撰文：Techub News 整理

导语

在 2024 年 AI 浪潮席卷全球的背景下，Google DeepMind 联合创始人兼 CEO Demis Hassabis（德米斯·哈萨比斯）在公司的年度播客中，与主持人 Hannah Fry 教授进行了一场深度对话。作为从 AlphaGo 到 AlphaFold 等一系列里程碑式突破的领军人物，Hassabis 的思考始终站在 AI 科研与伦理的最前沿。此次对话不仅回顾了过去一年从大语言模型到智能体（Agentic AI）的范式转变，更展望了通往通用人工智能（AGI）的科学路径、技术挑战以及随之而来的社会变革。对于希望理解 AI 未来十年走向的从业者与观察者而言，这是一次不容错过的思想梳理。

摘要

通往 AGI 需要「扩展」与「创新」双轨并行：Google DeepMind 将 50% 精力用于模型规模化，50% 用于前沿科学创新。
「世界模型」是理解物理现实的关键：超越语言模型，模拟物理因果关系的模型是迈向通用助手和机器人的基石。
当前 AI 存在「锯齿状智能」与幻觉问题：系统在某些领域达博士水平，在另一些领域却犯低级错误，一致性与可靠性是 AGI 的核心挑战。
AI 的社会影响被长期低估：其变革规模将十倍于工业革命，速度则快十倍，亟需全球协作以构建新的社会经济框架。
终极科学目标是探索「图灵机的极限」：通过构建 AGI 来模拟心智，从而对比找出人类意识与创造力中可能「不可计算」的部分。

AGI 的双轨战略：扩展与创新并重

回顾过去一年，Demis Hassabis（德米斯·哈萨比斯）形容「感觉像是把十年压缩进了一年」。面对外界关于「扩展是否已触及天花板」的质疑，他给出了明确的否定。他认为，性能增长曲线可能从早期的指数级进入「收益递减」阶段，但这绝不意味着增长停止。以刚刚发布的 Gemini 3 为例，其性能提升依然显著，证明了持续投入的价值。

针对数据可能耗尽的担忧，Hassabis 指出，合成数据、模型自生成数据（尤其在数学和编程等可验证领域）都是可行的解决方案。这一切的核心在于，将世界级的工程能力与前沿科学研究深度结合。他透露，Google DeepMind 的战略可以概括为：「50% 的精力用于扩展，50% 用于创新。」 他认为，两者缺一不可，是抵达 AGI 的必经之路。这种结合正是 DeepMind 的传统优势，从 Transformer 架构到 AlphaGo、AlphaZero，诸多根本性突破都源于此。当技术地形变得艰险时，单纯的工程已不足够，必须依靠科学创新来开辟新路。

攻克「锯齿状智能」与幻觉：AGI 的必经之路

尽管模型能力突飞猛进，但 Hassabis 坦承，当前系统远非完美，存在明显的「锯齿状智能」现象。例如，AI 可以在国际数学奥林匹克竞赛中夺得金牌，解决顶级难题，却可能在简单的逻辑问题或国际象棋对弈中犯下低级错误。这种不一致性，是 AGI 尚未实现的关键标志之一。一个真正的通用智能体，其能力应该是全面而一致的。

「幻觉」问题是另一个顽疾。Hassabis 认为，许多幻觉源于模型被迫在不确定时给出答案，而非像人类那样「暂停思考、复查输出」。解决方案是赋予模型更好的「元认知」能力，使其能评估对整个事实或陈述的置信度，就像 AlphaFold 为其预测提供置信度分数一样。这需要模型在推理时进行更深入的「思考」和规划步骤，回头审视自己的输出。他比喻道，目前的模型有时像是一个不假思索、脱口而出的人，我们需要训练它学会「三思而后言」。

世界模型：超越语言，理解物理现实

Hassabis 长期以来的科研激情之一就是「世界模型」与模拟。他认为，尽管语言模型对世界的理解已超预期，但许多关于空间动态、物理机制、感官体验的知识，难以用语言充分描述，必须通过体验来学习。这就是世界模型的价值所在：一个能够理解世界因果与机械原理的模型。

Google DeepMind 的 Genie（生成交互环境）和 Veo（视频生成）等项目，正是构建此类模型的尝试。能够生成逼真的动态世界，本身就证明系统封装了世界的部分力学原理。这些模型是迈向通用助手（如通过眼镜或手机在现实世界中帮助用户）和高级机器人的关键一步。Hassabis 甚至展望，未来可以将智能体（如他们的 SIMA 项目）放入由 Genie 实时生成的世界中，让两个 AI 相互交互，从而创造出近乎无限的任务训练环境，形成一个强大的训练循环。

然而，确保模拟世界的物理真实性是一大挑战。当前视频模型的物理效果「肉眼看来逼真」，但经不起严格的物理实验检验。为此，团队正在创建物理基准测试，使用精确的游戏引擎生成大量简单物理场景（如小球滚落轨道）的数据，以训练和验证模型是否真正掌握了牛顿力学等基本原理。

从科学工具到社会重构：AI 的深远影响

Hassabis 重申了他长期持有的观点：AI 在短期被高估，但其长期影响却被严重低估。他将 AI 带来的变革与工业革命类比，但规模可能大十倍，速度则快十倍（以十年计而非百年）。这意味着社会适应的时间窗口非常紧迫。

他坦言，当前全球在为此做准备方面的协作远远不足。机构碎片化，地缘政治紧张，如同在气候变化问题上的困境一样。他担心，可能需要一次「中等规模的警告性事件」才能促使国际社会就基本标准达成合作。但同时，他也看到积极的商业压力：企业客户在选择 AI 代理时，会倾向于那些有明确护栏和边界的负责任供应商，这有助于市场淘汰「牛仔式」的鲁莽操作。

展望后 AGI 时代的经济，Hassabis 与 Google DeepMind 联合创始人 Shane Legg 正在思考社会可能需要如何重构。现有的「以劳动换取资源」的经济体系可能无法运转。全民基本收入（UBI）可能是解决方案的一部分，但或许需要更根本性的新经济模型，例如基于信用的直接民主决策系统。更深层的是哲学问题：如果融合能源等技术也得以解决，进入「后稀缺」时代，工作的意义和人生的目的将如何定义？

终极追问：图灵机的极限与人类心智

对话最终回归到 Hassabis 最核心的科学与哲学追求：探索图灵机的计算极限。他毕生的工作，从破解围棋到折叠蛋白质，都是在推进这一边界。

他提出了一个宏伟的设想：如果我们构建出 AGI，就可以将其作为心智的模拟，然后与真实的人类心智进行比较，从而找出差异，识别出人类心智中可能独特或「不可计算」的部分——无论是创造力、情感、梦境还是意识本身。目前，物理学尚未发现宇宙中存在任何「不可计算」的事物。尽管有学者（如 Roger Penrose）认为大脑中存在量子效应，但 Hassabis 个人倾向于认为，如果以正确的方式看待，宇宙中的一切都是可计算的，图灵机或许能够模拟万物。

他深受哲学家康德的影响，认为「现实是心智的建构」。我们感知到的温暖、触感、声音，最终都是信息，而生物体本质上是信息处理系统。这正是他们通过 AlphaFold 等工具研究生物学的方式——将生命视为信息处理过程。理解这一点，或许是最终治愈所有疾病的钥匙。

前沿的负担与使命

站在这个历史性时刻的前沿，Hassabis 承认其中夹杂着复杂的情感。一方面是无比的兴奋，几乎每月都有前沿发现；另一方面是沉重的责任，因为他比绝大多数人更清楚即将到来的巨变之规模。他将其视为一生训练的目标——从象棋、计算机、游戏、神经科学到 AI，所有积累都是为了应对此刻。

他预见到，未来几年最大的变化将从「被动系统」（用户提问，模型回答）转向「智能体系统」。这些更自主的代理将无比有用，但也伴随着更高的风险。为此，团队已在积极研究网络防御，以应对未来可能数百万代理在互联网上活动的世界。

对于自己的使命，Hassabis 清晰地定义为：「帮助世界安全地将 AGI 引导过线，造福全人类。」 他认识到这需要前所未有的协作。当那一天到来，他或许可以享受一个应得的休假，但之后，还有超级智能和后 AGI 社会的全新挑战等待探索。这场对话揭示的，不仅是一家顶尖 AI 实验室的路线图，更是一位科学家对技术本质与人类未来的深刻沉思。