AI越强，人类创造力反而越值钱！诺奖得主哈萨比斯：未来十年可能迎来一场“新文艺复兴”

编辑 | 姜篇

“Hopefully, a new renaissance.” 哈萨比斯：我希望，我们会迎来一场新的文艺复兴。

在哈萨比斯的设想里，AI会把试错成本大幅压低。

科学家可以更快验证假设，创作者可以一次尝试十个方案，开发者也能在正式投入之前，先跑完多套原型。

未来十年，最优秀的一批科学家和创作者，产出甚至可能被放大十倍。

但他也谈到了另一种结果：那就是平庸的“AI垃圾”越来越多。

因此，AI越强，人类的创造力反而越值钱。这里的创造力不只属于艺术家。对开发者来说，它是看见真正的问题，在十个可行方案中选出合适的一个，知道哪些代码可以进入生产，也知道什么时候应该让Agent停下来。

备注：德米斯·哈萨比斯是Google DeepMind联合创始人、2024年诺贝尔化学奖得主。

在访谈中，他还给出了几个颇有分量的判断：技术公司不该独自决定AI的用途；教育需要从重复练习转向项目与协作；AI的未来仍未写定，人类现在做出的选择会决定它最终走向哪里。

这场一个多小时的访谈，落到开发者身上的问题却很具体：当Agent可以批量写代码、改文件和生成方案，人还要负责什么？

以下为访谈内容，我们进行了翻译与主题整理。

哈萨比斯期待的，是一场“新文艺复兴”

哈萨比斯对AI的期待，起点一直是科学。

他在访谈中回忆，自己研究AI几十年，最想做的事情就是用它推进科学、医学和人类健康。

AlphaFold预测蛋白质结构只是一个开始。他希望类似的工具继续进入材料、能源、数学和疾病研究，让过去需要多年试验的问题更快得到答案。

哈萨比斯：我希望看到科学与艺术再次走到一起，进入一个新的科学发现与惊奇的黄金时代。

哈萨比斯谈“新的文艺复兴”

他使用“文艺复兴”这个词，并不是在给AI加一个漂亮的口号。

过去，科学家、工程师、艺术家和人文学者使用的工具、语言和工作方法差异很大。生成式AI正在成为一套共同工具：它能读论文，也能写程序；能分析图像，也能生成原型。

不同领域之间原本很贵的沟通和试验，开始变得便宜。

哈萨比斯所说的“新文艺复兴”，核心是科学、工程、艺术与人文重新汇合

哈萨比斯说得很明确：技术人员可以创造新的能力，却不该独自替整个社会决定这些能力最终服务什么目的。

原型越来越便宜，更多想法可以先跑一遍

哈萨比斯在艺术创作上的例子，对开发者同样适用。

过去，一位导演想试十种镜头方案，意味着演员、场地、设备和后期成本。

一个独立创作者想证明自己的项目，往往只能拿着剧本和PPT找投资。现在，他们可以先生成样片、预告片或不同版本的视觉方案，再决定把资源投到哪里。

哈萨比斯：优秀的创作者可以尝试更多想法，在投入大量时间和资源之前，先看看这些想法是否值得继续。

生成工具让创作者先验证多个方向，再投入真实制作

做一个功能之前，开发者可以让Agent分别试三套接口设计，跑一轮性能测试，再看哪种方案更适合现有系统；接到一个模糊需求时，也可以先做可运行的原型，让产品和用户看到实物后再继续讨论。

AI把试错放到正式开发之前，开发者负责约束、测试和取舍

这类用法的价值不只是“写得快”。它让更多想法有机会被验证，也让团队更早发现一条路走不通。

当然，能同时生成十个方案，并不等于十个方案都值得做。原型变便宜后，判断会成为新的瓶颈。

工具应该顺着创作者工作，而不是逼人迁就工具

哈萨比斯提到，DeepMind在开发创作工具时，会邀请顶尖艺术家和创作者一起参与。

他们不会先做完产品，再问艺术家喜不喜欢；团队会先观察创作过程，了解什么能帮助创作者，什么会打断思路，再决定工具应该出现在哪里。

哈萨比斯：我们希望和最好的创作者合作，由他们告诉我们，哪些能力能扩展创作，哪些设计会妨碍创作。

哈萨比斯谈与艺术家共同设计AI工具

Agent能不能进入日常工作，不只取决于模型分数。它是否理解仓库结构，能否调用测试和日志，遇到高风险操作会不会停下来，生成的改动是否方便审查，这些细节决定了工程师愿不愿意长期使用。

如果一个工具要求开发者反复补上下文、手动解释环境、替它收拾不可追踪的改动，再强的模型也很难成为稳定的生产工具。

生成能力暴涨，“AI垃圾”也会一起增加

哈萨比斯没有把生成式AI只写成一张乐观的未来支票。他在访谈中直接提到一个词：“AI slop”。

图片、视频、代码和文章都可以大批生成以后，互联网不会自动被好作品填满。更容易出现的情况，是大量平庸内容围着点击率和停留时长生产，再由推荐系统送到用户面前。

哈萨比斯：这些工具可以增强人类，也可以制造大量平庸内容，只为了吸引注意力。

哈萨比斯提醒，生成成本下降也会带来大量“AI垃圾”

代码领域也有自己的“AI垃圾”。

它可能是一段看上去完整、实际绕过权限边界的实现；也可能是重复造轮子的依赖、没有覆盖异常路径的测试，或者批量生成却没人愿意维护的服务。

当产出不再稀缺，团队更需要回答几个具体问题：这个需求值得做吗？哪套方案适合现有架构？验收标准是什么？出了问题由谁负责？

未来十年，顶尖人才可能被放大十倍

谈到未来十年，哈萨比斯给出了非常有冲击力的判断。

哈萨比斯：最优秀的科学家和艺术家，也许可以借助这些工具把产出提高十倍，而且达到过去无法做到的水平。

哈萨比斯认为，AI可能把顶尖科学家和创作者的产出放大十倍

这并不意味着普通开发者会一夜之间变成十倍工程师。

同样一套Agent，接到清晰约束、完整测试和可观测系统时，可以持续推进；进入需求混乱、没人知道正确结果的项目，它只会更快地产生更多待审查内容。工具放大的，往往是使用者原本就具备的判断和工作方法。

一位熟悉支付系统的工程师，可以让Agent并行检查幂等、重试、账务对齐和回滚路径；只会描述“修一下重复扣款”的人，即便拿到同一个模型，也很难知道答案漏掉了什么。

AI带来的差距，未必只发生在会不会用工具之间。更大的差距可能来自：谁能提出更好的问题，谁知道怎样验证答案，谁能把模型的输出接进真实系统。

AI越强，人类创造力反而越重要

哈萨比斯谈到，人类会不会继续在意“这是另一个人创作的”时，提到了艺术作品里的真实经历。

一幅画、一首歌或者一部电影之所以打动人，不只因为技巧足够好。知道它来自一个真实的人，知道那个人经历过什么，也构成了作品的一部分。

哈萨比斯：随着工具越来越自主，人与人之间的连接、创造力、手艺和作品里的灵魂，会变得比以往更重要。

哈萨比斯谈AI时代的人类连接、创造力与作品中的“灵魂”

放到软件开发里，“创造力”不是把变量名起得更漂亮，也不是凭空想一个从未出现过的框架。

它常常藏在更朴素的地方：看见用户真正卡住的步骤，把一个复杂流程删到只剩三步；在十个都能运行的实现里，选出最容易维护的一个；发现需求本身问错了问题，及时阻止团队继续堆代码。

Agent可以给出大量候选答案。开发者的价值会更多落在选择、组合、约束和负责上。

未来尚未写定，技术公司也不知道标准答案

哈萨比斯在访谈中多次提醒，AI的发展速度已经快过社会准备速度。

他曾参与创造这些技术，但并没有把技术人员摆在“预言家”的位置。

“The future is really not written.” 哈萨比斯：未来并没有被写好。

哈萨比斯强调，AI未来仍可以被社会主动塑造

哈萨比斯：如果技术只跟着资本和注意力机制走，产品很容易变成让人上瘾的孤岛。AI同样需要在能力扩大之前，把安全、经济影响和社会目标放进设计过程。

对开发团队来说，这不是遥远的治理话题。推荐什么内容、自动拒绝什么请求、允许Agent访问哪些数据、什么操作必须由人确认，都会被写进产品、权限和代码里。

所谓“主动塑造未来”，最终会落到这些很具体的默认值上。

开发者的学习方式也该换了

访谈最后，话题落到教育。

哈萨比斯认为，下一代需要成为“AI原生”的学习者。知识讲解和重复练习可以由AI提供个性化帮助，课堂则应该给项目、协作、创造、创业和领导力留下更多空间。

哈萨比斯：教育需要被彻底重新思考。年轻人应该学会与AI一起工作，也要在真实项目中练习协作、创造和领导。

哈萨比斯谈AI时代的教育重构

这对正在学习编程的人尤其重要。

只背API、刷固定答案，越来越难构成长期优势。更有效的练习，是让自己完整走过一次项目：找到真实问题，写下约束，让Agent参与实现，观察失败，补测试，部署上线，再面对用户反馈。

代码仍然要学。只是学习目标需要从“独立写出每一行”，转向“看懂系统怎样工作，并能对最后的结果负责”。

评论区：AI会释放创造力，还是淹没人类作品

这场访谈的评论区没有给出统一答案。

有人喜欢哈萨比斯身上的谨慎乐观，认为这是他今年最好的一次访谈。

YouTube网友评论原文及中文翻译

也有人质疑他的教育方案，认为翻转课堂和项目制并不新鲜。如果设计不好，团队项目只会让少数学生包办任务，其他人跟着交作业。

YouTube网友对AI教育方案的质疑

围绕创造力的争论更尖锐。一位网友认同“真实故事”能建立人与人的连接，另一位网友却追问：如果AI已经能模仿人类艺术，大多数用户是否还会在意作品来自谁？

YouTube网友讨论AI时代人类创作是否仍有额外价值

还有人把问题拉回安全：在对齐问题尚未解决时，继续把AGI当作主要目标，伦理依据是什么？

YouTube网友对AGI安全与对齐提出质疑

这些质疑没有推翻“新文艺复兴”的想象，却补上了它最容易被忽略的一面：更强的工具既能放大好作品，也能放大噪声；能扩大个人能力，也可能把平台原有的激励问题一起扩大。

哈萨比斯描绘的未来很乐观，但他的乐观有一个前提：人类不能只等技术自己给出结果。

AI可以一次生成十个原型，开发者仍要决定哪个问题值得解决；Agent可以改完一批代码，团队仍要判断它能不能进入生产；模型可以提供越来越多答案，提出问题的人没有因此变得多余。

如果未来十年真的会迎来一场“新文艺复兴”，它大概不会从一句提示词开始。

它会从一群人知道自己要创造什么，也知道哪些决定不能交给机器开始。

https://www.youtube.com/watch?v=rDteJAuKiBI

——好文链接——