HassabisI时间表：只剩5年新智元

AGI五年倒计时已开启！Hassabis预测，或许仅需一两个AlphaGo级别的突破，我们就有望在5年内见证AGI降临，而它的速度和影响力将10倍于工业革命。

人类距离AGI，只差1-2个关键技术突破！

刚刚，诺奖得主、Google DeepMind掌门人Demis Hassabis给出了AGI的终极时间表！

他认为，5年之内，或许仍需1–2项重大技术突破，我们就可能跨越通往AGI的障碍。

在乐观预测的同时，Hassabis也不忘给我们泼一些冷水：

他认为仅靠扩大数据与算力可能不足以实现AGI。

比如，Hassabis认为大模型虽然强大，但缺乏对物理世界、逻辑推理和长期规划的真正理解。

因此，要实现AGI，大模型需要补上的一块拼图就是「世界模型」。

此外，Hassabis还认为AI将是科学发现的终极工具。

AlphaFold只是开始，AI将在未来10年内开启科学发现的黄金时代，尤其是在药物研发、疾病治愈、新材料发现和清洁能源（聚变）等领域。

而这无疑也会加速AGI到来。

如果Hassabis预言成真，这将是一个巨大的变革时刻，它的速度和影响力将10倍于工业革命。

而我们每个人也将置身于这场史诗级巨变的冲击之下。

为什么大模型还不是AGI？

以我们最熟悉的ChatGPT、Gemini等大模型为例。

也许你会觉得它们虽然有时在某些高难任务上表现突出，但也时常在一些简单题上出错。

Hassabis用了一个非常精准且形象的词来描述这种状态：「参差不齐的智能」（Jagged Intelligence）。

这就像班里那些偏科极其严重的学生。

他们在文科和编程上可能是个天才，但在物理常识、逻辑推理和长期规划上，可能还不如普通学生的水平。

为什么会这样？

Hassabis一针见血地指出了大语言模型（LLM）的本质局限：它们只是顶级的「概率预测机」。

它们并不是真的「理解」了这个世界，它们只是在预测下一个字出现的概率，因此缺乏对现实世界物理规律的认知，也没有像人类那样拥有一个连贯的、能够自我修正的思维模型。

所以，它们在某些事情上极其擅长，但在另一些方面完全不行。

这就好比你让一个只会背诵棋谱但不懂围棋规则的人去下棋，前几步可能像模像样，但一旦局势变得复杂，需要跨越几十步去思考策略时，他立刻就会崩盘。

因此，想要从现在的「偏科生」进化到全知全能的AGI，仅仅把模型做大（Scaling）已经不够了。

我们需要质的飞跃，补上通往AGI的关键性拼图。

通往AGI的关键拼图

Hassabis具体指出了这一两项关键技术突破的方向。

「世界模型」

如果说大模型是「读万卷书」，那么「世界模型」（World Models）就好比是「行万里路」。

所谓世界模型，是指能预测和模拟环境状态随行动变化的模型，其核心逻辑是真正「理解」物理世界的运行规则。

现在的大模型，如果你问它「杯子从桌上掉下来会怎样」，它是根据文本概率告诉你「可能会碎」。

但拥有世界模型的AI，它在「脑海」里真正模拟了重力、摩擦力、玻璃的易碎性，它「看」到了杯子掉落的过程。

目前，DeepMind正在研发像Genie和Veo这样的视频/交互模型，作为构建世界模型的雏形。

这也是AI从「数字世界」走向「物理世界」的前提。

只有懂得了物理法则，AI才能驱动机器人去端茶倒水、去拧螺丝、去处理现实中复杂的因果关系，而不只能够陪人聊天。

「智能体系统」

有了理解世界的能力还不够，AI还需要具备在世界中「行动」的能力。

这就是第二个突破：智能体系统（Agentic Systems）。

现在的AI是被动的：你问一句，它答一句。

而未来的Agentic AI是主动的。

你给它一个模糊的目标，比如「帮我策划并预定一次去某地的旅行」。

它就能把它拆解成几十个步骤：查机票、比价、订酒店、规划路线、根据天气调整行程……

更重要的是，它具备「认知纠错」的能力。

如果在执行过程中发现机票涨价了，或者酒店没房了，它能像人类一样停下来，重新思考，调整计划，而不是直接报错或者死循环。

Hassabis还特别提到了DeepMind的「秘密武器」：AlphaGo。

当年的AlphaGo之所以能击败人类冠军，就是因为它具备了这种「规划」能力，它能推演未来几十步的棋局变化。

现在的目标，就是把这种在棋盘上的「规划」能力，泛化到现实世界的具体场景中。

当大模型的广博知识，遇上世界模型的物理认知，再加上智能体系统的行动能力，就可能补齐通往AGI的关键拼图，迎来AGI降临的时刻。

比工业革命快十倍的未来

Hassabis如此执着于AGI，并不是为了造出一个更会聊天的Siri，或者是为了让广告推荐更精准。

他的野心写在了DeepMind的核心使命上，这一点也从未变过：

AI for Science（用AI推动科学） 。

在Hassabis等人撰写的一篇官方博客中，曾表示DeepMind将于2026年在英国建立其首个自动化实验室，聚焦材料科学研究。