AI 作為科研陪練員
Hassabis 將 Gemini 視為創意腦力激盪的「陪練員（Sparring Partner）」，用於優化項目構思與研究摘要。
Demis Hassabis On What AI Will Do Next
✓ 這篇在你的庫裡
在摘要庫開啟 →
這部在講什麼訪談
DeepMind 執行長 Demis Hassabis 探討 AI 如何透過 Co-scientist 系統加速科學發現，並預測在未來 10 到 20 年內，AI 有望協助人類治癒所有疾病。
適合誰關注 AI 科學應用與醫療科技未來的開發者與研究者。
核心觀點AI 輔助科學發現的具體機制、藥物研發平台化的發展路徑、AI 在複雜遊戲經濟中的測試價值。
最值得看5:15 Hassabis 解釋如何將 AlphaFold 模式複製到藥物研發的完整鏈條中。
論點怎麼成立
主張與佐證意義優先，時間戳用來導航
Co-scientist 輔助假設生成
這套基於 Gemini 微調的系統能針對特定領域（如射線追蹤或生物學）生成具體的科學假設並分析數據。
藥物研發的平台化轉型
透過開發 6 到 12 個具備 AlphaFold 等級的 AI 模型，能針對蛋白質交互作用、毒性與吸收率建立自動化研發引擎。
加速臨床試驗與監管效率
AI 不僅能縮短研發時間，還能透過預測劑量與精準篩選病患，為監管機構（如 FDA）提供更強的證據支持。
物理驗證是科學 AI 的閉環瓶頸
數學與代碼可實現遞迴自我改進，但自然科學需要自動化機器人實驗室來完成物理世界的驗證，這將是未來兩年的發展重點。
看完可以做什麼
嘗試將 LLM 作為「Sparring Partner」，在專業決策前要求 AI 針對你的構思提出具體的缺點批評或替代假設。需要留意：雖然 AI 研發速度極快，但人體健康涉及複雜的物理驗證與臨床試驗，受限於生物反應速度與監管流程，實際進展可能比軟體端緩慢。
生成於 2026-07-11
檢舉
觀眾怎麼看
整理 40 則有效留言信心 高觀眾對本次訪談給予極高評價，盛讚主持人專業度與來賓的互動氛圍，並對 AI 未來發展感到興奮。
觀眾普遍認為主持人提問精準且專業，成功引導來賓展現出少見的輕鬆與投入，是該頻道極為成功的訪談。
觀眾對於 AI 帶來的科學突破感到振奮，認為能與這些頂尖科學家處於同一時代是非常幸運的事。
有觀眾提出關於 AI 對齊（Alignment）的擔憂，質疑在尚未解決控制超智慧實體的問題前，是否應加速開發。
觀眾針對 AI 在科學研究的實際應用提出疑問，包括技術成本是否過高，以及 AI 遞迴自我改進的潛在影響。
留言樣本多集中於對訪談形式的讚賞，對技術細節的討論相對較少。