哈萨比斯警告：闭环 RSI 将催生外星智能

据 Woofun AI 消息， 联合创始人德米斯· () 在旧金山 Masters of Scale 峰会期间，接受了硅谷教父、LinkedIn 联合创始人 () 的深度专访。在这场于 10 月录制、2026 年 11 月 5 日播出的对话中，哈萨比斯展现了其作为前神经科学学者与顶级算法架构师的双重冷峻视角，对当前 AI 行业的安全漏洞与形而上学狂欢进行了严厉批判。他特别警示了'闭环递归自进化'（RSI）带来的巨大风险，指出完全剔除人类审核的代码自迭代极有可能造就人类难以理解的'外星智能'；

同时，他从认知科学底层强力反驳了'AI 意识论'，告诫行业在意识机制未明之前，不应越过制造自主意愿实体的底线。

回顾哈萨比斯的职业轨迹，其核心愿景始终聚焦于将 AI 打造为攻克科学与医学绝症的终极工具。早在二十多年前投身 AI 领域之初，他便确立了这一目标，并坚信面对如今亲手造出的神奇工具，第一优先级应是提升人类的生存境况与健康水平。

这一理念贯穿了他的职业生涯：从早期开发 ，到凭借颠覆生物学的蛋白质预测系统 斩获 2024 年诺贝尔化学奖，再到后来孵化 AI 药物研发公司 ，他始终在推动 AI 向硬核科学难题发起挑战。2026 年 8 月，哈萨比斯卸任 Google DeepMind CEO，改任主席兼 Alphabet 首席科学家，但其对 AI 终极价值的追求并未改变。他认为，用 AI 帮助人类治愈可怕绝症，是向全世界展示 AI 价值的最硬核标杆，也是改善人类生存境况的最直接路径。

AlphaFold 的科学突破为药物研发提供了关键前置步骤，其核心在于解决困扰结构生物学界长达 50 年的蛋白质折叠问题。这一难题曾被生物学家称为'生物学领域的费马大定理'，因为从基因序列（氨基酸序列）直接预测蛋白质的三维立体结构，对于理解其生物学功能至关重要。只有搞懂蛋白质的三维构象，才能理解基础生物机制，明确疾病发生时的差错所在，并设计靶向药物以结合蛋白质表面的微观'锁孔'。2020 年推出的 至今仍是 AI 应用于攻克硬核科学难题的代表性标杆，全球约有 400 万科研人员在使用它，几乎所有生物和医学研究者及未来上市新药的研发链路都将依赖其解析的结构。

然而，哈萨比斯指出这还远远不够，目前正将该技术底座全面推向更广泛的生物化学领域，以精准预测药物分子的毒性及 ADME 性质（吸收、分布、代谢、排泄），从而真正低成本、高效率地造出既安全又起效的救命药物。

Woofun AI 整理数据显示，在技术迭代加速的背景下，递归自我改进（RSI）在可验证领域展现了惊人威力，其中 的进化过程最具代表性。AlphaZero 的前身是 2016 年击败围棋世界冠军李世石的 AlphaGo，但 AlphaZero 在底层意义上更具颠覆性，它彻底摆脱了人类数据，从纯粹的随机初始化状态开始，通过自我对弈进行迭代。

在十几二十个训练周期里，它每一轮左右互搏打上一百万局左右，训练出比旧版本稍强的新模型，进而继续自我对战。通过这种方式，它不仅攻克了围棋，还横扫了国际象棋和日本将棋等所有双人完全信息博弈。哈萨比斯作为棋手，亲眼见证了其下国际象棋的恐怖速度：整个过程仅用了不到 12 小时，早上开机时它还在瞎走，上午 11 点他还能勉强赢它，中午吃午饭时它已达到国际特级大师水平，而下午喝茶时，它已超越人类历史上所有棋手及所有人类手工写规则堆砌的顶级国际象棋引擎。