花了两个小时认真看完了 Lex Fridman 对谈 Demis Hassabis 的 Round 2，这期非常棒！Hassabis 有一个精彩的洞察我印象深刻：自然界中的系统之所以“可解”，是因为它们并非随机产物，而是经过了漫长的演化过程的塑造。

无论是生物体的蛋白质结构，还是被风雨侵蚀塑造的山脉形状，甚至是行星的轨道和陨石的形态，都经历了一种他称之为“适者生存”的过程。 这种长期的选择和演化压力，使得系统内部形成了一种可被学习的“结构”或“模式”。

Hassabis 将这个“内在结构”比喻为一个“低维流形”（Lower Dimensional Manifold），它隐藏在看似无限复杂的可能性空间中。 一旦神经网络这样的学习算法能够通过数据捕捉到这个“流形”，它就能极大地压缩搜索空间，使原本棘手的问题变得“易于处理”，例如 AlphaFold 项目✨

这个“低维流形”的概念让我想到了 Stephen Wolfram 的“计算宇宙”观，两者最大的共同点在于，他们都认为宇宙的本质是计算性的或信息性的，并试图超越传统物理学寻找“一个终极方程式”的范式。他们都相信：

1. 信息/计算为王：将信息或计算置于物质和能量之上，认为是更根本的存在。传统物理学用数学公式描述现象，而他们都认为宇宙的底层逻辑更像一个“程序”或“算法”在运行；

2. 复杂性源于简单：我们所见的万物之复杂，其背后遵循的规则可能是简单的。Hassabis 认为演化过程塑造了简单的“结构流形”；Wolfram 则认为简单的“计算规则”生成了万物；

3. 颠覆传统物理学范式：从牛顿到爱因斯坦的核心是寻找普适、优雅、可被人类理解的数学公式。而 Hassabis 和Wolfram 都认为，对于复杂的现实系统，这种“一纸公式”的方法可能已经走到了尽头。宇宙的“真理”可能不是一个漂亮的方程式，而是一个过程或一个可学习的模型。

但 Hassabis 与 Wolfram 方式不同：

Wolfram 是“替换”：他试图用一个简单的计算机程序来彻底替换掉传统物理学的整套数学方程体系。他认为物理学的未来不是解微分方程，而是运行和分析这些基础程序。这是一种自下而上、釜底抽薪式的革命；

Hassabis 是“超越”：他并不一定否认底层物理方程的存在，但他认为，对于像生物学这样极其复杂的涌现系统，从第一性原理（底层方程）出发去推导已经不现实了。他提出了一种新的科学发现方法：用 AI 直接从数据中学习出一个高度精确的预测模型（即流形）。

这个 AI 模型本身，就成为了该领域新的“物理定律”。这个“定律”可能不是一个人类能理解的简单公式，而是存储在神经网络亿万个权重参数里的复杂知识。

我感觉，科学发现真的会在强大的算力和 AI 模型面前，迎来超越传统公式建模的新范式！差不多两年前 INDIGO TALK EP07 聊过这个话题😄