Οι περισσότεροι 17χρονοι περνούν τις μέρες τους παίζοντας βιντεοπαιχνίδια, αλλά ο κυπριακής καταγωγής Ντέμης Χασάμπης (Demis Hassabis), που μόλις τιμήθηκε με το βραβείο Νόμπελ, πέρασε τα εφηβικά του χρόνια αναπτύσσοντάς τα.

Ο σερ Ντέμης Χασάμπης, στον οποίο απονεμήθηκε από κοινού με τους Αμερικανούς Ντέιβιντ Μπέικερ και Τζον Τζάμπερ το βραβείο Νόμπελ Χημείας την Τετάρτη (09/10), έκανε το μεγάλο άνοιγμα στον κόσμο της τεχνολογίας ως συν-σχεδιαστής του επιτυχημένου video game Theme Park του 1994, όπου οι παίκτες δημιουργούν και λειτουργούν λούνα παρκ.

Ο Ντέμης Χασάμπης γεννήθηκε στο Λονδίνο. Ο πατέρας του κατάγεται από την Κύπρο, ενώ η μητέρα του από τη Σιγκαπούρη. Ο Ντέμης και η οικογένειά του μετακόμιζαν συχνά, καθώς ο πατέρας του ακολουθούσε διάφορες επιχειρηματικές και δημιουργικές δραστηριότητες.

Ήταν τεσσάρων ετών όταν είδε τον πατέρα του και έναν θείο του να παίζουν σκάκι και τους ζήτησε να τού μάθουν το παιχνίδι. Το έμαθε γρήγορα και σύντομα κέρδιζε και τους δύο.

Έδειξε μια πρώιμη ικανότητα για όλα τα παιχνίδια που χρησιμοποιούν λογική και στρατηγική. Όταν του δόθηκε ο πρώτος του υπολογιστής σε ηλικία οκτώ ετών, τον προγραμμάτισε να παίζει το επιτραπέζιο παιχνίδι Othello.

Η γοητεία του τόσο για τα παιχνίδια, όσο και για τους υπολογιστές μεγάλωνε χρόνο με το χρόνο. Στην ηλικία των 13 ετών, ο Χασάμπης ήταν αναγνωρισμένος δάσκαλος στο σκάκι και σύντομα έπαιζε με ενήλικες σε διεθνείς διαγωνισμούς.

Αν και απολάμβανε την πνευματική διέγερση του σκακιστικού ανταγωνισμού, επιθυμούσε να εφαρμόσει τις ικανότητές του σε έναν ευρύτερο τομέα και αποφάσισε να ασχοληθεί με τη μελέτη της Τεχνητής Νοημοσύνης (AI).

Στα 17 του, εντάχθηκε στην εταιρεία ηλεκτρονικών παιχνιδιών Bullfrog Productions, όπου εργάστηκε ως σχεδιαστής στο παιχνίδι Syndicate και ήταν ο επικεφαλής προγραμματιστής για το Theme Park με μεγάλη επιρροή.

Το παιχνίδι έγινε best seller, κέρδισε το βραβείο Golden Joystick της βιομηχανίας και δημιούργησε μια σειρά από παιχνίδια προσομοίωσης διαχείρισης.

Ο Χασάμπης φοίτησε στο Πανεπιστήμιο του Κέιμπριτζ, όπου ήταν επικεφαλής της σκακιστικής ομάδας το 1995 και το 1996 και ξανά το 1997. Αποφοιτώντας το ίδιο έτος με άριστα στην επιστήμη των υπολογιστών, εντάχθηκε στη Lionhead Studios, όπου ήταν ο επικεφαλής προγραμματιστής του παιχνιδιού Black & White.

Την επόμενη χρονιά, ίδρυσε τη δική του εταιρεία, την Elixir Studios. Το πρώτο του παιχνίδι ως εκτελεστικός σχεδιαστής στην Elixir ήταν το Republic: The Revolution, ένα καινοτόμο παιχνίδι πολιτικής προσομοίωσης.

Ακολούθησε ο αναγνωρισμένος προσομοιωτής κακοποιών Evil Genius και ο Χασάμπης έκλεισε επικερδείς εκδοτικές συμφωνίες με τη Vivendi και τη Microsoft. Ενώ διοικούσε την Elixir, ο Χασάμπης συνέχισε να συμμετέχει σε διεθνείς διαγωνισμούς παιχνιδιών.

Στην Ολυμπιάδα Mind Sports του Λονδίνου, αναδείχθηκε νικητής του Παγκόσμιου Πρωταθλήματος Pentamind για πέντε συνεχόμενα έτη, από το 1998 έως το 2003. Το 2003 και το 2004, ο Χασάμπης κέρδισε το πρωτάθλημα στο Decamentathlon. Το 2004 ήταν παγκόσμιος πρωταθλητής ομάδας στο παιχνίδι Diplomacy. Υπήρξε επίσης ιδιαίτερα επιτυχημένος διαγωνιζόμενος σε έξι διαφορετικές σεζόν του World Series of Poker.

Έχοντας αποδείξει την αξία του σε παγκόσμιους διαγωνισμούς παιχνιδιών και στη βιομηχανία ηλεκτρονικών παιχνιδιών, ο Χασάμπης αποφάσισε να μελετήσει τη λειτουργία του ανθρώπινου εγκεφάλου για να αποκτήσει περισσότερες γνώσεις σχετικά με τις δυνατότητες της Τεχνητής Νοημοσύνης.

Το 2005, πούλησε τα δικαιώματα πνευματικής ιδιοκτησίας και τεχνολογίας των παιχνιδιών που είχε δημιουργήσει και εκκαθάρισε την Elixir Studios.

Ξεκίνησε σπουδές γνωστικής νευροεπιστήμης στο University College του Λονδίνου (UCL), ολοκληρώνοντας το διδακτορικό του το 2009.

Στη συνέχεια ταξίδεψε στις Ηνωμένες Πολιτείες για να ακολουθήσει μεταδιδακτορικές υποτροφίες στο Χάρβαρντ και στο Τεχνολογικό Ινστιτούτο της Μασαχουσέτης (MIT). Υπήρξε υπότροφος του Wellcome στη Μονάδα Νευροεπιστήμης του UCL.

Οι διδακτορικές του σπουδές επικεντρώθηκαν στον τομέα της αυτοβιογραφικής μνήμης και της αμνησίας.

Έχει συνυπογράψει εργασίες επί του θέματος, οι οποίες έχουν δημοσιευθεί στα περιοδικά Nature, Science, Neuron και Proceedings of the National Academy of Sciences (PNAS).

Η εργασία του στο PNAS διαπίστωσε για πρώτη φορά ότι ο τραυματισμός της περιοχής του ιππόκαμπου του εγκεφάλου -που προκαλεί αμνησία- μειώνει επίσης την ικανότητα του ασθενούς να φαντάζεται άλλες καταστάσεις.

Ο Χασάμπης είχε καταδείξει τη νευρολογική σύνδεση μεταξύ των λειτουργιών της φαντασίας και της επεισοδιακής μνήμης – και οι δύο απαιτούν την ικανότητα να κατασκευάζεται νοερά μια σκηνή.

Το επίτευγμά του αναφέρθηκε ως μία από τις «10 κορυφαίες επιστημονικές ανακαλύψεις της χρονιάς» από το περιοδικό Science.

Το 2011, ο Χασάμπης ίδρυσε την εταιρεία Τεχνητής Νοημοσύνης DeepMind Technologies. Ο ίδιος όρισε ως αποστολή της την επίλυση «του προβλήματος της νοημοσύνης» και στη συνέχεια τη χρήση της Τεχνητής Νοημοσύνης «για την επίλυση όλων των άλλων».

Τότε έλεγε πως έχει ένα 20ετές σχέδιο που θα κατέληγε στη δημιουργία της Τεχνητής Γενικής Νοημοσύνης (ΤΓΝ), ενός συστήματος Τεχνητής Νοημοσύνης που θα μπορεί να κάνει πρακτικά οποιαδήποτε γνωστική εργασία μπορεί να κάνει ένας άνθρωπος. 14 χρόνια μετά, ο Χασάμπης πιστεύει ότι τα πράγματα βρίσκονται σε καλό δρόμο.

«Πιστεύω ότι [η Τεχνητή Νοημοσύνη] θα είναι η πιο ευεργετική τεχνολογία που δημιουργήθηκε ποτέ, αλλά μόνο αν την εφαρμόσουμε με τον σωστό τρόπο και την οικοδομήσουμε με τον σωστό τρόπο», δήλωσε σε μια ομιλία που διοργάνωσε η πλατφόρμα πληρωμών Stripe νωρίτερα φέτος.

Γνωστό ως Google DeepMind από την εξαγορά του το 2014, το εργαστήριο του Χασάμπης έχει σημειώσει πολλές επιτυχίες, μεταξύ των οποίων η πρωτοποριακή «βαθιά ενισχυτική μάθηση», ο σχεδιασμός συστημάτων που νίκησαν τους καλύτερους ανθρώπινους παίκτες στο επιτραπέζιο παιχνίδι «Go» και η επίλυση του προβλήματος της πρωτεϊνικής αναδίπλωσης για να βοηθήσει τους επιστήμονες να σχεδιάσουν νέα φάρμακα και να κατανοήσουν τις ασθένειες.

Τον τελευταίο χρόνο, το εργαστήριο κυκλοφόρησε το δικό του LLM, το Gemini, ενημέρωσε το μοντέλο πρωτεϊνικής αναδίπλωσης για να προβλέψει τις δομές και τις αλληλεπιδράσεις βιομορίων όπως το DNA και το RNA και ανέπτυξε μοντέλα που επιτυγχάνουν το ίδιο επίπεδο με έναν αργυρό Ολυμπιονίκη στη Διεθνή Μαθηματική Ολυμπιάδα, μεταξύ άλλων επιτευγμάτων.

Συνδυάζοντας γνώσεις από τη νευροεπιστήμη και τη μηχανική μάθηση με τις τελευταίες εξελίξεις στο υλικό των υπολογιστών, ο Χασάμπης επιδιώκει να κατασκευάσει έναν μηχανισμό μάθησης γενικού σκοπού – την «Τεχνητή Γενική Νοημοσύνη» (AGI).

Tech Η ΑΙ αλλάζει τη ζωή και την καθημερινότητα ατόμων με αναπηρία

Ο Χασάμπης και οι συνάδελφοί του στην DeepMind επικεντρώθηκαν αρχικά στη δημιουργία αλγορίθμων μάθησης για την εκμάθηση παιχνιδιών. Μέχρι το 2013, είχαν δημιουργήσει έναν αλγόριθμο με την ονομασία Deep Q-Network (DQN) που μπορούσε να παίζει ηλεκτρονικά παιχνίδια «σε υπεράνθρωπο επίπεδο». Χωρίς καμία άλλη είσοδο εκτός από τα pixel που ήταν ορατά στην οθόνη και χωρίς άλλες οδηγίες εκτός από το «επίτευξη του μέγιστου σκορ», ο DQN έγινε ο καλύτερος παίκτης του Space Invaders στον κόσμο μέσα σε 30 λεπτά από την εισαγωγή του στο παιχνίδι. Η έρευνα της DeepMind τράβηξε την προσοχή του τεχνολογικού γίγαντα Google, ο οποίος αγόρασε την DeepMind για πάνω από 6,5 δισεκατομμύρια δολάρια το 2014. Ο Χασάμπης παραμένει διευθύνων σύμβουλος της DeepMind, η οποία λειτουργεί ως ανεξάρτητη οντότητα, με έδρα το Βόρειο Λονδίνο.

Ο Χασάμπης έστρεψε την προσοχή του στην πρόκληση του αρχαίου κινεζικού παιχνιδιού Go. Η πληθώρα των επιλογών που έχει στη διάθεσή του ένας παίκτης του Go καθιστούν σχεδόν αδύνατο ακόμη και για έναν άριστο παίκτη του παιχνιδιού να εξηγήσει πλήρως τη λογική που διέπει μια δεδομένη κίνηση. Ο Χασάμπης θεώρησε το παιχνίδι ως ιδανική πρόκληση για μια μηχανή μάθησης. Το 2015, το πρόγραμμα AlphaGo της DeepMind νίκησε τον πρωταθλητή Ευρώπης στο Go με σκορ 5-0. Την επόμενη χρονιά, νίκησε έναν πρώην παγκόσμιο πρωταθλητή 4 -1.

Η DeepMind δημιούργησε επίσης μια «νευρωνική μηχανή Turing», δηλαδή ένα μοντέλο επαναλαμβανόμενου νευρωνικού δικτύου που συνδυάζει τις δυνατότητες ασαφούς αντιστοίχισης προτύπων ενός τεχνητού νευρωνικού δικτύου με την αλγοριθμική ισχύ ενός προγραμματιζόμενου υπολογιστή. Η πρόοδος της εταιρείας στη μηχανική μάθηση έχει παντρέψει τις διαδικασίες της βαθιάς μάθησης και της ενισχυτικής μάθησης για να δημιουργήσει το νέο πεδίο της «βαθιάς ενισχυτικής μάθησης». Οι διαδικασίες αυτές υπόσχονται πολλά για σχεδόν κάθε τομέα επιστημονικής μελέτης, από την ιατρική έως την αστροφυσική.

Το 2015, οι Financial Times κατέταξαν τον Demis Hassabis στους «50 κορυφαίους επιχειρηματίες στην Ευρώπη» και την επόμενη χρονιά στον «Ψηφιακό επιχειρηματία της χρονιάς». Το περιοδικό Science ονόμασε το AlphaGo ως μία από τις «10 κορυφαίες επιστημονικές ανακαλύψεις του 2016» και το περιοδικό TIME συμπεριέλαβε τον Hassabis ως έναν από τους 100 ανθρώπους με τη μεγαλύτερη επιρροή στον κόσμο το 2017. Στις τιμητικές διακρίσεις της Βρετανίας για το 2018, ο Ντέμης Χασάμπης ανακηρύχθηκε Διοικητής του Τάγματος της Βρετανικής Αυτοκρατορίας και τον Μάιο του 2018 εξελέγη μέλος της Royal Society, της παλαιότερης επιστημονικής ένωσης στον κόσμο.

Το καλοκαίρι του 2018, το περιοδικό Nature Medicine δημοσίευσε μια μελέτη για το πρώτο ιατρικό προϊόν της DeepMind, μια νέα τεχνολογία για την ανάλυση σαρώσεων OCT. Η σάρωση OCT (οπτική τομογραφία συνοχής) χρησιμοποιείται τακτικά για την ανίχνευση διαταραχών του αμφιβληστροειδούς, συμπεριλαμβανομένης της εκφύλισης της ωχράς κηλίδας και της τύφλωσης που σχετίζεται με τον διαβήτη. Σε μια πρώιμη μελέτη, η τεχνολογία AI της DeepMind απέδειξε ότι μπορεί να αναλύει σαρώσεις OCT και να κάνει διαγνώσεις με ακρίβεια 94%, αποδεδειγμένα καλύτερη από τους ανθρώπινους εμπειρογνώμονες. Εάν οι περαιτέρω δοκιμές είναι επιτυχείς, η DeepMind θα διαθέσει την τεχνολογία δωρεάν για τα πρώτα πέντε χρόνια. Η DeepMind συνεργάζεται επίσης με την Εθνική Υπηρεσία Υγείας της Βρετανίας για την ανάπτυξη μιας εφαρμογής για κινητά τηλέφωνα που θα προειδοποιεί τους γιατρούς και τους ασθενείς τους για την απειλή νεφρικής βλάβης.

Tech Όταν η τεχνητή νοημοσύνη παλεύει για την προσβασιμότητα

Λίγο αφότου το πρόγραμμα AlphaGo της DeepMind νίκησε τον θρυλικό παίκτη του Go Lee Sedol, η DeepMind δημιούργησε μια μικρή ομάδα για να αρχίσει να εργάζεται στην πρόβλεψη της δομής των πρωτεϊνών. Ανέπτυξαν το AlphaFold, μια Τεχνητή Νοημοσύνη που μπορεί να προβλέψει το σχήμα των πρωτεϊνών μέχρι το πλησιέστερο άτομο. Τον Δεκέμβριο του 2018, το πρόγραμμα AlphaFold κατέλαβε την πρώτη θέση στη συνολική κατάταξη της 13ης κριτικής αξιολόγησης των τεχνικών για την πρόβλεψη της δομής των πρωτεϊνών (CASP). Το 2020, η DeepMind αποκάλυψε το AlphaFold2 και αναγνωρίστηκε ως λύση στο 50ετές «πρόβλημα της πρωτεϊνικής αναδίπλωσης». «Είναι το πιο πολύπλοκο πράγμα που έχουμε κάνει ποτέ», λέει ο Χασάμπης. Τον Ιούλιο του 2021, η DeepMind δημοσίευσε μια λεπτομερή περιγραφή του τρόπου λειτουργίας του συστήματος και έδωσε δωρεάν τον πηγαίο κώδικα σε όλο τον κόσμο. Δημιούργησε επίσης μια δημόσια βάση δεδομένων με το Ευρωπαϊκό Ινστιτούτο Βιοπληροφορικής την οποία γεμίζει με νέες πρωτεϊνικές δομές καθώς η Τεχνητή Νοημοσύνη τις προβλέπει. Η βάση δεδομένων έχει επί του παρόντος περίπου 800.000 εγγραφές και η DeepMind θα προσθέσει περισσότερες από 100 εκατομμύρια -σχεδόν κάθε πρωτεΐνη που είναι γνωστή στην επιστήμη- μέσα στον επόμενο χρόνο. Μια χούφτα ομάδες σε όλο τον κόσμο έχουν αρχίσει να χρησιμοποιούν την AlphaFold σε εργασίες σχετικά με την αντίσταση στα αντιβιοτικά, τον καρκίνο, τον covid και άλλα.

Τον Νοέμβριο του 2021, ο Χασάμπης ανακοίνωσε ότι συνδυάζει πλέον την ηγεσία του στην DeepMind με τον ρόλο του διευθύνοντος συμβούλου στην startup Isomorphic Labs, μια νέα αδελφή εταιρεία της Alphabet που θα επικεντρωθεί αποκλειστικά στην αξιοποίηση της δύναμης της Τεχνητής Νοημοσύνης στη βιοτεχνολογία και την ιατρική. Τον Ιούλιο του 2022, οι ερευνητές του εργαστηρίου Τεχνητής Νοημοσύνης DeepMind Technologies δήλωσαν ότι είχαν προβλέψει τη δομή σχεδόν όλων των γνωστών πρωτεϊνών, μια σημαντική πρόοδος στη βιολογία που θα επιταχύνει την ανακάλυψη φαρμάκων και θα βοηθήσει στην αντιμετώπιση προβλημάτων όπως η βιωσιμότητα και η επισιτιστική ανασφάλεια. Επέκτειναν επίσης τη βάση δεδομένων AlphaFold ώστε να περιλαμβάνει 214 εκατομμύρια προβλεπόμενες πρωτεΐνες, δηλαδή σχεδόν όλες τις πρωτεΐνες που είναι γνωστές στην επιστήμη. Αυτό περιλαμβάνει όλες τις πρωτεΐνες στο ανθρώπινο σώμα, καθώς και πρωτεΐνες που βρίσκονται σε ζώα, φυτά, βακτήρια και πολλούς άλλους οργανισμούς.

Τον Απρίλιο του 2023, η Alphabet ανακοίνωσε ότι η DeepMind θα συγχωνευτεί με το δικό της εργαστήριο Τεχνητής Νοημοσύνης, το Google Brain. Ο Χασάμπης θα ηγηθεί της νεοσύστατης μονάδας «Google DeepMind» με σαφή αποστολή την ανάπτυξη «γενικών συστημάτων Τεχνητής Νοημοσύνης» που θα είναι ακόμa πιο «ικανά και υπεύθυνα» και θα μπορούν να ενσωματωθούν σε νέα προϊόντα και υπηρεσίες.

Τον Σεπτέμβριο του 2023, το Βραβείο Βασικής Ιατρικής Έρευνας Albert Lasker απονεμήθηκε στον Ντέμης Χασάμπης και τον Τζον Τζάμπερ της Google DeepMind για την εφεύρεση του AlphaFold. Αυτό το πρωτοποριακό εργαλείο Τεχνητής Νοημοσύνης βελτίωσε δραστικά την ακρίβεια και την ταχύτητα πρόβλεψης τρισδιάστατων πρωτεϊνικών δομών από αλληλουχίες αμινοξέων, εμβαθύνοντας στην κατανόηση των βιολογικών μηχανισμών και επιταχύνοντας τις διαδικασίες διαμόρφωσης φαρμάκων.

Τον Νοέμβριο του 2023, οι ερευνητές της Google DeepMind, χρησιμοποιώντας το εργαλείο τεχνητής νοημοσύνης GNoME, εντόπισαν 2,2 εκατομμύρια νέες κρυσταλλικές δομές, εύρημα που θα μπορούσε να μεταμορφώσει τομείς όπως οι ανανεώσιμες πηγές ενέργειας και οι υπολογισμοί. Σύμφωνα με έγγραφο που δημοσιεύθηκε στο Nature, η ανακάλυψη αυτή υπερβαίνει κατά 45 φορές το σύνολο όλων των προηγουμένως γνωστών σταθερών υλικών. Η ομάδα σκοπεύει να διαθέσει 381.000 από αυτές τις πολλά υποσχόμενες δομές για περαιτέρω πειραματισμό, σηματοδοτώντας ένα σημαντικό άλμα στην ταχύτητα ανακάλυψης υλικών πέρα από τις συμβατικές μεθόδους. Αυτή η πρόοδος διευρύνει δραματικά το φάσμα των γνωστών σταθερών υλικών, ανοίγοντας νέους δρόμους για την τεχνολογική καινοτομία.

Science 5 επιτεύγματα για Νόμπελ που δεν το κέρδισαν ποτέ

Τον Μάιο του 2024, βασιζόμενος στις πρωτοποριακές προσπάθειες της DeepMind στον τομέα της Τεχνητής Νοημοσύνης, ο Ντέμης Χασάμπης παρουσίασε μια πρωτοποριακή ενημέρωση του AlphaFold, της Τεχνητής Νοημοσύνης που είναι ικανή να προβλέπει πολύπλοκες πρωτεϊνικές δομές. Αυτή η τελευταία έκδοση, η AlphaFold 3, επεκτείνει σημαντικά τις ικανότητές της ώστε να συμπεριλάβει τη μοντελοποίηση αλληλεπιδράσεων DNA και RNA, σηματοδοτώντας ένα σημαντικό άλμα προς τα εμπρός στην κατανόηση της μοριακής βιολογίας. Ο Χασάμπης, σε συνέντευξή του, τόνισε ότι αυτή η βελτίωση είναι καθοριστικής σημασίας για το μέλλον της ανακάλυψης φαρμάκων, προβλέποντας ότι τα πρώτα φάρμακα σχεδιασμένα από Τεχνητή Νοημοσύνη θα μπορούσαν να εισέλθουν σε κλινικές δοκιμές μέσα σε δύο χρόνια.

Παράλληλα με αυτό το επιστημονικό επίτευγμα, ο Χασάμπης ανέλυσε επίσης λεπτομερώς τις φιλοδοξίες για την Isomorphic Labs, ένα εγχείρημα για την εμπορική αξιοποίηση αυτών των εξελίξεων. Υπό την ηγεσία του, η Isomorphic Labs φιλοδοξεί να δημιουργήσει τεράστια εμπορική αξία, που ενδεχομένως να ξεπεράσει τα 100 δισεκατομμύρια δολάρια, προσφέροντας παράλληλα μνημειώδη οφέλη στην κοινωνία, επιταχύνοντας την ανάπτυξη νέων ιατρικών θεραπειών.

Η επόμενη μεγάλη παραγωγή τους, το «Project Astra», χαρακτηρίζεται ως ένας «καθολικός πράκτορας Τεχνητής Νοημοσύνης» που επεξεργάζεται κείμενο, ήχο και βίντεο σε πραγματικό χρόνο, απαντώντας φυσικά σε σχεδόν κάθε ερώτημα. Το demo βίντεό του δείχνει μια γυναίκα να του μιλάει για ένα πρόβλημα σε έναν πίνακα μπροστά της, πριν ρωτήσει το σύστημα αν ξέρει πού άφησε τα γυαλιά της – κι εκείνο της απάντησε σωστά…

Ο Χασάμπης εξηγεί ότι καθώς η έρευνα της DeepMind γίνεται «πιο ώριμη», θα είναι σε θέση να αναπτύξει «προϊόντα AI-first» που θα μπορούσαν να ενσωματωθούν σε όλες τις προσφορές της Google, όπως το YouTube, το Chrome και το Android. Τα προηγμένα συστήματα θα μπορούσαν γρήγορα να μεταφερθούν στους καθημερινούς χρήστες.

Σε μια συζήτηση με το TIME, ο Χασάμπης εξήγησε ότι ενώ το Astra είναι ένα συναρπαστικό βήμα στην πορεία προς την AGI (Artificial general intelligence), θα χρειαστούν πιθανώς περαιτέρω πρόοδοι για να δημιουργηθεί ένα σύστημα ικανό, για παράδειγμα, «να καταλήξει σε μια νέα θεωρία της φυσικής».

Σκεπτόμενος το πώς τα μελλοντικά συστήματα θα μπορούσαν να αλλάξουν τις ανθρώπινες σχέσεις, ο Χασάμπης λέει: «Νομίζω ότι θα συμβούν πράγματα που πιθανώς δύσκολα μπορούμε να φανταστούμε σήμερα. Και ελπίζω ότι ως επί το πλείστον θα είναι καλά – αλλά πρέπει να τα παρακολουθούμε αυτά και να συζητήσουμε, ως κοινωνία, πώς θέλουμε να εξελιχθούν. Έχει πραγματικά σημασία πώς αναπτύσσουμε αυτά τα συστήματα και για ποιο λόγο τα χρησιμοποιούμε. Οπότε θα προσπαθήσουμε να γίνουμε όσο το δυνατόν καλύτερο πρότυπο για αυτό».

Με πληροφορίες από Academy of Achievement, Guardian, Time