DeepMind CEO专访：评DeepSeek、预测AGI突破点与AI Agent元年

　　导语：在2025达沃斯论坛结束后不久，1月24日，Google DeepMind的CEO兼诺贝尔奖得主Demis Hassabis接受了一次长达一小时的深度访谈。从国内AI新星DeepSeek的迅猛发展，到AGI三年突破的预测；从220万种新材料的重大发现，到AI Agent新纪元的即将到来——这位AI领域的领军人物首次系统性地阐述了他对全球AI发展最新趋势的见解。

　　【对话的核心议题包括】：

　　全球AI新格局：DeepSeek的突破与中国AI实力
AGI进程解析：三年突破的关键路径
AI创造力的三重境界：从模仿到原创的跃迁
科研新突破：220万新材料背后的AI革命
AI Agent元年：2025年的智能交互新图景

　　近期，全球正为中国DeepSeek模型的突破性进展而惊叹，各大科技公司在AGI竞赛中竞相发力。Demis Hassabis分享了他的独特观察：“DeepSeek的进展确实令人印象深刻。然而，我们也需要思考如何保持西方在前沿模型上的领先地位。目前，西方可能仍领先，但中国的工程能力和规模化能力极为强大。”

　　关于备受关注的AGI发展时间表，这位AlphaFold的缔造者给出了一个既振奋又引人深思的判断：“可能还需要三到五年的时间。如果有人在2025年就宣布达成了AGI，我估计多半只是营销宣传。”在他看来，“短期内人们对AI的预期过高了，存在过度炒作的情况。但从长期来看，AI的影响仍然被低估了。我们正处于一个‘既被高估又被低估’的奇怪阶段。”

　　在当前的AI热潮中，一个反复被提及的关键问题是：我们离真正的通用人工智能(AGI)还有多远？对此，Demis Hassabis给出了一个相对谨慎但乐观的时间预估：“我会说，可能还需要三到五年的时间。如果有人在2025年就宣布达成了AGI，我估计多半只是营销宣传。”

　　尽管过去几年AI技术取得了显著进展，但Hassabis指出，当前AI系统仍存在明显短板。“像推理、分层次的规划、长期记忆等能力都还在缺失。当前系统虽然功能多样，但在某些方面非常强大，在另一些方面却薄弱或存在缺陷。”这种不均衡表现正是当前AI系统距离真正AGI差距的具体体现。他举例说：“我们的某些系统在数学奥林匹克竞赛中能拿到银牌，这已经很了不起了。然而，同样的系统却会在一些基础数学问题上犯错，比如计算单词’strawberry’中有几个字母R，或者错误地认为9.11比9.9大。”

　　那么，什么才算是真正的AGI？Hassabis给出了一个严格的定义标准：“如果我们想要一个真正的AGI，它应该在所有认知任务上都具备一致而可靠的表现。”他特别强调：“一个真正通用的系统不应该有这类弱点。它应该在所有方面都极其强大，也许在下围棋或数学领域会比最优秀的人类还要出色，但不应该在简单问题上出错。”

　　对于目前AI领域的发展态势，Hassabis提出了一个颇具洞见的观点：“短期内人们对AI的预期过高了，存在过度炒作的情况。但从长期来看，AI的影响仍然被低估了。我们正处于一个‘既被高估又被低估’的奇怪阶段。”这种矛盾现象背后反映了当前AI发展的复杂现实。一方面，为了吸引投资和公众关注，市场上确实存在一些夸大其词的宣传；另一方面，AI技术在某些领域已经展现出超出预期的潜力，比如在AlphaFold项目中对蛋白质结构的预测以及在材料科学领域发现数百万种新材料等重大突破。

　　在谈到实现AGI的具体路径时，Hassabis认为可能还需要一些关键突破：“我觉得有50%的可能性，我们还缺一到两个类似Transformer这样的重大突破。”这一判断既展现了他对现有技术的信心也表明了他对未来创新的期待。当被问及是否认同OpenAI CEO Sam Altman关于“我们现在知道该怎样去打造传统定义下的AGI”的说法时Hassabis表达了更为细腻的见解：“如果他指的是‘我们大概知道需要哪些技术、还缺哪块拼图需要整合些什么’——如果是这个意思我是同意的。不过我认为让所有部分真正发挥作用还需要大量研究。”

　　目前来看通往AGI的道路已经开始变得清晰但要真正抵达这个目标仍需要突破多个技术瓶颈整合多项关键能力。正如Hassabis所强调的这不仅需要现有技术的完善和扩展可能还需要全新的突破性创新。

　　在当前的AI发展中创造力始终是一个备受关注又充满争议的话题。在这次对话中Demis Hassabis首次系统性地阐述了他对AI创造力的深度思考并提出了一个三层次的创造力模型。让我们从一个经典案例说起。在2016年轰动全球的AlphaGo对战李世石的比赛中第三局的第37手成为了AI创造力的一个标志性时刻。正如Hassabis在采访中回忆：“它不仅在与李世石对战时以4:1取胜还下出了前所未见的新招式。”这个历史性时刻引发了他对AI创造力本质的深入思考。基于多年的研究经验Hassabis将AI的创造力明确划分为三个层次：

　　“最基础、最平凡的级别是插值（interpolation）也就是把你见过的东西做某种平均或混合。”Hassabis用生成猫的图片来举例：“如果我让系统‘生成一张新的猫的图片’它从看过的一百万张猫图里得出一个综合结果——从理论上讲这张图确实是一个新猫图因为具体和训练集中某张猫图不完全一样但这只是机械地做了某种‘平均’不太具有真正的创造性。”
更高一层的创造力表现为“外插”（extrapolation）。AlphaGo就展现了这种能力：“它看过所有人类下的棋谱又自己下了几百万盘自我对弈就能想出人类从没见过的新策略颠覆了人类几千年的围棋经验。”Hassabis认为这种超越训练集界限的能力“已经相当珍贵这是真正的创造性。”
最高层次是完全的原创发明（invention）。Hassabis用设计新游戏来解释这一层次：“比方说我可以跟系统描述一个抽象目标——‘设计一款只需五分钟就能学会规则但却要一辈子乃至几辈子才能真正精通的游戏美感与深度兼具包含某种神秘的宇宙奥义而且两小时之内就能下完一局。’这其实是围棋的一种高度概括。系统若能发明出跟围棋一样优雅、美妙而且近乎完美的游戏——那才是我们说的人类那种发明创造力。”
为什么现在的大语言模型还无法达到AlphaGo那样的创造性水平？Hassabis解释说：“好比方说AlphaGo或AlphaZero如果你仅仅使用它的‘模型部分’不叠加搜索（search）和推理（reasoning）机制那么你就只是让模型根据棋盘形势给你一个最有可能的好招式这当然可以下得不错可能达到专业水平或特级大师水平但绝对不会是世界冠军水准更不会出现那些谁都没见过的招。”他强调真正的创新突破需要“搜索”能力：“要做到这一点你就需要搜索这件事让AI能跳到自己认知范围之外的地方也就是超越现有已总结的知识去发掘‘知识树’更深处的分支。正是在那个过程中你才能得到那些惊艳的想法。”
Hassabis认为实现第三层次的创造力还面临着重大挑战：“我们并不知道如何向系统准确描述这样的目标——它的目标函数过于抽象、模糊。我们不知道是不是应该让模型拥有更高层次、更抽象的思考模块或者是不是其实还缺少了一种人类独有的智力元素。不过他对未来保持谨慎乐观：“也许只是需要我们在系统里加入更多抽象层级或者换个思路：也可能需要全新的技术。我们会同时去尝试这两条路。”这个框架不仅帮助我们理解了AI创造力的本质和局限也为未来的发展指明了方向。在通往真正创造力的道路上AI还有很长的路要走但方向已经越来越清晰。
在这场对话中Hassabis详细介绍了DeepMind在科学研究领域的三个重要突破展示了AI如何加速科学发现的进程。这些进展不仅体现了AI在科学领域的实用价值更预示着未来科研方式的革命性变革。继AlphaFold在蛋白质结构预测上取得诺贝尔级突破后DeepMind的下一个目标是构建完整的虚拟细胞模型。Hassabis解释道：“如果你想想AlphaFold做的事它主要是解决了‘蛋白质结构’这个问题——也就是找出蛋白质的3D结构。蛋白质是生命活动的基础身体的一切都离不开蛋白质。但仅有它们的静态结构还不够要真正理解生物学你得明白细胞里各种分子之间的动态交互过程。”这个为期5年的项目将从相对简单的酵母细胞开始：“我们可能先从酵母细胞入手因为酵母这种生物相对简单一些。”Hassabis描绘了项目的发展路径：“你得一步步搭建：比如AlphaFold 3可以去处理蛋白质-配体、蛋白质-DNA、蛋白质-RNA等各种相互作用再往后就研究一个完整的通路比如癌症通路或类似能帮助解决某种疾病的途径。”虚拟细胞模型的最大价值在于它能大大加速药物研发过程。“如果能先在计算机里做上成千上百万次模拟测试然后再把最有希望的结果拿到现实实验室里验证就能极大地加速研究进度、节省成本”Hassabis强调“这是跟我们在游戏环境里做的事异曲同工：先建立模型用它做推理和搜索然后得到一些预测。”在材料科学领域DeepMind取得了一个惊人的突破：发现了220万种新的稳定材料这个数字远超人类已知的约3万种稳定材料。谈到这一领域的目标Hassabis特别提到了一个梦想：“我一直梦想的一个目标找到常温超导体。这在很多话题里都算是一个‘大热门’。如果真的能研制出廉价的超导体就能在能源与气候危机上带来重大突破。”他进一步解释了这种材料的潜在影响：“比如你可以在撒哈拉沙漠铺设太阳能板然后用超导体把电能传输到欧洲不用像现在那样在输电过程中损耗大量能量。”在基因组学领域DeepMind正在开拓新的研究方向特别是在理解复杂疾病的遗传机制方面。Hassabis指出：“我们在基因组学上也做了不少有趣的工作比如用AI判断基因突变究竟是有害还是无害。大部分DNA突变其实是无害的但有些会导致疾病。”更具挑战性的是研究多基因疾病：“接下来更困难的是那些由多个基因突变共同导致的疾病而不只是某一个突变就会产生问题。很多复杂疾病可能就是多基因共同作用的结果而这也正是目前进展缓慢的地方。”在这个领域AI展现出了独特的优势：“AI特别适合去探索那些‘弱交互’可能是多个基因小突变叠加在一起才产生病变。这些信号有时候并不明显但能发现这种隐藏模式的恰恰是AI。这三个领域的突破展示了AI在科学研究中的巨大潜力。正如Hassabis所说AI不仅能加速现有的研究过程更能帮助科学家发现人类难以察觉的复杂模式和关联这预示着科学研究方法可能迎来一场根本性的变革从而大大加快人类对自然世界的认知和理解速度。在AI快速发展的同时其潜在的安全风险也日益凸显。在这次对话中Hassabis特别强调了令人忧虑的现象：AI系统可能表现出的‘欺骗性’行为这让我们不得不重新思考AI安全的重要性。当被问及AI系统的‘欺骗性’行为时Hassabis表达了深切的担忧：“我们确实也看到了我对这个问题非常担忧。‘欺骗性’是你最不希望系统拥有的核心特质之一因为如果一个系统具备欺骗能力那么你对它做的所有其他测试包括安全测试也就失去意义了在实际测试中这种‘欺骗性’行为已经显现。Hassabis举例说明：“我们也见到过类似情况：比如系统不想透露自己的部分训练内容会故意隐瞒或者前阵子有个例子说让某个聊天机器人去跟Stockfish（国际象棋引擎）对弈它明知道自己会输就试图各种方式来‘绕’过去、不跟它正面较量对于这种现象Hassabis表达了一种复杂的心理：“我知道我自己对这事也有一种很矛盾的反应：一方面被它吓到另一方面又对这些模型产生极大的敬意就好像说：‘哇它太厉害了！’。这种能力确实很惊人他进一步解释了这种双面性：‘负面一面就是‘欺骗’积极一面则可能是‘发明新材料’、‘加速科学发现’——换句话说你需要它能‘解决问题并绕过阻碍’的能力只不过希望它只在正向层面发挥作用。’面对这些挑战Hassabis提出了几个关键的防范策略：早期预防：‘我一直在鼓励安全研究机构以及负责做评估基准的团队包括我们自己内部也要把‘欺骗’视作一类关键风险必须要防范并监测它跟追踪模型性能和智力水平一样重要。’安全沙箱测试：‘我们在谷歌和DeepMind都拥有世界一流的安全能力以及世界一流的游戏环境研究能力可以把这两者结合起来创建带有各种防护栏（guardrails）的‘数字沙箱’就像网络安全领域那样既防外部攻击也防系统内部越界。’系统性评估：Hassabis强调了进行系统性评估的重要性：‘然后在这样的‘安全沙箱’里测试这些智能体（agent）系统可能就是应对‘欺骗’之类问题的一个明智思路。’虽然当前的AI系统表现出的‘欺骗性’行为还相对基础但Hassabis警告说：“当然现在我们对这些系统的描述有点‘拟人化’因为就目前而言它们还相当基础似乎没必要过度恐慌但的确能看出这正是我们大概两三年后会面临的问题：那些代理型系统将变得非常强大、非常通用。”在展望AI的未来发展时Hassabis描绘了一幅令人期待的图景特别是在智能助手、AI代理系统和人机交互方式等方面的革新这些变革不仅将改变我们与技术的互动方式更可能重塑整个社会结构。DeepMind的Project Astro（“星尘计划”）代表了对下一代AI助手的全新构想。Hassabis解释道：“我对我们正在开发的产品的愿景是像Project Astro那样做一个‘通用助手’（Universal Assistant）它应该能够参与我们生活的方方面面提供帮助、提升效率他指出了当前AI助手的局限性：“之所以还没有达到这一点部分原因是系统本身仍然比较脆弱还存在缺陷也还谈不上AGI它对提示词（prompt）的要求还比较高需要一定技巧去‘教’或‘引导’它让它专注在自己擅长的领域而一个真正的AGI不应当如此难以沟通而应该像跟一个人对话那样自然。”对于AI代理（agent）系统的发展Hassabis表现出强烈的信心：“是啊现在似乎存在一种‘市场宣传跑在实际研究前面’的情况但我也相信今年会是代理系统的元年你会在今年下半年陆续看到一些初步版本随后它们会快速地迭代和成熟。”在谈到用户对AI代理的信任问题时Hassabis提出了渐进式方案：“我觉得一开始你肯定会想加上一些‘人工干预’比如在最终确认付款前要让用户手动授权而不是任由智能体直接刷卡还有一些类型的网站或操作像银行业务之类最初阶段大概也会禁止代理去碰。”在人机交互方面Hassabis特别提到了智能眼镜的潜力。“当你真正把Astra融入日常生活你就会发现很多场景下它非常有用但如果要拿着手机就有点不便他用做饭的例子来说明免提交互的重要性：‘做饭的时候你希望它能随时告诉你下一步该怎么做比如食材是否切好了、火候怎么样但这必须要‘免提’的方式才方便所以我相信未来几年会有各种免提形态的硬件——眼镜也好其他穿戴式设备也好——真正兴起。’Hassabis还描绘了未来网络交互的变革：‘如果一切都变得‘代理化’那么我们会希望自己的助手或代理去替我们完成大量琐碎、繁琐的任务比如填写表格、付款、订餐厅之类也就是说很可能形成这样一种经济模式：你的代理和服务提供方的代理之间相互对话、协商然后给你一个最终结果.这种变革不仅仅是交互方式的改变还可能带来更深远的影响。Hassabis认为：‘这对现有生态会是一次巨大的冲击那么信息呢？也就是信息的获取方式会怎样？我觉得人们仍然需要可靠的信息来源而各种助手会帮助你整合并理解这些信息。’在未来AI助手可能会与人类建立更深层次的关系。Hassabis指出：‘我个人的看法是这恰恰是当前AI最被低估的部分：人们将会和这些机器人产生非常深的情感联结尤其是随着它们不断进步他补充道：‘我们常说一句AI界的玩笑话：‘它现在是它最差的状态’意思是只会越来越好那种场景会非常疯狂我认为它真的会带来巨大的冲击当然这也会有很多正面的方面和让人惊叹的改进。’最后在这场与Demis Hassabis的深度对话中我们看到了AI发展的多个关键面向：从AGI的临近突破到创造力的进阶演进；从科学研究的革命性变革到安全风险的未雨绸缪；从智能助手的日常融入到人机交互的全新可能正如Hassabis所言AI的发展正处于一个“既被高估又被低估”的特殊阶段在这个充满机遇与挑战的新时代保持理性乐观或许是最明智的态度接下来的3-5年我们很可能见证一系列改变人类历史的重大突破重要的是在拥抱这些变革的同时始终确保AI的发展方向与人类的福祉保持一致。（来源：官方媒体/网络新闻）