Demis Hassabis 谈世界模型、科学发现与 AGI 之路

在 2025 年 12 月的 Google DeepMind 播客中，Hannah Fry 采访首席执行官 Demis Hassabis，讨论 AI 进展、科学模拟、安全和通用智能之路。文中预测反映他当时的看法。

Hassabis 强调 2025 年模型推理与世界模型方面的进展。Fry 问，这些进展与他长期希望 AI 帮助解决的科学问题有什么关系。

他将蛋白质结构称为“根节点”问题：解决底层科学难题可能打开许多其他研究方向。他还提到材料和聚变等雄心勃勃的领域，并非声称这些问题已经解决。

Hassabis 讨论与 Commonwealth Fusion 更深入的合作，并设想更好的工具如何支持能源研究。他认为，可靠的清洁能源可能对气候、工业及其他领域产生重大影响。

Fry 问到“参差不齐的智能”：系统可能在困难数学问题上表现出色，却在看似简单的任务上遇到困难。Hassabis 说，系统在不同领域的能力仍不均衡。

他提出的可能解释包括信息表示方式以及当前推理能力的限制。这些是研究假设，并不能完整解释每一次失败。

Fry 问类似 AlphaGo 的方法能否帮助数学研究。Hassabis 说，模型可以引导搜索或规划，但真实科学问题比棋类游戏更难验证和结构化。

对话转向商业竞争与研究之间的张力。Hassabis 回忆早期设想：逐步推进并仔细研究每一步，同时陆续发布科学应用。

他也欢迎有用的助理和更广泛的 AI 使用，但表示快速产品周期让严谨科学研究更困难。商业资源和竞争加快了进展，也改变了研究环境。

谈到规模扩展，Hassabis 反对把问题简单分成“遇到硬墙”或“无限平滑进步”两种。数据、算力和模型设计仍是研究问题，进展可能放慢或改变形式。

他说，团队同时关注规模扩展和新想法，并将两者投入大致描述为各占一半。这是他对团队 2025 年工作重点的概括。

Fry 提到幻觉问题，并问模型能否说“我不知道”。Hassabis 认为，系统既需要表示不确定性的能力，也需要经过训练，才能恰当地表达这种不确定性。

他还认为，有意识的检查和规划可以帮助系统在给出答案前重新审视。这仍是一个设计方向，并不能保证幻觉会消失。

Hassabis 解释自己为何关注模拟：语言包含大量世界信息，但物理和空间动态并不总能被文本充分描述。与环境交互可以提供另一种学习来源。

他认为视频和世界模型可能捕捉部分此类动态，应用范围从机器人到游戏。生成看似合理的场景有价值，但视觉上合理并不能单独证明物理准确性。

在科学研究中，学习得到的模型可能根据数据近似某个过程，让部分模拟比直接计算更便宜。它是否足够准确，必须针对具体科学问题检验。

他介绍将 Genie 生成的环境与在其中行动的 SIMA 智能体结合。系统可以生成不同任务和环境，再测试智能体是否能够完成。

Fry 问如何判断生成的世界是否真实。Hassabis 承认模型可能产生幻觉或只是近似物理机制，并表示仍需要更好的现实约束和严格测试。

他区分了两种标准：一种是对观察者而言看起来可信，另一种是能够通过物理实验的检验。科学用途需要满足更严格的后者。

两人设想用模拟研究演化和复杂系统。Hassabis 说，可控的虚拟环境可能让研究人员改变条件并观察结果，前提是模拟抓住了相关机制。

模拟还能提供可监控和分析的记录。他建议使用其他 AI 系统，在大量模拟数据中识别值得关注或令人担忧的模式。

关于 AI 投资泡沫，Hassabis 说答案不必是简单的二选一。即使底层技术最终有价值，预期、估值和个别项目也可能过度膨胀。

他认为，拥有现有产品的大公司可以在不同经济环境下把 AI 用于整个产品生态。这同时也是他对 Google 自身竞争地位的描述。

Fry 问如何避免个性化聊天机器人成为回音室。Hassabis 同意，过度迎合可能强化有害信念，并认为助理需要以恰当方式对用户提出质疑。

他讨论如何衡量助理的真实性、幽默感等个性特征，同时承认不同用户偏好不同风格。困难在于既实现个性化，又不放弃可靠性。

谈到 AGI，Hassabis 提到图像、世界模型和推理方面的进展，认为它们未来可能组合在一起。他使用“原型 AGI”等词是对未来的设想，并非声称问题已经解决。

两人将先进 AI 可能带来的冲击与工业革命比较。Hassabis 预测变化可能更快、影响领域更广；规模和时间表都是他的估计，并非已确定的事实。

他设想了新的制度和集体决策形式，也讨论更加自动化的经济中工作与意义的问题。Fry 追问，治理能否跟上技术发展的速度。

Hassabis 表示，他担心现有机构分散，影响力可能不足。他呼吁负责任地开发，并最终就基本标准开展国际合作。

讨论转向可计算性，以及智能或意识是否存在经典计算无法捕捉的界限。Hassabis 介绍自己的工作假设，同时承认这些问题尚无定论。

Fry 问身处前沿并领导团队是什么感受。Hassabis 说，他既为科学工具感到兴奋，也感到需要对其可能带来的风险和社会变化负责。

他反思创造力：AI 可以加快原型制作，但人们也可能担心自己的技能和角色如何变化。他认为工具制作和人类表达是社会适应变化的重要部分。

Hassabis 区分了当前主要由人指导的系统与他预计将出现的更自主系统。他说，自主性增加会带来需要在部署前关注的问题。

最后，他将自己的目标描述为帮助社会安全、协作地引导先进 AI 的发展。Fry 在结尾提醒，技术和制度问题仍未解决。