng mà chưa ai từng nghĩ đến. (Ví dụ của ông ấy là OpenClaw.)
Nhìn vào toàn bộ cuộc đối thoại, ta thấy nó thực sự thể hiện một bức tranh mâu thuẫn nhưng đúng sự thật: một mặt, trí tuệ nhân tạo đang phát triển nhanh chóng và rủi ro đang đến gần; mặt khác, trí tuệ nhân tạo cũng mở ra một cơ hội chưa từng có.
Chúng ta có thể đã tạm thời đánh đổi một số khả năng quan trọng hơn để lấy những khả năng dễ thương mại hóa hơn.
Nhưng điều đã xảy ra không phải là những gì nhân loại có thể làm để sửa chữa con đường này, mà là cố gắng hiểu nó càng nhiều càng tốt và tìm ra vị trí của chính mình trong trong đó.
Cuối cuộc trò chuyện, người dẫn chương trình đã đặt một câu hỏi rất xúc động: Bạn muốn người khác đánh giá cuộc đời bạn như thế nào?
Ông Hassabis đáp lại: "Tôi hy vọng họ sẽ nói rằng cuộc đời tôi đã có ích cho nhân loại."
Bài viết này được đăng tải từ tài khoản WeChat công cộng "Alphabet AI" , tác giả: Yuan Xinyue, và được xuất bản với sự cho phép của 36Kr.
