AI Agent 正是通往AGI的路徑 | DeepMind CEO最新對(duì)話(huà)實(shí)錄

近日，Google DeepMind CEO Demis Hassabis 接受了YC CEO的訪(fǎng)談。本次對(duì)話(huà)梳理了AGI 的技術(shù)路徑， AI Agent 的演進(jìn)路徑、模型蒸餾與邊緣計(jì)算的極限、長(zhǎng)文本窗口與海馬體記憶機(jī)制的本質(zhì)區(qū)別，以及 AI在藥物研發(fā)及前沿科學(xué)領(lǐng)域的應(yīng)用。Demis Hassabis 在對(duì)話(huà)中還闡述了如何利用強(qiáng)化學(xué)習(xí)與搜索技術(shù)解決科學(xué)領(lǐng)域的組合搜索難題。

Demis Hassabis 指出，實(shí)現(xiàn) AGI 的核心在于構(gòu)建一個(gè)能夠主動(dòng)解決問(wèn)題的活躍系統(tǒng)。他認(rèn)為 AGI 的最終架構(gòu)已掌握了約 50% 的核心組件，包括大規(guī)模預(yù)訓(xùn)練、強(qiáng)化學(xué)習(xí)及思維鏈推理，但在持續(xù)學(xué)習(xí)、長(zhǎng)期推理和記憶一致性方面仍需一兩次關(guān)鍵的突破。

他指出，目前的超長(zhǎng)上下文窗口屬于一種暴力存儲(chǔ)方式，面臨極高的檢索成本和精度挑戰(zhàn)。他主張借鑒神經(jīng)科學(xué)中海馬體的運(yùn)作機(jī)制，通過(guò)經(jīng)驗(yàn)回放和情景記憶鞏固，將新知識(shí)整合進(jìn)現(xiàn)有的知識(shí)庫(kù)，而非單純依賴(lài)增加Token 數(shù)量。

Demis Hassabis 指出，目前中國(guó)在開(kāi)源模型領(lǐng)域的表現(xiàn)非常強(qiáng)勁，在部分維度甚至處于領(lǐng)先地位。他預(yù)測(cè)，AGI 有望在 2030 年左右實(shí)現(xiàn)。針對(duì)深科技領(lǐng)域，他預(yù)計(jì)未來(lái) 10 年內(nèi)人類(lèi)將實(shí)現(xiàn)完整的虛擬細(xì)胞模擬，從而徹底改變藥物研發(fā)模式。他建議開(kāi)發(fā)者在開(kāi)啟長(zhǎng)期研發(fā)之旅時(shí)，必須預(yù)判項(xiàng)目在 2030 年 AGI 出現(xiàn)時(shí)如何與其集成，并利用通用 AI 作為調(diào)度中樞來(lái)調(diào)用專(zhuān)業(yè)化的工具系統(tǒng)。

01

要實(shí)現(xiàn) AGI，目前根本性缺失的是什么？

當(dāng)前AI 架構(gòu)已包含大規(guī)模預(yù)訓(xùn)練、強(qiáng)化學(xué)習(xí)及思維鏈等成熟組件，但要實(shí)現(xiàn) AGI，目前根本性缺失的是什么？考慮到 AI 目前是無(wú)狀態(tài)的且缺乏持續(xù)學(xué)習(xí)能力，開(kāi)發(fā)者應(yīng)如何引導(dǎo) AI 走向自主執(zhí)行？

Demis Hassabis：剛才提到的那些組件肯定會(huì)成為AGI 最終架構(gòu)的一部分。這些技術(shù)已經(jīng)發(fā)展到非常成熟的階段，其能力也得到了充分驗(yàn)證。我不認(rèn)為幾年后我們會(huì)發(fā)現(xiàn)這是一條死胡同，這不符合邏輯。但在我們已知有效的核心技術(shù)之上，可能還缺少一兩個(gè)關(guān)鍵環(huán)節(jié)。

持續(xù)學(xué)習(xí)、長(zhǎng)期推理和記憶的某些方面仍未解決，如何讓 AI 在各項(xiàng)任務(wù)中保持更高的一致性也是挑戰(zhàn)。這些都是 AGI 的必要條件?，F(xiàn)有的技術(shù)或許可以通過(guò)增量創(chuàng)新來(lái)解決這些問(wèn)題，但也可能還需要一兩個(gè)重大的思想突破。即便存在這種突破，我認(rèn)為也不會(huì)超過(guò)一兩個(gè)。我猜測(cè)這種可能性大約是 50%，因此 Google DeepMind 正在這兩個(gè)方向上同步推進(jìn)。

（關(guān)于持續(xù)學(xué)習(xí)）這非常有趣。缺乏持續(xù)學(xué)習(xí)能力是阻礙 AI Agent 獨(dú)立完成復(fù)雜任務(wù)的主要瓶頸。雖然它們現(xiàn)在能輔助完成部分環(huán)節(jié)，但由于無(wú)法很好地適應(yīng)特定上下文，還無(wú)法做到真正的自動(dòng)執(zhí)行。AI 必須學(xué)會(huì)理解并適應(yīng)用戶(hù)所處的具體環(huán)境，攻克這一點(diǎn)，我們才能真正走向通用智能。

02

上下文窗口不是越大越好，檢索成本與精度平衡是關(guān)鍵

在AI Agent 系統(tǒng)中，目前的持續(xù)學(xué)習(xí)大多是權(quán)宜之計(jì)，而人類(lèi)大腦通過(guò)海馬體在睡眠期間整合知識(shí)。從神經(jīng)科學(xué)角度看，當(dāng)前的百萬(wàn)級(jí) Token 上下文窗口是否已經(jīng)足夠？

Demis Hassabis：夢(mèng)境循環(huán)確實(shí)非常出色，我們?cè)ㄟ^(guò)情景記憶的鞏固來(lái)思考這一問(wèn)題。這正是我博士研究的課題，即海馬體如何運(yùn)作并將新知識(shí)順暢地整合進(jìn)現(xiàn)有的知識(shí)庫(kù)中。大腦在這方面表現(xiàn)卓越，它在睡眠期間，特別是快速眼動(dòng)睡眠階段，通過(guò)回放重要片段來(lái)進(jìn)行學(xué)習(xí)。

事實(shí)上，我們最早的 Atari 程序 DQN 能夠精通游戲，關(guān)鍵之一就是采用了經(jīng)驗(yàn)回放。我們從神經(jīng)科學(xué)中借鑒了這一機(jī)制，通過(guò)多次回放成功的軌跡讓 AI 學(xué)習(xí)。那是 2013 年，處于 AI 的早期階段，這一突破至關(guān)重要。我同意你的看法，現(xiàn)在的做法確實(shí)有些像打補(bǔ)丁，比如把所有信息都塞進(jìn)上下文窗口，但這并不夠理想。

雖然我們研究的是機(jī)器而非生物大腦，理論上可以擁有數(shù)百萬(wàn)甚至上千萬(wàn) Token 的上下文空間，且能達(dá)到完美存儲(chǔ)，但檢索并精準(zhǔn)定位與當(dāng)前決策相關(guān)的關(guān)鍵信息，依然存在巨大的成本。即便存儲(chǔ)不再是問(wèn)題，這種檢索成本也不容忽視。在記憶等領(lǐng)域仍有巨大的創(chuàng)新空間。

對(duì)于大多數(shù)用途來(lái)說(shuō)確實(shí)夠用了。如果將上下文窗口類(lèi)比為工作記憶，人類(lèi)通常只能同時(shí)處理幾個(gè)到十幾個(gè)數(shù)字，平均僅為七個(gè)，而我們現(xiàn)在擁有一百萬(wàn)甚至一千萬(wàn)的窗口。但問(wèn)題在于，我們正試圖在其中存儲(chǔ)所有信息，包括不重要的甚至錯(cuò)誤的信息，這種暴力存儲(chǔ)方式并不理想。如果你嘗試處理實(shí)時(shí)視頻并簡(jiǎn)單地記錄所有 Token，一百萬(wàn) Token 其實(shí)只能覆蓋約 20 分鐘的內(nèi)容。若要讓 AI 理解你生活中長(zhǎng)達(dá)一兩個(gè)月發(fā)生的事情，我們需要更大的容量。

03

強(qiáng)化學(xué)習(xí)與搜索

DeepMind 歷來(lái)推崇強(qiáng)化學(xué)習(xí)和搜索技術(shù)，這些在 Gemini 的構(gòu)建中體現(xiàn)了多少？強(qiáng)化學(xué)習(xí)在當(dāng)前的基礎(chǔ)模型范式下是否被低估了？

Demis Hassabis：可能確實(shí)如此，技術(shù)發(fā)展總是波浪式前進(jìn)。DeepMind 自創(chuàng)立伊始就致力于 AI Agent 研究，這是我們的初衷。從 Atari 系列工作到 AlphaGo，本質(zhì)上都是 AI 系統(tǒng)，即能夠自主達(dá)成目標(biāo)、做出決策并制定計(jì)劃的系統(tǒng)。起初我們選擇在游戲領(lǐng)域開(kāi)展工作使其具備可操作性，隨后挑戰(zhàn)了更復(fù)雜的《星際爭(zhēng)霸》并開(kāi)發(fā)出 AlphaStar，基本上挑戰(zhàn)了當(dāng)時(shí)所有的主流游戲。

隨之而來(lái)的問(wèn)題是，能否將這些 AI 泛化為世界模型或語(yǔ)言模型，而不僅僅是游戲模型。這就是過(guò)去幾年我們工作的重心。實(shí)際上，今天領(lǐng)先 AI 所具備的思考模式和思維鏈推理，可以看作是 AlphaGo 開(kāi)創(chuàng)性思想的某種回歸。

我們當(dāng)年的許多研究在今天依然極具價(jià)值，我們正以更通用、更大規(guī)模的方式重新審視這些舊想法，包括蒙特卡洛樹(shù)搜索（Monte Carlo tree search）以及在現(xiàn)有基礎(chǔ)之上增強(qiáng)強(qiáng)化學(xué)習(xí)的其他手段。AlphaGo 和 AlphaZero 的許多理念與當(dāng)前的基礎(chǔ)模型高度相關(guān)，這也是未來(lái)幾年技術(shù)進(jìn)步的主要方向。

04

小模型正在逼近頂級(jí) AI 的智能水平

雖然必須通過(guò)構(gòu)建最強(qiáng)大的AI 才能擁有前沿能力，但我們也看到蒸餾技術(shù)卓有成效，F(xiàn)lash 系列 AI 性能達(dá)到了前沿 AI 的 95% 而成本僅為十分之一。我好奇這些小 AI 實(shí)際上能有多聰明，蒸餾過(guò)程是否存在極限，一個(gè) 50B 或 400B 參數(shù)的 AI 能達(dá)到今天頂級(jí) AI 的智能水平嗎？

Demis Hassabis：這是我們的核心優(yōu)勢(shì)之一。雖然必須通過(guò)構(gòu)建最強(qiáng)大的AI 才能擁有前沿能力，但我們也非常擅長(zhǎng)迅速將這些能力蒸餾并壓縮進(jìn)更小的 AI 中。蒸餾工藝是由我們團(tuán)隊(duì)發(fā)明的，我們至今仍保持著世界領(lǐng)先水平。這種需求也源于 Alphabet 龐大的服務(wù)規(guī)模。無(wú)論是帶有 AI 概覽功能的搜索、Gemini 應(yīng)用，還是谷歌地圖、YouTube 等產(chǎn)品，都集成了 Gemini 相關(guān)的技術(shù)。我們要服務(wù)數(shù)十億用戶(hù)，擁有十幾個(gè)用戶(hù)量過(guò)十億的產(chǎn)品。這意味著系統(tǒng)必須極速、高效、廉價(jià)且低延遲，這種壓力促使我們將 Flash 甚至更小的 Flash-Lite AI 做得極其高效。希望這些成果對(duì)你們的工作負(fù)載非常有用。

（關(guān)于小模型的極限）我不認(rèn)為目前已經(jīng)觸及了任何信息限制。或許未來(lái)某天會(huì)存在無(wú)法逾越的信息密度上限，但目前的假設(shè)是，在前沿 AI 發(fā)布一年后，你會(huì)在非常微小的邊緣 AI 中擁有它們。我們?cè)?Gemma 2 系列 AI 中也展示了這種潛力，其性能在同尺寸下非常出色。這歸功于蒸餾技術(shù)以及對(duì)小 AI 效率的極致追求。從理論上講，我們距離所謂的極限還很遠(yuǎn)。

這非常重要。現(xiàn)在工程師的工作效率能達(dá)到半年前的500 到 1000 倍。有人提到，現(xiàn)在的開(kāi)發(fā)者一個(gè)人就能抵得上 2000 年代 1000 個(gè) Alphabet 工程師的工作量。

Demis Hassabis：這非常令人振奮。小AI 有很多用途，除了成本優(yōu)勢(shì)外，速度也是關(guān)鍵。在編程等協(xié)作場(chǎng)景中，更快的響應(yīng)意味著更高效的迭代。即使 AI 不是最頂尖的，只要達(dá)到 90% 或 95% 的水平就足夠了，迭代速度帶來(lái)的收益遠(yuǎn)超性能上的微小折損。另一個(gè)重點(diǎn)是邊緣計(jì)算，這既是為了效率，也是為了隱私和安全。處理私人信息的設(shè)備或家用機(jī)器人需要強(qiáng)大且高效的本地 AI，它們平時(shí)在本地處理視聽(tīng)流，只有在特定情況下才向云端的前沿 AI 請(qǐng)求協(xié)作。這會(huì)是一個(gè)非常理想的最終狀態(tài)。

05

AI Agent 的真實(shí)瓶頸

關(guān)于推理，AI 現(xiàn)在可以做思維鏈，但在一些聰明大學(xué)生看來(lái)很簡(jiǎn)單的任務(wù)上仍會(huì)失敗。哪些環(huán)節(jié)需要改變，你對(duì)推理的進(jìn)展有何預(yù)期？AI Agent 目前非?；馃?，甚至有人認(rèn)為存在炒作，根據(jù) Google DeepMind 的內(nèi)部研究，AI Agent 的真實(shí)能力與外界的期待相比處于什么位置？

Demis Hassabis：思考范式仍有巨大的創(chuàng)新空間。目前的做法還比較初級(jí)，帶有某種暴力計(jì)算的色彩。未來(lái)的方向可能包括對(duì)思維鏈的實(shí)時(shí)監(jiān)控，甚至在思考中途進(jìn)行干預(yù)。我有時(shí)覺(jué)得，現(xiàn)在的AI，包括我們和競(jìng)爭(zhēng)對(duì)手的，往往會(huì)陷入過(guò)度思考或邏輯循環(huán)。

比如我嘗試用 Gemini 下棋，目前所有的基礎(chǔ)模型在策略游戲上表現(xiàn)都不理想。觀(guān)察它們的思考軌跡非常有趣，因?yàn)槠寰诌壿嬍强沈?yàn)證的。我可以很快發(fā)現(xiàn)它是否在偏離方向。我們發(fā)現(xiàn)，AI 有時(shí)會(huì)意識(shí)到某個(gè)走法是失誤，但因?yàn)樗也坏礁玫姆桨福罱K還是會(huì)選擇那個(gè)錯(cuò)誤的走法。在精密推理系統(tǒng)中，這種現(xiàn)象是不該出現(xiàn)的。雖然存在這些顯著差距，但或許只需一兩次技術(shù)微調(diào)就能解決。這種參差不齊的智能現(xiàn)象，即一方面能解決國(guó)際數(shù)學(xué)奧林匹克（IMO）的金牌難題，另一方面卻會(huì)在簡(jiǎn)單的數(shù)學(xué)或邏輯題上翻車(chē)，說(shuō)明 AI 對(duì)自身思考過(guò)程缺乏某種內(nèi)省機(jī)制。

（關(guān)于 AI Agent 的能力）我同意你的看法，一切才剛剛開(kāi)始。實(shí)現(xiàn) AGI 的關(guān)鍵在于擁有能主動(dòng)解決問(wèn)題的活躍系統(tǒng)，這一點(diǎn)我們始終堅(jiān)信。AI Agent 正是通往這一目標(biāo)的路徑。我們都在探索如何更好地利用這項(xiàng)技術(shù)，你在個(gè)人實(shí)驗(yàn)中也處于領(lǐng)先地位。大家都在思考如何將 AI 合并到工作流程中，使其從一個(gè)輔助功能變?yōu)榛A(chǔ)核心。我的印象是，目前大家都在進(jìn)行各種實(shí)驗(yàn)，直到最近幾個(gè)月，才真正挖掘出具有實(shí)際價(jià)值的場(chǎng)景。技術(shù)正在跨越從漂亮演示到真正提升效率的門(mén)檻。我也注意到，有人嘗試讓幾十個(gè) AI Agent 同時(shí)運(yùn)行幾十小時(shí)，但目前的產(chǎn)出似乎還不足以抵消其投入，不過(guò)這一天終會(huì)到來(lái)。

我們?nèi)蕴幱趯?shí)驗(yàn)階段。目前還沒(méi)有出現(xiàn)哪款榜首級(jí)的游戲是完全靠憑感覺(jué)編碼生成的。雖然我能在半小時(shí)內(nèi)用 AI 做出一個(gè)《主題公園》的雛形，這在以前需要半年時(shí)間，但這確實(shí)令人震驚。真正偉大的作品仍需要人類(lèi)的匠心、靈魂和品位。這說(shuō)明技術(shù)尚未完全成熟。如果技術(shù)真的到位了，我們應(yīng)該已經(jīng)看到年輕人僅憑 AI 就開(kāi)發(fā)出銷(xiāo)量千萬(wàn)級(jí)的熱門(mén)游戲。目前某種關(guān)鍵要素依然缺失，或許是流程，也可能是工具。你們作為一線(xiàn)的開(kāi)發(fā)者可能比我更清楚。我期待在未來(lái) 6 到 12 個(gè)月內(nèi)看到那些真正釋放全部?jī)r(jià)值的成果。

06

創(chuàng)造力、谷歌開(kāi)源策略與多模態(tài)優(yōu)勢(shì)

關(guān)于AI 的自主性，我們是否更可能先看到人們?cè)?AI 加持下實(shí)現(xiàn)千倍效率提升，之后自動(dòng)化程度才會(huì)提高？轉(zhuǎn)向開(kāi)源和開(kāi)放權(quán)重話(huà)題，最近發(fā)布的 Gemma 讓高性能 AI 能夠本地運(yùn)行，這是否意味著 AI 將掌握在用戶(hù)手中而非云端，這會(huì)改變開(kāi)發(fā)者利用模型構(gòu)建應(yīng)用的方式嗎？此外，谷歌 Gemini 天生就是多模態(tài)的，在上下文深度、工具調(diào)用以及直接語(yǔ)音交互方面表現(xiàn)出色，這背后有哪些深層考量？

Demis Hassabis： 談到創(chuàng)造力，AlphaGo 的案例非常有代表性，大家都知道第二局中著名的第 37 手。對(duì)我來(lái)說(shuō)，那一刻我意識(shí)到可以啟動(dòng)像 AlphaFold 這樣的科學(xué)項(xiàng)目了。我們?cè)趶氖谞柣貋?lái)的當(dāng)天就開(kāi)始了 AlphaFold 的研發(fā)，距今已十年。這次采訪(fǎng)結(jié)束后，我正準(zhǔn)備去韓國(guó)慶祝 AlphaGo 十周年。

但僅僅下出第 37 手是不夠的。那一手雖然驚艷且有用，但 AI 能發(fā)明圍棋嗎？這才是我的目標(biāo)。我想要一個(gè)能夠根據(jù)高層描述發(fā)明游戲的系統(tǒng)。圍棋的規(guī)則五分鐘就能學(xué)會(huì)，卻需要終身磨練才能精通，在美學(xué)上非常優(yōu)雅，且能在幾個(gè)小時(shí)內(nèi)完成一局。我給出的高層描述應(yīng)該是這些，而 AI 返回的結(jié)果應(yīng)該是圍棋。目前的 AI 顯然還做不到這一點(diǎn)，我認(rèn)為這說(shuō)明還缺失了一些關(guān)鍵要素。那么答案可能就是系統(tǒng)并不缺失什么，只是我們使用的方式不對(duì)。現(xiàn)在的 AI 或許已經(jīng)具備這種能力，只要有一個(gè)極具創(chuàng)造力的人提供動(dòng)力和項(xiàng)目的靈魂，并能熟練掌握這些工具，達(dá)到人機(jī)合一的境界。如果像你們中的許多人那樣日以繼夜地鉆研這些工具，并將其與深層的創(chuàng)造力結(jié)合，就能創(chuàng)造出更不可思議的作品。

（關(guān)于開(kāi)源與 Gemma）谷歌一直是開(kāi)源和開(kāi)放科學(xué)的堅(jiān)定擁護(hù)者。AlphaFold 的成果是完全免費(fèi)開(kāi)放的，即便到今天，我們所有的科學(xué)工作依然發(fā)表在頂級(jí)期刊上。我們致力于開(kāi)發(fā)同尺寸下全球領(lǐng)先的模型，Gemma 就體現(xiàn)了這一承諾。我們很高興看到 Gemma 在發(fā)布兩周半內(nèi)下載量就突破了四千萬(wàn)次。

我也認(rèn)為開(kāi)源領(lǐng)域擁有西方技術(shù)棧非常重要。目前全球各地的開(kāi)源模型都很出色，中國(guó)目前的表現(xiàn)就非常強(qiáng)勁，在某些領(lǐng)域甚至處于領(lǐng)先地位。因此，我們認(rèn)為提供 Gemma 這樣在對(duì)應(yīng)尺寸級(jí)別上極具競(jìng)爭(zhēng)力的模型，對(duì)維持西方技術(shù)棧的地位至關(guān)重要。對(duì)我們來(lái)說(shuō)，資源、人才和算力總是有限的，沒(méi)有人能有足夠的算力同時(shí)開(kāi)發(fā)兩個(gè)具有不同屬性的最頂級(jí)模型。目前我們決定將安卓系統(tǒng)、智能眼鏡和機(jī)器人所使用的端側(cè)模型設(shè)為開(kāi)放模型。因?yàn)橐坏┎渴鸬礁黝?lèi)硬件終端，這些模型本質(zhì)上就是透明的，不如索性完全開(kāi)放。我們?cè)?Nano 尺寸級(jí)別上統(tǒng)一了這一戰(zhàn)略，這在戰(zhàn)略上也對(duì)我們非常有利。我們希望有更多開(kāi)發(fā)者在其基礎(chǔ)上進(jìn)行構(gòu)建。

（關(guān)于多模態(tài)優(yōu)勢(shì)）這是 Gemini 系列被低估的一點(diǎn)。我們從一開(kāi)始就將其設(shè)計(jì)為多模態(tài)，這比單純開(kāi)發(fā)文本模型要難得多，但我們相信長(zhǎng)遠(yuǎn)來(lái)看會(huì)獲益?，F(xiàn)在我們已經(jīng)在世界模型構(gòu)建方面看到了成果，例如在 Gemini 基礎(chǔ)上開(kāi)發(fā)的 Genie。這對(duì)機(jī)器人技術(shù)至關(guān)重要，Gemini 機(jī)器人模型就是建立在多模態(tài)基礎(chǔ)模型之上的。Gemini 在多模態(tài)方面的強(qiáng)勢(shì)表現(xiàn)讓我們擁有了競(jìng)爭(zhēng)優(yōu)勢(shì)。我們正將其越來(lái)越多地應(yīng)用于 Waymo。設(shè)想一下，如果你攜帶一個(gè)數(shù)字助手進(jìn)入現(xiàn)實(shí)世界，無(wú)論是通過(guò)手機(jī)、眼鏡或其他設(shè)備，它都需要理解物理規(guī)律和你所處的物理環(huán)境。這是我們系統(tǒng)的強(qiáng)項(xiàng)，也是你覺(jué)得好用的原因。我們將繼續(xù)保持在這些領(lǐng)域的絕對(duì)優(yōu)勢(shì)。

07

推理成本不會(huì)真正歸零

推理成本正在迅速下降。如果推理近乎免費(fèi)，會(huì)開(kāi)啟哪些可能性？這如何改變你們團(tuán)隊(duì)的優(yōu)化方向？此外，觀(guān)眾中有很多生物技術(shù)領(lǐng)域的創(chuàng)始人，AlphaFold 3 已經(jīng)讓我們能建模更廣譜的生物分子，我們距離建模完整的細(xì)胞系統(tǒng)還有多遠(yuǎn)？這是否屬于本質(zhì)上更難的另一個(gè)層級(jí)的問(wèn)題？

Demis Hassabis：我不確定推理是否會(huì)真的完全免費(fèi)。由于杰文斯悖論（Jevons Paradox）等因素，我們最終會(huì)耗盡所有可用的資源。你可以想象數(shù)百萬(wàn)個(gè) AI Agent 組成的集群協(xié)同工作，或者單個(gè) Agent 及其協(xié)作組進(jìn)行多路徑思考并集成結(jié)果。我們和在座各位一樣都在嘗試這些方向，這些都會(huì)消耗掉所有可用的推理能力?；蛟S有一天成本能降到極低。如果我們通過(guò)材料科學(xué)解決了核聚變、超導(dǎo)體或電池技術(shù)，能源成本將趨于零，但芯片的物理制造依然存在。在未來(lái)幾十年內(nèi)，這仍將是瓶頸，因此我們必須高效地使用推理能力。

（關(guān)于虛擬細(xì)胞）我們?cè)?AlphaFold 2 之后成立了 Isomorphic Labs，目前進(jìn)展非常順利。藥物研發(fā)是一個(gè)復(fù)雜的系統(tǒng)工程，AlphaFold 只是其中一環(huán)。我們正試圖通過(guò)生物化學(xué)和化學(xué)手段來(lái)設(shè)計(jì)具有特定屬性的化合物。近期我們會(huì)有這方面的重大消息。我們的目標(biāo)是實(shí)現(xiàn)完整的虛擬細(xì)胞。我在多次科學(xué)演講中提到過(guò)，一個(gè)可以運(yùn)行的虛擬細(xì)胞模擬器能讓人們對(duì)其進(jìn)行擾動(dòng)實(shí)驗(yàn)，其輸出應(yīng)足夠接近真實(shí)實(shí)驗(yàn)。這樣我們就能跳過(guò)許多搜索步驟，并生成大量合成數(shù)據(jù)來(lái)訓(xùn)練其他模型，從而預(yù)測(cè)真實(shí)細(xì)胞的情況。

我認(rèn)為距離實(shí)現(xiàn)完整的虛擬細(xì)胞大約還有 10 年。我們正從相對(duì)獨(dú)立的細(xì)胞核開(kāi)始著手。關(guān)鍵在于能否從復(fù)雜系統(tǒng)中選取一個(gè)切片。最終目標(biāo)是建模人體，但需要選取一個(gè)細(xì)節(jié)程度合適且足夠獨(dú)立的系統(tǒng)，建模其輸入和輸出。細(xì)胞核就是一個(gè)非常理想的切入點(diǎn)。另一個(gè)挑戰(zhàn)是數(shù)據(jù)。如果能在不破壞活細(xì)胞的前提下實(shí)現(xiàn)納米級(jí)分辨率的動(dòng)態(tài)成像，那將徹底改變游戲規(guī)則，把生物學(xué)問(wèn)題轉(zhuǎn)化為視覺(jué)處理問(wèn)題。目前雖然能拍攝極高分辨率的靜態(tài)圖像，但這還不足以將其簡(jiǎn)化為視覺(jué)問(wèn)題。這可以通過(guò)硬件驅(qū)動(dòng)的方案解決，或者通過(guò)構(gòu)建更好的動(dòng)力系統(tǒng)模擬器來(lái)實(shí)現(xiàn)。

08

未來(lái)五年，哪個(gè)科學(xué)領(lǐng)域會(huì)發(fā)生最劇烈的變革？

你一直關(guān)注材料科學(xué)、藥物研發(fā)、氣候建模、數(shù)學(xué)等各種科學(xué)，在未來(lái)五年內(nèi)，你認(rèn)為哪個(gè)科學(xué)領(lǐng)域會(huì)發(fā)生最劇烈的變革？對(duì)于這里嘗試做AI 與科學(xué)結(jié)合的創(chuàng)始人，你認(rèn)為真正推進(jìn)前沿的公司與僅僅給基礎(chǔ)模型套個(gè) API 的公司，本質(zhì)區(qū)別在哪里？AlphaFold 是追求卓越的典型，是什么讓一個(gè)領(lǐng)域成熟到可以實(shí)現(xiàn)此類(lèi)突破？是否存在某種特定的模式？

Demis Hassabis：這些領(lǐng)域都非常令人興奮。我從事AI 行業(yè) 30 多年，初心就是將 AI 作為科學(xué)發(fā)現(xiàn)的終極工具，用于探索醫(yī)學(xué)和宇宙奧秘。我們最初的使命有兩個(gè)步驟，第一步是解決智能問(wèn)題即構(gòu)建 AGI，第二步是利用它來(lái)解決其他所有問(wèn)題。后來(lái)我們調(diào)整了表達(dá)方式，但核心邏輯沒(méi)變。我的意思是解決科學(xué)中的根節(jié)點(diǎn)問(wèn)題，開(kāi)啟全新的發(fā)現(xiàn)途徑。AlphaFold 就是一個(gè)典范。全球有超過(guò) 300 萬(wàn)研究人員在使用它。制藥行業(yè)的朋友告訴我，未來(lái)的藥物研發(fā)幾乎都離不開(kāi) AlphaFold。但這只是開(kāi)始，我認(rèn)為 AI 將在所有科學(xué)和工程領(lǐng)域提供幫助。其他領(lǐng)域目前正處于 AlphaFold 1 的階段，即已經(jīng)看到了非常有希望的結(jié)果，但尚未徹底攻克。未來(lái)幾年，我們?cè)诓牧?、?shù)學(xué)等領(lǐng)域會(huì)有更多突破。

（關(guān)于深科技創(chuàng)業(yè)）我建議大家要卡位 AI 技術(shù)的發(fā)展路徑。一個(gè)巨大的機(jī)會(huì)點(diǎn)在于將 AI 與深科技領(lǐng)域結(jié)合。這種跨學(xué)科的合作，特別是涉及到原子世界的領(lǐng)域，在可預(yù)見(jiàn)的未來(lái)是沒(méi)有捷徑可走的。這些領(lǐng)域具備天然的防御性，不會(huì)因?yàn)榛A(chǔ)模型的下一次更新而失去競(jìng)爭(zhēng)力。我一直熱愛(ài)深科技，因?yàn)檎嬲袃r(jià)值的事業(yè)從不容易。對(duì)我而言，無(wú)論發(fā)生什么，我都會(huì)研究 AI。我從很小的時(shí)候就認(rèn)定，這是我能想到的最有影響力的事情。事實(shí)證明確實(shí)如此，但在當(dāng)時(shí)也可能并非如此。也許我們?cè)缟?50 年。它也是我能想到的最有趣的研究方向。因此，即使我們現(xiàn)在還在某個(gè)小車(chē)庫(kù)里，即便項(xiàng)目進(jìn)展還不順利，我今天依然會(huì)鉆研 AI。我還是會(huì)嘗試尋找，也許我會(huì)回到學(xué)術(shù)界或類(lèi)似的地方，但我總會(huì)找到某種方法繼續(xù)研究它。

（關(guān)于 Alpha 項(xiàng)目的成功模式）等我有空的時(shí)候，我真該把這些心得寫(xiě)下來(lái)。但我從我們做過(guò)的所有 Alpha 項(xiàng)目中，特別是 AlphaGo 和 AlphaFold 中吸取的教訓(xùn)是，如果你能將一個(gè)問(wèn)題描述為龐大的組合搜索空間，那么我們擁有的技術(shù)和我關(guān)注的問(wèn)題就能發(fā)揮巨大威力。在某種程度上，搜索空間越大， AI 的優(yōu)勢(shì)就越明顯。因?yàn)檫@意味著任何暴力破解或特殊案例算法都無(wú)法解決它。圍棋的走法與蛋白質(zhì)的構(gòu)型可能性都遠(yuǎn)超宇宙中原子的總數(shù)，兩者在本質(zhì)上是相通的。其次，你需要一個(gè)明確的目標(biāo)函數(shù)。你可以把它看作是最小化蛋白質(zhì)的自由能，或者是贏得圍棋比賽。你需要清晰地定義目標(biāo)函數(shù)，以便 AI 能夠進(jìn)行爬山法優(yōu)化。最后是需要足夠的數(shù)據(jù)，或者是一個(gè)能生成大量分布內(nèi)合成數(shù)據(jù)的模擬器。如果這些條件都具備，那么利用當(dāng)今的方法，你在尋找復(fù)雜解決方案的“大海撈針”過(guò)程中就能走得很遠(yuǎn)。順便說(shuō)一句，我也以同樣的方式看待藥物研發(fā)。如果能找到某種化合物，它就能治愈某種疾病，而且沒(méi)有副作用，只要物理定律允許，唯一的問(wèn)題就是你如何以一種高效、可處理的方式找到它。我認(rèn)為我們通過(guò) AlphaGo 第一次證明了 AI 可以完成這種“大海撈針”，在那個(gè)案例中，就是找到完美的圍棋下法。

09

2030年實(shí)現(xiàn)AGI

人類(lèi)正在利用AI 探索科學(xué)假設(shè)空間，我們距離能夠進(jìn)行真正科學(xué)推理而非簡(jiǎn)單模式匹配的 AI 還有多遠(yuǎn)？站在當(dāng)前的視角，關(guān)于在前沿領(lǐng)域構(gòu)建，你有哪些希望自己在 25 歲時(shí)就能明白的經(jīng)驗(yàn)？面對(duì) 2030 年的 AGI 時(shí)間表，開(kāi)發(fā)者應(yīng)該如何構(gòu)建那些即便在 AGI 時(shí)代中途開(kāi)啟也依然具有價(jià)值的東西？

Demis Hassabis：我認(rèn)為已經(jīng)很近了。我們正在開(kāi)發(fā)這類(lèi)通用AI。我們有一個(gè)名為 Co-Scientist 的項(xiàng)目，還有像 AlphaGeometry 這樣的算法，它的表現(xiàn)已經(jīng)超越了基礎(chǔ)版的 Gemini。顯而易見(jiàn)，所有的前沿實(shí)驗(yàn)室都在進(jìn)行這方面的實(shí)驗(yàn)。到目前為止，雖然大家都在鉆研類(lèi)似的問(wèn)題，比如挑戰(zhàn)比國(guó)際數(shù)學(xué)奧林匹克更難的數(shù)學(xué)題，但我還沒(méi)看到任何真正意義上的重大科學(xué)發(fā)現(xiàn)，這只是我個(gè)人的看法。但我認(rèn)為這一天即將到來(lái)。這可能與我們討論過(guò)的創(chuàng)造力有關(guān)，即真正超越已知界限的能力。在這種情況下，這已不再是簡(jiǎn)單的模式匹配，因?yàn)楦緵](méi)有既有的模式可供參考。這比單純的外推法更進(jìn)一步，是一種類(lèi)比推理。我認(rèn)為目前的 AI 還不具備這種能力，或者說(shuō)我們還沒(méi)找到使用它們的正確方式。

在科學(xué)領(lǐng)域我經(jīng)常這樣問(wèn)，它能提出一個(gè)真正有趣的假設(shè)嗎，而不僅僅是解決一個(gè)現(xiàn)成的假設(shè)？當(dāng)然，我說(shuō)的“僅僅”是指解決黎曼猜想或千禧年大獎(jiǎng)難題這類(lèi)問(wèn)題。如果能做到，那顯然是驚天動(dòng)地的。也許我們離實(shí)現(xiàn)這一目標(biāo)只有幾年時(shí)間。但我最想解決的是 P=NP 問(wèn)題，那是我最喜歡的課題。然而，比這更難的是提出一套新的千禧年大獎(jiǎng)難題，并能被頂尖數(shù)學(xué)家認(rèn)可，認(rèn)為它們具有足夠的深度和意義，值得奉獻(xiàn)一生去研究。我認(rèn)為這又高了一個(gè)層次，目前我們還不知道如何實(shí)現(xiàn)。但我并不覺(jué)得這不可逾越，我相信 AI 最終能做到。我有時(shí)把這稱(chēng)為“愛(ài)因斯坦測(cè)試”，即你是否可以用截止到 1901 年的知識(shí)訓(xùn)練一個(gè) AI，看它能否自主推導(dǎo)出愛(ài)因斯坦在 1905 年奇跡年提出的成就，包括狹義相對(duì)論？如果它能做到這一點(diǎn)，那么我認(rèn)為我們正處于 AI 能夠創(chuàng)造全新、真正原創(chuàng)事物的邊緣。

（關(guān)于人生經(jīng)驗(yàn)與 AGI 戰(zhàn)略）我想我們之前提到過(guò)一些，那就是你最終會(huì)發(fā)現(xiàn)，追求難題和深層問(wèn)題在某些方面并不比追求那些淺顯、簡(jiǎn)單、表面的問(wèn)題更困難。它們只是困難的維度不同。既然生命如此短暫，精力和時(shí)間都有限，你不如把心血投入到那些如果你不去推動(dòng)就無(wú)法實(shí)現(xiàn)、且能產(chǎn)生重大影響的事情上。我就是通過(guò)這個(gè)視角來(lái)看待選擇的。另一件事是，如果你從事的是深科技領(lǐng)域，我非常推崇跨學(xué)科研究。我認(rèn)為在未來(lái)幾年，學(xué)科間的交叉融合以及尋找領(lǐng)域間的聯(lián)系將變得更加普遍，而利用 AI 也會(huì)讓這種跨界變得更容易。

最后我想說(shuō)的是，這取決于你的 AGI 時(shí)間表。我的預(yù)測(cè)大約是在 2030 年左右。如果你今天開(kāi)啟一段深科技之旅，這通常意味著一個(gè)長(zhǎng)達(dá) 10 年的征程。那么你必須考慮到 AGI 可能會(huì)在旅途中途出現(xiàn)。這意味著什么？這不一定是壞事，但你必須將其納入考量。你的項(xiàng)目能利用 AGI 嗎？AGI 會(huì)給你的領(lǐng)域帶來(lái)什么變化？這又回到了你之前提到的 AlphaFold 與通用 AI 的關(guān)系。我預(yù)見(jiàn)未來(lái) Gemini、Claude 或類(lèi)似的通用 AI 會(huì)把 AlphaFold 這樣的專(zhuān)業(yè)系統(tǒng)當(dāng)作工具來(lái)調(diào)用。我不認(rèn)為我們會(huì)把所有功能都塞進(jìn)一個(gè)巨大的大腦里，因?yàn)槟菢訒?huì)造成過(guò)多的性能退化。如果我把所有的蛋白質(zhì)數(shù)據(jù)都塞進(jìn) Gemini，那是沒(méi)意義的。我們不需要 Gemini 去做蛋白質(zhì)折疊。從信息效率的角度看，這反而會(huì)損害它的語(yǔ)言能力。我認(rèn)為更好的方案是擁有出色的通用工具使用模型。它們甚至可以去訓(xùn)練那些特定的工具，但工具本身運(yùn)行在獨(dú)立的系統(tǒng)中。思考這種架構(gòu)的影響以及你今天應(yīng)該構(gòu)建什么是非常有趣的。這同樣適用于物理世界，比如你會(huì)建造什么樣的工廠(chǎng)，什么樣的金融系統(tǒng)等等。你需要認(rèn)真預(yù)想那個(gè)世界的模樣，然后去建造那些即便在 AGI 時(shí)代中途開(kāi)啟也依然具有價(jià)值的東西。

| 文章來(lái)源：數(shù)字開(kāi)物

【AI技術(shù)與應(yīng)用交流群｜僅限受邀加入】

AI算力領(lǐng)域TOP級(jí)從業(yè)者專(zhuān)屬圈層

√ 與頭部算力企業(yè)深度對(duì)話(huà)

√ 與AI上下游企業(yè)深度對(duì)話(huà)

√ 獲取一手全球AI與算力產(chǎn)業(yè)信息

√ 獲取AI熱點(diǎn)及前沿產(chǎn)業(yè)獨(dú)家信息

√ 隨時(shí)了解全球AI領(lǐng)域高管最新觀(guān)點(diǎn)及實(shí)錄全文

√ 有機(jī)會(huì)參與AI主題產(chǎn)業(yè)交流活動(dòng)

掃碼驗(yàn)證身份（需備注姓名/公司/職務(wù)

不止有 DeepSeek，更有 AI產(chǎn)業(yè)的未來(lái)！

? END ?

【專(zhuān)欄】精品再讀