Google DeepMind CEO深度对话：评DeepSeek、预测AGI突破点与AI Agent元年（附视频）

导语：在刚刚结束的2025达沃斯论坛后，1月24日Google DeepMind的CEO、诺贝尔奖得主Demis Hassabis再次接受了长达一小时的深度专访。从中国AI新势力DeepSeek的惊人崛起，到AGI三年突破的大胆预测；从220万种新材料的重大发现，到即将到来的AI Agent元年——这位AI领域的领军人物首次系统性地阐述了他对全球AI发展的最新思考。

【对话的核心议题：】

1. 全球AI新格局：DeepSeek的突破与中国AI实力

2. AGI进程解析：三年突破的关键路径

3. AI创造力的三重境界：从模仿到原创的跃迁

4. 科研新突破：220万新材料背后的AI革命

5. AI Agent元年：2025年的智能交互新图景

最近，当全世界正为中国DeepSeek模型的突破性进展惊叹，当各大科技公司在AGI竞赛中竞相发力，Demis Hassabis给出了他的独特观察：'DeepSeek的进展确实令人印象深刻。我们也必须思考如何保持西方在前沿模型上的领先地位。目前西方可能还是领先的，但中国确实具有极强的工程和规模化能力。'

而对于备受关注的AGI发展时间表，这位AlphaFold的缔造者给出了一个令人振奋又深思的判断：'可能还需要三到五年的时间。如果有人在2025年就宣布他们已经达成了AGI，我估计多半是营销上的宣传吧。'在他看来，'短期内人们对AI的预期有点过高了，甚至有些过度炒作。但从中长期来看，AI的影响仍然被低估了。我们就处在一个'既被高估又被低估'的奇怪阶段。'

一、被高估又被低估的人工智能

在当前的 AI 发展热潮中,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却不失乐观的时间预估：'我会说,可能还需要三到五年的时间。如果有人在 2025 年就宣布他们已经达成了 AGI,我估计多半是营销上的宣传吧。'

AGI：比想象更复杂的拼图

尽管过去几年 AI 技术取得了令人瞩目的进展,但 Hassabis 指出,当前的 AI 系统仍存在明显的短板。'像推理、分层次的规划、长期记忆这些都还在缺失。当前的系统的确有很多功能,但它们在一些方面非常强大,却在另一些方面仍然很薄弱或存在缺陷。'这种不均衡的表现正是当前 AI 系统距离真正 AGI 还有差距的具体体现。Hassabis 举例说明：'我们有些系统在数学奥林匹克竞赛里可以拿到银牌,这已经很了不起了。然而同样是我们的某些系统,却依然会在一些基础数学问题上犯错误,比如典型的算'strawberry'这个单词里有几个字母 R,或者搞错 9.11 和 9.9 哪个更大之类。'

AGI 的真正标准

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出现这类弱点。它在所有方面都应该非常强大,也许在下围棋或者数学领域会比最优秀的人类还要出色,但不该在简单问题上跌跟头。'

当前形势：既被高估又被低估

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 的预期有点过高了,甚至有些过度炒作。但从中长期来看,AI 的影响仍然被低估了。我们就处在一个'既被高估又被低估'的奇怪阶段。' 这种矛盾的现象背后,反映出当前 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。

迈向 AGI 的必经之路

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。'这个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。

二、AI创造力的三重境界

在当前的AI发展中，创造力始终是一个备受关注却又充满争议的话题。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。

'第37手'：AI创造力的启示

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。

AI创造力的三重境界

基于多年的研究经验，Hass abis 将AI的创造力明确划分为三个层次：

• 第一层：插值式创造

'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。'

• 第二层：外插式创新

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。'

• 第三层：原创式发明

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。'

当前AI创造力的瓶颈

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。'

走向真正的创造力

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，或者换种思路：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。

三、AI助力科学突破

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。

虚拟细胞：生命科学的新突破口

继 AlphaFold 在蛋白质结构预测上取得诺贝尔级突破后，DeepMind 的下一个雄心勃勃的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。'

项目规划与潜在影响

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。'

材料科学的新突破

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，是找到常温超导体。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。'

基因组学研究的新进展

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。'

AI 的独特优势

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。

四、AI安全的潜在风险和管控

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 特别强调了一个令人忧虑的现象：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。

AI的'欺骗性'

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。

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。

安全挑战的双重性

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。'

防范措施：及早布局

面对这些挑战，Hassabis 提出了几个关键的防范策略：

1. 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。'

2. 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。'

3. 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。'

五、AI助手与人机交互的新纪元

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。

Project Astro

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。'

AI代理系统的元年

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。

Web的未来演变

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。'

AI与人类关系的新维度

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