探索智能的边界：DeepMind掌舵人德米斯·哈萨比斯的终极蓝图 | 附4万字访谈全文

文:Web3天空之城.城主

在与Lex Fridman的最新深度对话中，谷歌DeepMind的领导者、新晋诺贝尔奖得主德米斯·哈萨比斯（Demis Hassabis）以前所未有的系统性，揭示了他对人工智能、宇宙规律乃至人类文明未来的构想。哈萨比斯提出一个颠覆性猜想——一个“可学习的宇宙”。这一理论不仅是他解读AlphaFold等成就的哲学基石，更构成了他通往通用人工智能（AGI）并最终解决人类最根本挑战的清晰蓝图。从模拟物理世界、重塑交互娱乐，到驾驭能源危机和生命之谜，哈萨比斯正在为我们描绘的，是一个由AI驱动、彻底摆脱稀缺性限制的文明新纪元。

核心观点摘要

“我的猜想是，自然界中可以生成或发现的任何模式，原则上都可以通过经典的机器学习算法有效地发现和建模。宇宙是一个信息系统，因此，P vs NP本质上是一个物理学问题，我认为这是最根本的问题之一。”

“像VEO这样的视频生成模型，能够很好地模拟液体、材料和光照，这令人惊讶。这些系统本质上是在通过观看YouTube视频对物理学进行逆向工程。这暗示了关于现实本质的某些深层东西。”

“选择正确的问题是科学中最难的部分。一个系统能否提出一个值得研究的猜想，比解决它要难得多。这是一种更高级的创造力，也是通往AGI路上的关键。今天的系统绝对无法做到这一点。”

“在人类历史上，我们将第一次不受资源限制。如果我们能正确利用AI解决能源问题——无论是聚变还是太阳能——就能开启一个资源极大丰富的后稀缺时代，摆脱零和博弈。”

“我不认为这是一场竞赛。重要的是，我们所有处于领先地位的人，都有责任为了人类的利益，安全地将这项令人难以置信的技术引入世界。我希望最终国际社群能够团结起来。”

“AI带来的变革，其影响可能相当于工业革命的10倍，但速度也快了10倍。这种影响与速度的乘积效应，将使社会更难应对。”

“构建人工智能，然后将其与人类思维进行比较，将是揭示人类思维特殊之处的最佳方法。这会帮助我们理解当我们处理信息时，信息所感觉到的方式——也就是意识。”

一切的起点，源于哈萨比斯在诺贝尔奖演讲上抛出的一个深刻猜想。他认为，宇宙中的自然模式——从蛋白质在我们体内毫秒级的折叠，到山脉在千万年风化中的形成——并非随机混沌，而是具有内在的“可学习性”。

“自然系统具有结构，因为它们受到塑造它们的进化过程或‘最稳定者生存’法则的影响，” 哈萨比斯解释道，“如果这是真的，那么应该存在某种低维流形（low-dimensional manifold），你可以逆向学习，它能帮助你高效地搜索到正确的解决方案，因为它不是随机模式。”

这一视角彻底重构了我们对AI能力的理解。无论是AlphaGo在围棋10^170种可能性中的惊天一手，还是AlphaFold在蛋白质10^300种构象中的精准预测，其本质都不是蛮力破解。相反，它们是通过构建环境的精确模型，在这个充满结构性的“景观”中，循着梯度进行智能搜索，从而将指数级复杂的NP难题，转化为多项式时间内可解的问题。

这一思想的终极延伸，是将计算机科学的经典难题与宇宙的物理本质直接关联。“我一直对P=NP问题着迷，” 哈萨比斯说，“我倾向于认为信息是宇宙中最基本的单位，比能量和物质更基本。当你把宇宙看作一个信息系统时，那么P=NP就是一个物理学问题。我认为它的答案将会非常具有启发性。” 在他看来，我们今天所见的AI奇迹，仅仅是经典图灵机潜能的冰山一角，而AGI将是这种潜能的终极体现。

二 | 现实模拟：当AI成为世界的物理引擎

如果宇宙是可学习的，那么AI模拟物理世界的能力便有了理论根基。哈萨比斯眼中最震撼的例证，正是谷歌最新的视频生成模型VEO。当公众惊叹于其生成的喜剧短片时，这位前游戏物理引擎开发者却看到了更深层的东西。

“我喜欢那些有人生成透明液体通过液压机被挤压的视频，” 他分享道，带着一种技术专家的兴奋，“我早年在游戏行业编写过物理引擎，我知道构建能做到这一点的程序是多么令人费力。然而，不知何-何，这些系统正在通过观看YouTube视频对物理学进行逆向工程。”

VEO对流体、镜面反射和光照的精准模拟，意味着它已经内化了一种“直觉物理学”（intuitive physics）——一种关于世界如何运作的常识性理解。这有力地挑战了“AI必须通过与物理世界直接互动才能获得理解”的传统“具身智能”理论。“看起来你可以通过被动观察来理解它，这对我来说非常令人惊讶，” 哈萨比斯坦言，“我认为这再次暗示了关于现实本质的某些深层东西。”

而这仅仅是开端。模拟一个静态的世界之后，下一步必然是与之互动。

三 | 交互前沿：重塑娱乐与创造的未来

哈萨比斯对未来的构想，充满了他在游戏设计黄金时代（90年代）的激情。他曾主导开发了《主题公园》、《黑与白》等里程碑式的开放世界游戏，而如今，他认为AI将最终实现他当年的终极梦想：一个真正动态、个性化、由玩家与AI共同创造的无限世界。

他精准地指出了当前开放世界游戏的局限——所谓的自由选择，往往只是精心设计的“选择的幻觉”，正如在经典游戏《史丹利的寓言》中所讽刺的那样。而未来的游戏将彻底打破这一桎梏。“你希望能够在这个游戏环境中潜在地做任何事情，” 他描绘道，“我认为实现这一点的唯一方法是拥有生成系统，即能够动态生成内容的系统……它能够动态地改变故事，围绕叙事进行讲述，并使其无论你最终选择什么都充满戏剧性。这就像终极的‘选择你自己的冒险’式游戏。”

想象一下，一个互动版的VEO，你不再是观看视频，而是可以走进视频，你的每一个行为都会引发世界合乎逻辑的、充满创造性的响应。这不仅将颠覆价值数千亿美元的娱乐产业，更预示着一种全新的创造范式——当每个人都能利用AI将想象力变为可交互的现实时，创造的门槛将被极大降低。

四 | 通往AGI之路：超越规模与探寻“研究品味”

对于何时能实现通用人工智能（AGI），哈萨比斯给出了一个具体的概率预测：“未来五年内有大约50%的几率，比如说，到2030年。” 但他反复强调，通往AGI的道路并非仅仅依赖于计算规模（Scale）的无限扩展。他认为，可能还需要类似于AlphaGo“第37步”棋那样的、能够跳出人类已知范畴的重大研究突破。

在这里，他引入了一个至关重要的概念：“研究品味”（Research Taste）。

“我认为品味或判断力这个概念，将是最难模仿或建模的事情之一。它区分了伟大科学家和优秀科学家，” 他深刻地指出，“选择正确的问题是科学中最难的部分，以及提出正确的假设。一个系统能否提出一个值得研究的猜想，比解决它要难得多。这是一种更高级的创造力，也是今天的系统绝对无法做到的。”

他设想的AGI终极测试之一，就是看系统能否在拥有1900年前所有知识的情况下，独立推导出狭义与广义相对论。这考验的正是这种提出深刻、可证伪且能推动知识边界的假设的能力。

为了攀登这一高峰，DeepMind正双管齐下：一方面继续扩展模型规模，另一方面则通过AlphaEvolve（用LLM引导进化算法）、AlphaProof（解决数学奥林匹克难题）等项目，探索让AI系统实现创造力飞跃的全新路径。

五 | 文明重构：作为终极工具的AGI

在哈萨比斯的宏伟蓝图中，AGI并非终点，而是解决人类文明最根本挑战的“终极工具”。他个人职业生涯的梦想，是构建一个完整的“虚拟细胞”，以原子级的精度模拟细胞内部所有动态交互。他与导师、诺贝尔奖得主保罗·纳斯（Paul Nurse）探讨这个想法长达25年，而今天，随着AlphaFold 3开始模拟蛋白质间的复杂互动，这个梦想正变得触手可及。它有望将药物研发的速度提升百倍，彻底改变生命科学。

目光放得更远，他相信AI将是破解能源危机的钥匙。“我认为聚变和太阳能是我会押注的两种能源，” 他断言。AI可以帮助设计更优的聚变反应堆（DeepMind已与联邦聚变公司合作）、发现室温超导材料、或创造更高效的太阳能电池板。

“如果我们以其中一种方式解决了能源问题，” 哈萨比斯展望道，“那么在人类历史上，我们将第一次不受资源限制。用水问题消失了，因为海水淡化变得廉价；我们拥有无限的火箭燃料。我认为这将开启一个资源极大丰富的后稀缺时代，摆脱零和博弈。”

然而，这位乐观的远见者也发出了清醒的警告。他预见到，这场变革的社会冲击将是空前的。“我认为我们将看到的影响可能相当于工业革命的10倍，但速度也快了10倍，” 他说，“这种影响与速度的乘积效应，将使社会更难应对。” 他呼吁全球顶级的经济学家、哲学家和政治家，现在就开始严肃思考如何设计新的社会契约和治理结构，以应对即将到来的大规模职业颠覆和财富分配挑战。

结语：智能的责任与人性的回响

尽管身处一场被外界描绘为“军备竞赛”的科技浪潮中心，哈萨比斯却始终保持着一种科学家的冷静与责任感。他将领导DeepMind的经历比作运营一家“大规模的创业公司”，在庞大的谷歌体系内保持着果断与活力。但他拒绝用“获胜”来定义自己的目标。

“我不认为这是一场竞赛，” 他郑重地表示，“重要的是，我们所有处于领先地位的人，都有责任为了人类的利益，安全地将这项令人难以置信的技术引入世界。我希望最终国际社群能够团结起来，当越来越接近AGI时，人们会明显地意识到这是必需的。”

在他看来，这段探索人工智能边界的旅程，最终也将引领我们回到对自身的审视。正如他所引用的理查德·费曼的名言——“我无法创造的，我就不理解”，哈萨比斯相信，“构建人工智能，然后将其与人类思维进行比较，将是揭示人类思维特殊之处的最佳方法。” 这或许关乎意识的本质，关乎碳基生命与硅基智能处理信息时那“感觉到的方式”的奥秘。

原访谈4万字全文传送: