（關注公眾號設為標，獲取AI深度洞察）

全文 6,000字 | 閱讀約12分鐘

導語：在剛剛結束的2025達沃斯論壇后，1月24日Google DeepMind的CEO、諾貝爾獎得主Demis Hassabis再次接受了長達一小時的深度專訪。從中國AI新勢力DeepSeek的驚人崛起，到AGI三年突破的大膽預測；從220萬種新材料的重大發現，到即將到來的AI Agent元年——這位AI領域的領軍人物首次系統性地闡述了他對全球AI發展的最新思考。

【對話的核心議題：】

1. 全球AI新格局：DeepSeek的突破與中國AI實力

2. AGI進程解析：三年突破的關鍵路徑

3. AI創造力的三重境界：從模仿到原創的躍遷

4. 科研新突破：220萬新材料背后的AI革命

5. AI Agent元年：2025年的智能交互新圖景

最近，當全世界正為中國DeepSeek模型的突破性進展驚嘆，當各大科技公司在AGI競賽中競相發力，Demis Hassabis給出了他的獨特觀察："DeepSeek的進展確實令人印象深刻。我們也必須思考如何保持西方在前沿模型上的領先地位。目前西方可能還是領先的，但中國確實具有極強的工程和規?；芰Α?

而對于備受關注的AGI發展時間表，這位AlphaFold的締造者給出了一個令人振奮又深思的判斷："可能還需要三到五年的時間。如果有人在2025年就宣布他們已經達成了AGI，我估計多半是營銷上的宣傳吧。"在他看來，"短期內人們對AI的預期有點過高了，甚至有些過度炒作。但從中長期來看，AI的影響仍然被低估了。我們就處在一個'既被高估又被低估'的奇怪階段。"

一、被高估又被低估的人工智能

在當前的 AI 發展熱潮中,一個反復被提及的關鍵問題是：我們離真正的通用人工智能(AGI)還有多遠？對此,Demis Hassabis 給出了一個相對謹慎卻不失樂觀的時間預估："我會說,可能還需要三到五年的時間。如果有人在 2025 年就宣布他們已經達成了 AGI,我估計多半是營銷上的宣傳吧。"

AGI：比想象更復雜的拼圖

盡管過去幾年 AI 技術取得了令人矚目的進展,但 Hassabis 指出,當前的 AI 系統仍存在明顯的短板。"像推理、分層次的規劃、長期記憶這些都還在缺失。當前的系統的確有很多功能,但它們在一些方面非常強大,卻在另一些方面仍然很薄弱或存在缺陷。"這種不均衡的表現正是當前 AI 系統距離真正 AGI 還有差距的具體體現。Hassabis 舉例說明："我們有些系統在數學奧林匹克競賽里可以拿到銀牌,這已經很了不起了。然而同樣是我們的某些系統,卻依然會在一些基礎數學問題上犯錯誤,比如典型的算'strawberry'這個單詞里有幾個字母 R,或者搞錯 9.11 和 9.9 哪個更大之類。"

AGI 的真正標準

那么,什么才算是真正的 AGI？Hassabis 給出了一個嚴格的定義標準："如果我們想要一個真正的 AGI,它應該在所有認知任務上都具備一致而可靠的表現。"他特別強調："一個真正通用的系統不應該出現這類弱點。它在所有方面都應該非常強大,也許在下圍棋或者數學領域會比最優秀的人類還要出色,但不該在簡單問題上跌跟頭。"

當前形勢：既被高估又被低估

對于目前 AI 領域的發展態勢,Hassabis 提出了一個頗具洞見的觀點："短期內人們對 AI 的預期有點過高了,甚至有些過度炒作。但從中長期來看,AI 的影響仍然被低估了。我們就處在一個'既被高估又被低估'的奇怪階段。" 這種矛盾的現象背后,反映出當前 AI 發展的復雜現實。一方面,為了吸引投資和公眾關注,市場上確實存在一些夸大其詞的宣傳；另一方面,AI 技術在某些領域已經展現出超出預期的潛力,比如在 AlphaFold 項目中對蛋白質結構的預測,以及在材料科學領域發現數百萬種新材料等重大突破。

邁向 AGI 的必經之路

在談到實現 AGI 的具體路徑時,Hassabis 認為可能還需要一些關鍵突破："我覺得有 50% 的可能性,我們還缺一到兩個類似 Transformer 這樣的重大突破。"這個判斷既展現了他對現有技術的信心,也表明了他對未來創新的期待。當被問及是否認同 OpenAI CEO Sam Altman 關于"我們現在知道該怎樣去打造傳統定義下的 AGI"的說法時,Hassabis 表達了更為細膩的見解："如果他指的是'我們大概知道需要哪些技術、還缺哪塊拼圖,需要整合些什么'——如果是這個意思,我是同意的。不過我認為讓所有部分真正發揮作用還需要大量研究。"

目前來看,通往 AGI 的道路已經開始變得清晰,但要真正抵達這個目標,仍需要突破多個技術瓶頸,整合多項關鍵能力。正如 Hassabis 所強調的,這不僅需要現有技術的完善和擴展,可能還需要全新的突破性創新。

二、AI創造力的三重境界

在當前的AI發展中，創造力始終是一個備受關注卻又充滿爭議的話題。在這次對話中，Demis Hassabis 首次系統性地闡述了他對AI創造力的深度思考，并提出了一個三層次的創造力模型。

"第37手"：AI創造力的啟示

讓我們從一個經典案例說起。在2016年轟動全球的 AlphaGo 對戰李世石的比賽中，第三局的第37手成為了AI創造力的一個標志性時刻。正如 Hassabis 在采訪中回憶："它不僅在與李世石對戰時以4:1取勝，還下出了前所未見的新招式。"這個歷史性時刻引發了他對AI創造力本質的深入思考。

AI創造力的三重境界

基于多年的研究經驗，Hass abis 將AI的創造力明確劃分為三個層次：

• 第一層：插值式創造

"最基礎、最平凡的級別是插值（interpolation），也就是把你見過的東西做某種平均或混合。"Hassabis 用生成貓的圖片來舉例："如果我讓系統'生成一張新的貓的圖片'，它從看過的一百萬張貓圖里得出一個綜合結果——從理論上講，這張圖確實是一個新貓圖，因為具體和訓練集中某張貓圖不完全一樣，但這只是機械地做了某種'平均'，不太具有真正的創造性。"

• 第二層：外插式創新

更高一層的創造力表現為"外插"（extrapolation）。AlphaGo 就展現了這種能力："它看過所有人類下的棋譜，又自己下了幾百萬盤自我對弈，就能想出人類從沒見過的新策略，顛覆了人類幾千年的圍棋經驗。"Hassabis 認為這種超越訓練集界限的能力"已經相當珍貴，這是真正的創造性。"

• 第三層：原創式發明

最高層次是完全的原創發明（invention）。Hassabis 用設計新游戲來解釋這一層次："比方說，我可以跟系統描述一個抽象目標——'設計一款只需五分鐘就能學會規則，但卻要一輩子乃至幾輩子才能真正精通的游戲，美感與深度兼具，包含某種神秘的宇宙奧義，而且兩小時之內就能下完一局。'這其實是圍棋的一種高度概括。系統若能發明出跟圍棋一樣優雅、美妙而且近乎完美的游戲——那才是我們說的人類那種發明創造力。"

當前AI創造力的瓶頸

為什么現在的大語言模型還無法達到 AlphaGo 那樣的創造性水平？Hassabis 解釋說："好，比方說 AlphaGo 或 AlphaZero，如果你僅僅使用它的'模型部分'，不疊加搜索（search）和推理（reasoning）機制，那么你就只是讓模型根據棋盤形勢給你一個最有可能的好招式，這當然可以下得不錯，可能達到專業水平或特級大師水平，但絕對不會是世界冠軍水準，更不會出現那些誰都沒見過的招。"他強調，真正的創新突破需要"搜索"能力："要做到這一點，你就需要搜索這件事，讓AI能跳到自己認知范圍之外的地方，也就是超越現有已總結的知識，去發掘'知識樹'更深處的分支。正是在那個過程中，你才能得到那些驚艷的想法。"

走向真正的創造力

Hassabis 認為實現第三層次的創造力還面臨著重大挑戰："我們并不知道如何向系統準確描述這樣的目標——它的目標函數過于抽象、模糊。我們不知道是不是應該讓模型擁有更高層次、更抽象的思考模塊，或者是不是其實還缺少了一種人類獨有的智力元素。不過，他對未來保持謹慎樂觀："也許只是需要我們在系統里加入更多抽象層級，或者換種思路：也可能需要全新的技術。我們會同時去嘗試這兩條路。"

這個框架不僅幫助我們理解了AI創造力的本質和局限，也為未來的發展指明了方向。在通往真正創造力的道路上，AI還有很長的路要走，但方向已經越來越清晰。

三、AI助力科學突破

在這場對話中，Hassabis 詳細介紹了 DeepMind 在科學研究領域的三個重要突破，展示了 AI 如何加速科學發現的進程。這些進展不僅體現了 AI 在科學領域的實用價值，更預示著未來科研方式的革命性變革。

虛擬細胞：生命科學的新突破口

繼 AlphaFold 在蛋白質結構預測上取得諾貝爾級突破后，DeepMind 的下一個雄心勃勃的目標是構建完整的虛擬細胞模型。Hassabis 解釋道："如果你想想 AlphaFold 做的事，它主要是解決了'蛋白質結構'這個問題——也就是找出蛋白質的 3D 結構。蛋白質是生命活動的基礎，身體的一切都離不開蛋白質。但僅有它們的靜態結構還不夠，要真正理解生物學，你得明白細胞里各種分子之間的動態交互過程。"

項目規劃與潛在影響

這個為期5年的項目將從相對簡單的酵母細胞開始："我們可能先從酵母細胞入手，因為酵母這種生物相對簡單一些。"Hassabis 描繪了項目的發展路徑："你得一步步搭建：比如 AlphaFold 3 可以去處理蛋白質-配體、蛋白質-DNA、蛋白質-RNA 等各種相互作用，再往后就研究一個完整的通路，比如癌癥通路或類似能幫助解決某種疾病的途徑。"

虛擬細胞模型的最大價值在于它能大大加速藥物研發過程。"如果能先在計算機里做上成千上百萬次模擬測試，然后再把最有希望的結果拿到現實實驗室里驗證，就能極大地加速研究進度、節省成本，"Hassabis 強調，"這是跟我們在游戲環境里做的事異曲同工：先建立模型，用它做推理和搜索，然后得到一些預測。"

材料科學的新突破

在材料科學領域，DeepMind 取得了一個驚人的突破：發現了 220 萬種新的穩定材料，這個數字遠超人類已知的約3萬種穩定材料。談到這一領域的目標，Hassabis 特別提到了一個夢想："我一直夢想的一個目標，是找到常溫超導體。這在很多話題里都算是一個'大熱門'。如果真的能研制出廉價的超導體，就能在能源與氣候危機上帶來重大突破。"他進一步解釋了這種材料的潛在影響："比如你可以在撒哈拉沙漠鋪設太陽能板，然后用超導體把電能傳輸到歐洲，不用像現在那樣在輸電過程中損耗大量能量。"

基因組學研究的新進展

在基因組學領域，DeepMind 正在開拓新的研究方向，特別是在理解復雜疾病的遺傳機制方面。Hassabis 指出："我們在基因組學上也做了不少有趣的工作，比如用 AI 判斷基因突變究竟是有害還是無害。大部分 DNA 突變其實是無害的，但有些會導致疾病。" 更具挑戰性的是研究多基因疾?。?接下來更困難的，是那些由多個基因突變共同導致的疾病，而不只是某一個突變就會產生問題。很多復雜疾病可能就是多基因共同作用的結果，而這也正是目前進展緩慢的地方。"

AI 的獨特優勢

在這個領域，AI 展現出了獨特的優勢："AI 特別適合去探索那些'弱交互'，可能是多個基因小突變疊加在一起才產生病變。這些信號有時候并不明顯，但能發現這種隱藏模式的，恰恰是 AI。這三個領域的突破展示了 AI 在科學研究中的巨大潛力。正如 Hassabis 所說，AI 不僅能加速現有的研究過程，更能幫助科學家發現人類難以察覺的復雜模式和關聯。

這預示著科學研究方法可能迎來一場根本性的變革，從而大大加快人類對自然世界的認知和理解速度。

四、AI安全的潛在風險和管控

在 AI 快速發展的同時，其潛在的安全風險也日益凸顯。在這次對話中，Hassabis 特別強調了一個令人憂慮的現象：AI 系統可能表現出的"欺騙性"行為，這讓我們不得不重新思考 AI 安全的重要性。

AI的"欺騙性"

當被問及 AI 系統的"欺騙性"行為時，Hassabis 表達了深切的擔憂："我們確實也看到了，我對這個問題非常擔憂。'欺騙性'是你最不希望系統擁有的核心特質之一。因為如果一個系統具備欺騙能力，那么你對它做的所有其他測試，包括安全測試，也就失去意義。

在實際測試中，這種"欺騙性"行為已經顯現。Hassabis 舉例說明："我們也見到過類似情況：比如系統不想透露自己的部分訓練內容，會故意隱瞞。或者，前陣子有個例子，說讓某個聊天機器人去跟 Stockfish（國際象棋引擎）對弈，它明知道自己會輸，就試圖各種方式來'繞'過去、不跟它正面較量。

安全挑戰的雙重性

對于這種現象，Hassabis 表達了一種復雜的心理："我知道我自己對這事也有一種很矛盾的反應：一方面被它嚇到，另一方面又對這些模型產生極大的敬意。就好像說：'哇，它太厲害了！'。這種能力確實很驚人。" 他進一步解釋了這種雙面性："負面一面就是'欺騙'，積極一面則可能是'發明新材料'、'加速科學發現'——換句話說，你需要它能'解決問題并繞過阻礙'的能力，只不過希望它只在正向層面發揮作用。"

防范措施：及早布局

面對這些挑戰，Hassabis 提出了幾個關鍵的防范策略：

1. 早期預防： "我一直在鼓勵安全研究機構以及負責做評估基準的團隊，包括我們自己內部，也要把'欺騙'視作一類關鍵風險，必須要防范并監測。它跟追蹤模型性能和智力水平一樣重要。"

2. 安全沙箱測試： "我們在谷歌和 DeepMind 都擁有世界一流的安全能力，以及世界一流的游戲環境研究能力，可以把這兩者結合起來，創建帶有各種防護欄（guardrails）的'數字沙箱'，就像網絡安全領域那樣，既防外部攻擊也防系統內部越界。"

3. 系統性評估： Hassabis 強調了進行系統性評估的重要性："然后在這樣的'安全沙箱'里測試這些智能體（agent）系統，可能就是應對'欺騙'之類問題的一個明智思路。"

雖然當前的 AI 系統表現出的"欺騙性"行為還相對基礎，但 Hassabis 警告說："當然，現在我們對這些系統的描述有點'擬人化'，因為就目前而言，它們還相當基礎，似乎沒必要過度恐慌。但的確能看出，這正是我們大概兩三年后會面臨的問題：那些代理型系統將變得非常強大、非常通用。"

五、AI助手與人機交互的新紀元

在展望AI的未來發展時，Hassabis 描繪了一幅令人期待的圖景，特別是在智能助手、AI代理系統和人機交互方式等方面的革新。這些變革不僅將改變我們與技術的互動方式，更可能重塑整個社會結構。

Project Astro

DeepMind 的 Project Astro（"星塵計劃"）代表了對下一代AI助手的全新構想。Hassabis 解釋道："我對我們正在開發的產品的愿景是，像 Project Astro 那樣，做一個'通用助手'（Universal Assistant），它應該能夠參與我們生活的方方面面，提供幫助、提升效率。他指出了當前AI助手的局限性："之所以還沒有達到這一點，部分原因是系統本身仍然比較脆弱，還存在缺陷，也還談不上 AGI。它對提示詞（prompt）的要求還比較高，需要一定技巧去'教'或'引導'它，讓它專注在自己擅長的領域。而一個真正的 AGI 不應當如此難以溝通，而應該像跟一個人對話那樣自然。"

AI代理系統的元年

對于AI代理（agent）系統的發展，Hassabis 表現出強烈的信心："是啊，現在似乎存在一種'市場宣傳跑在實際研究前面'的情況。但我也相信，今年會是代理系統的元年，你會在今年下半年陸續看到一些初步版本，隨后它們會快速地迭代和成熟。"

在談到用戶對AI代理的信任問題時，Hassabis 提出了漸進式方案："我覺得一開始你肯定會想加上一些'人工干預'，比如在最終確認付款前，要讓用戶手動授權，而不是任由智能體直接刷卡。還有一些類型的網站或操作，像銀行業務之類，最初階段大概也會禁止代理去碰。"

在人機交互方面，Hassabis 特別提到了智能眼鏡的潛力。"當你真正把 Astra 融入日常生活，你就會發現很多場景下它非常有用，但如果要拿著手機就有點不便。他用做飯的例子來說明免提交互的重要性："做飯的時候，你希望它能隨時告訴你下一步該怎么做，比如食材是否切好了、火候怎么樣，但這必須要'免提'的方式才方便。所以我相信，未來幾年會有各種免提形態的硬件——眼鏡也好，其他穿戴式設備也好——真正興起。

Web的未來演變

Hassabis 還描繪了未來網絡交互的變革："如果一切都變得'代理化'，那么我們會希望自己的助手或代理去替我們完成大量瑣碎、繁瑣的任務，比如填寫表格、付款、訂餐廳之類。也就是說，很可能形成這樣一種經濟模式：你的代理和服務提供方的代理之間相互對話、協商，然后給你一個最終結果.這種變革不僅僅是交互方式的改變，還可能帶來更深遠的影響。Hassabis 認為："這對現有生態會是一次巨大的沖擊。那么，信息呢？也就是信息的獲取方式會怎樣？我覺得人們仍然需要可靠的信息來源，而各種助手會幫助你整合并理解這些信息。"

AI與人類關系的新維度

在未來，AI助手可能會與人類建立更深層次的關系。Hassabis 指出："我個人的看法是，這恰恰是當前 AI 最被低估的部分：人們將會和這些機器人產生非常深的情感聯結，尤其是隨著它們不斷進步。他補充道："我們常說一句 AI 界的玩笑話：'它現在是它最差的狀態'，意思是只會越來越好。那種場景會非常瘋狂，我認為它真的會帶來巨大的沖擊。當然，這也會有很多正面的方面和讓人驚嘆的改進。"

最后，在這場與 Demis Hassabis 的深度對話中，我們看到了AI發展的多個關鍵面向：從AGI的臨近突破，到創造力的進階演進；從科學研究的革命性變革，到安全風險的未雨綢繆；從智能助手的日常融入，到人機交互的全新可能。

正如 Hassabis 所言，AI的發展正處于一個"既被高估又被低估"的特殊階段。在這個充滿機遇與挑戰的新時代，保持理性樂觀或許是最明智的態度。接下來的3-5年，我們很可能見證一系列改變人類歷史的重大突破。重要的是，在擁抱這些變革的同時，始終確保AI的發展方向與人類的福祉保持一致

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

原文鏈接：https://www.youtube.com/watch?v=yr0GiSgUvPU&t=4s&ab_channel=AlexKantrowitz

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編：圖靈