| 谷歌DeepMind CEO 哈萨比斯2小时播客深度访谈：AGI有一半概率在5年内实现，这将是一个在所有认知任务上都能匹敌甚至超越人类的AI系统
Lex Fridman对话完谷歌的CEO，又在本周放出了对话谷歌 DeepMind CEO Demis Hassabis（哈萨比斯）的视频，播客自然一贯的长，超过2个小时。
哈萨比斯1976年7月27日出生于北伦敦，父亲为希腊裔塞浦路斯人，母亲为新加坡华裔。年幼的哈萨比斯是位国际象棋神童，在13岁便已经获得国际象棋大师的头衔，19岁才开始学围棋。
他在AI领域的成绩不用说了，不仅带队做出了震惊世界的AlphaGo，还在今年拿下诺贝尔奖（用AI破解了困扰科学界50年的蛋白质折叠难题），Gemini模型的行情也是一路看涨。
在这个几个AI前沿试验室负责人当中，我是相对最期待听到他的发言。比起来，奥特曼是含糊的商业语言，Dario虽然是技术派，但是公开发言，又往往更多走向地缘政治，哈萨比斯就不一样，自身有技术深度，又愿意讲一些真实思考。
之前的I/O大会，他给出的AGI时间表是2030年左右。这次做了一个更新：AGI（通用人工智能）有50%概率在未来5年内实现。这意味着什么？意味着我们可能很快就会见证人类历史上最重要的技术突破——一个在所有认知任务上都能匹敌甚至超越人类的AI系统。
一、可学习的自然系统：AI突破的核心洞察
Demis提出了一个革命性观点："任何在自然界中能够生成或发现的模式，都可以被经典学习算法高效地发现和建模。"
这个洞察的关键在于：
- 自然系统都经历过"进化筛选"，无论是生物进化还是物理过程的长期作用，都让这些系统形成了可学习的结构模式，而不是随机的、无规律的混沌
- AlphaFold的成功证明了这一点：蛋白质折叠看似有10^300种可能性，但实际上存在一个可学习的"能量景观"，让AI能够高效找到正确答案，就像自然界在毫秒内完成折叠一样
- 这意味着绝大多数科学问题都可能被AI攻克，从药物设计到材料科学，从天气预报到量子化学，只要是自然界中存在的现象，理论上都能被AI建模和预测
具体应用启发：
- 寻找那些"看似复杂但实际有规律"的问题，这些往往是AI的最佳突破口
- 不要被表面的复杂度吓倒，关键是找到系统背后的"梯度"或"模式"
- 利用AI做科学研究时，focus在那些有大量观测数据但机理不明的领域
二、AGI的判定标准和实现路径
Demis给出了判断AGI的具体标准，这比市面上那些模糊的定义实用：
AGI必须具备的能力：
- 认知的一致性：不能在某些任务上超人，在另一些任务上却表现糟糕，必须是全面均衡的智能，就像人类虽然个体有差异，但基本认知能力是全面的
- 真正的创造力：能够提出新的科学猜想或假设，比如"给定1900年之前的所有物理知识，能否推导出相对论"，或者"能否发明一个像围棋一样深刻优雅的游戏"
- 跨领域的通用性：不是在一个领域做到极致，而是在多个完全不同的领域都能展现创造性突破，这才是真正的通用智能
实现路径的关键要素：
- 三重扩展同时进行：预训练规模扩展、后训练优化、推理时计算扩展，这三个维度都还有巨大空间，不是简单的"大力出奇迹"
- 可能需要1-2个重大突破：当前的增量改进可能不够，还需要类似Transformer那样的架构创新，这也是为什么DeepMind保持50%资源做"蓝天研究"
- 科学应用是关键验证：通过解决真实的科学问题来推动和验证AGI能力，这比单纯刷榜更有意义
三、视频生成揭示的物理直觉
Veo 3的突破让Demis看到了一个惊人现象：AI通过观看YouTube视频，竟然学会了物理规律。
这个发现的深层含义：
- 不需要embodiment也能理解物理：传统观点认为必须通过机器人与世界互动才能理解物理，但Veo 3证明了仅通过观察就能学会液体流动、光照反射等复杂物理现象
- AI可能在提取"现实的低维流形"：看似复杂的物理现象背后，可能存在某种更简单的结构，AI正在学习这种结构，这暗示了我们对现实本质的理解可能需要更新
- 这预示着"世界模型"的可能：如果AI能够理解并生成符合物理规律的视频，那么构建完整的世界模型（理解世界运作机制）就不再遥远
实际启发：
- 视觉理解可能是通向AGI的关键路径之一
- 大规模的观察数据可能比精心设计的交互更有效
- 未来可能出现"可交互的生成世界"，彻底改变游戏、模拟等行业
四、从落后到领先：Google DeepMind的逆袭之道
一年前Google在LLM产品上明显落后，现在却实现了逆转，Demis分享了关键经验：
组织层面的关键动作：
- 保持创业心态：即使在大公司内部，也要像创业公司一样决策迅速、执行果断，"我们今天仍然像一个大型创业公司在运作"
- 研究文化是核心：将Google Brain和DeepMind的精英整合，围绕最强大的系统这一目标凝聚所有人，文化融合比技术整合更重要
- "无悔改进"策略：每次改进都要确保不损害其他能力，这需要监控越来越大的benchmark suite，但这是构建通用系统的必要代价
产品开发的独特视角：
- 为未来设计，而非现在：产品设计要基于6-12个月后的技术能力，而不是当前的限制，这需要产品人员深度理解技术发展轨迹
- 简化是王道：界面和功能都要"给模型让路"，因为模型能力提升太快，过度设计反而成为障碍
- 多模态是必然趋势：未来的交互界面可能完全不同于今天的聊天框，要为这种范式转变做好准备
五、AI时代的生存法则
对于担心被AI取代的人，Demis给出了极具操作性的建议：
程序员的生存策略：
- 拥抱工具，成为"超人类生产力"：最好的程序员使用AI工具后，生产力可能提升10倍以上，关键是学会如何最大化利用这些工具
- 聚焦高层次设计：架构设计、系统规范、代码质量检查等需要经验和判断力的工作，短期内仍然需要人类，这些能力反而会变得更有价值
- 寻找"高价值编程领域"：游戏引擎设计、高性能计算、系统底层开发等领域可能比前端开发更能保持价值，因为它们需要深度的领域知识
更广泛的适应策略：
- 变化速度是最大挑战："10倍于工业革命的影响，但只用1/10的时间"，这意味着适应窗口极其有限，必须现在就开始准备
- 终身学习成为必需：不是可选项，而是生存必需品，每个人都需要持续更新技能
- 关注不可替代的人类价值：创造力、同理心、复杂决策、伦理判断等领域，至少在可预见的未来仍是人类的优势
六、能源革命与文明跃迁
Demis描绘了一个激动人心的未来图景：
能源问题的解决路径：
- AI加速可控核聚变：通过帮助等离子体控制和反应堆设计，可能将实现时间从30年缩短到10年内
- 革命性材料设计：室温超导体、新型太阳能材料、超级电池，任何一个突破都将彻底改变世界，而AI让这些突破的概率大大增加
- 数据中心优化已见成效：Google已经用AI优化冷却系统和电网调度，这只是开始
文明跃迁的连锁反应：
- 资源不再稀缺：免费清洁能源将解决水资源问题（海水淡化）、太空探索（火箭燃料）、材料制造等一系列难题
- 从零和到正和：人类历史上第一次可能摆脱资源竞争，"不再是我有这块地，你就没有"
- 加速迈向I型文明：100年内达到卡尔达肖夫I型文明不是梦想，关键是先解决能源问题
七、意识与存在的终极探索
访谈最后触及了最深刻的哲学问题：
AI与意识的关系：
- 基质很重要：即使AI表现出意识行为，硅基和碳基的差异可能导致根本不同的体验，"信息被处理时的感受"可能因基质而异
- 脑机接口可能是桥梁：未来通过神经接口，人类可能真正"感受"到在硅基上计算是什么体验，这将是认知科学的革命
- 理解意识的新路径：通过构建智能来理解智能，这可能是解开意识之谜的最佳途径
科学与人文的统一：
- 技术需要灵魂：Demis强调纯粹的理性不够，需要人文精神、"灵魂"的维度来指导技术发展
- 游戏作为人生隐喻：游戏不仅是娱乐，更是安全环境中练习决策、体验输赢、实现自我提升的方式
- 保持敬畏之心：面对宇宙的奥秘、生命的起源、意识的本质，保持好奇和谦卑比急于得出答案更重要
Demis Hassabis的分享不仅是技术预测，更是一份文明发展的路线图。最关键的洞察是：
1. 自然是最好的老师：可学习性不是AI的限制，而是打开自然奥秘的钥匙
2. AGI不是终点而是起点：真正的价值在于用AGI解决人类面临的根本挑战
3. 速度是最大的挑战：不是会不会发生，而是能否足够快地适应
对个人而言，现在就要开始准备：学会与AI协作、聚焦真正的人类价值、保持终身学习的心态。对企业而言，拥抱AI不是选择题而是生存题。对人类文明而言，我们正站在从零和竞争到正和协作的转折点上。
最后，Demis的一句话值得铭记："我一生都在为这个目标努力——构建AGI来帮助我们回答那些最fundamental的问题：什么是生命？什么是意识？我们为什么在这里？"
Q&A：三个最核心的洞察
Q1：为什么Demis认为AGI有50%概率在5年内实现？
A：主要基于三个判断：首先，三重扩展（预训练、后训练、推理时计算）都还有巨大空间，技术进步速度超出预期；其次，科学应用不断证明AI能解决人类认为"不可能"的问题，从围棋到蛋白质折叠；最后，即使需要1-2个架构突破，以目前的研究强度和资源投入，5年内实现并非不可能。但他强调这是概率而非确定性，保持"谨慎乐观"很重要。
Q2：自然系统的"可学习性"到底意味着什么？
A：这是整个访谈最深刻的洞察。Demis发现，自然界的复杂系统虽然可能性极多（如蛋白质折叠有10^300种可能），但都经历过某种"筛选过程"——要么是进化筛选，要么是物理过程的长期作用。这使得它们形成了可被AI学习的"模式"或"流形"。这意味着：用AI解决科学问题不是偶然，而是因为自然本身就是"可计算的"。这个洞察可能改变我们对物理学、生物学乃至整个科学的理解。
Q3：个人和企业现在最应该做什么准备？
A：个人层面：立即开始使用AI工具，不是浅尝辄止而是深度整合到工作流程中；识别你的工作中哪些是"可自动化"哪些是"人类独特价值"，全力强化后者；保持学习心态，因为"产业革命用了100年，这次可能只要10年"。企业层面：AI不再是"锦上添花"而是生存必需；产品设计要基于6-12个月后的AI能力而非现在；建立真正的AI-first文化而不只是用用ChatGPT。最关键的是：速度决定生死，等待观望就是选择被淘汰。 (视频)
|
