#514.DeepMind 创始人 Demis Hassabis 谈 AGI、AlphaFold 与科学发现的未来

📌 一句话摘要

DeepMind 创始人 Demis Hassabis 深度探讨实现 AGI 所需的关键组件：持续学习、长期推理与记忆，并分享了 AlphaGo、AlphaFold 的成功经验与 AI 驱动科学发现的下一个突破口。

📝 详细摘要

本期节目通过播放 Y Combinator 官方播客的中文 AI 声纹克隆版，呈现了 DeepMind 联合创始人兼 CEO、2024 年诺贝尔化学奖得主 Demis Hassabis 与 YC CEO Gary 的深度对话。Demis 提出，当前大模型虽已奠定坚实基础，但要实现通用人工智能，仍需攻克持续学习、长期推理和高效记忆等关键难题。他结合认知神经科学背景，回溯了早期 DQN 中「经验重放」的灵感来源，并阐述了强化学习与搜索哲学如何融入 Gemini 模型。此外，Demis 分享了小模型蒸馏技术的巨大潜力与设备端模型的隐私战略优势，并深入讨论智能体的真实进展与应用拐点。在科学发现方面，他提出「AlphaFold 范式」（巨大组合搜索空间 + 明确目标函数 + 足够数据/模拟器），并预测未来十年内将实现完整的虚拟细胞模拟，材料科学、药物发现等领域正处在类似 AlphaFold 爆发前的「临门一脚」时刻。最后，他为深科技创业者提出核心建议：预判 AI 走向，将 AI 与原子世界的深度技术结合，构建不易被基础模型更新淹没的护城河。

💡 主要观点

- AGI 最终架构还需攻克持续学习、长期推理和稳定记忆 Demis 认为当前预训练、RLHF 和思维链范式已很强大，但实现完全通用智能仍需一两个重大想法突破，尤其在让系统能主动学习和长期推理方面。

强化学习与搜索哲学正在回归并融入当今基础模型 AlphaGo 开创的蒙特卡洛树搜索等思路，正以更大规模、更通用的方式重新应用于现代表模型的推理增强，强化学习的作用仍被低估。

蒸馏技术远未触及极限，设备端小模型具有速度和隐私优势 前沿模型发布半年后，其核心能力可被压缩进极小模型；设备端+云端协同是理想终局，兼顾效率、隐私与机器人部署需求。

智能体是通往 AGI 的关键路径，但尚在实验早期 尽管智能体炒作热度高，但当前仍需大量人工干预，还未能产生完全自主的 3A 级产品；未来 6-12 个月内有望从效率工具转向真正创造价值。

科学突破遵循「AlphaFold 范式」：大搜索空间+明确目标+模拟器 材料科学、药物发现等领域正处在类似突破前夜，Demis 预测十年内可实现完整虚拟细胞，并提议用「爱因斯坦测试」检验 AI 的科学推理与创新能力。

💬 文章金句

- 持续学习、长期推理，还有记忆的某些方面，这些仍然没有解决。我觉得要实现 AGI 这些全都需要……但可能还需要一两个重大的想法去突破。

• 我认为人生特别短……还不如把自己的生命力投入到那些如果你不做，就不会有人去推动、真正能改变世界的事情上。
• 我从我们做过的所有 alpha 项目中学到的经验是，我们现有的技术在面对那种可以描述为巨大组合搜索空间的问题时特别有效。
• 我觉得更好的办法是有真正强大的通用工具调用模型……你需要非常认真地想清楚，一边要想象那个世界会是什么样子，一边去构建一些哪怕 AGI 在你走到一半时降临依然能派上用场的东西。
• 我拿科学来打比方，它能不能自己提出一个真正有趣的假说，而不只是去解题……一旦它能做到了，我就觉得我们离发明真正全新事物的临界点不远了。

📊 文章信息

AI 初评：85

来源：跨国串门儿计划

作者：跨国串门儿计划

分类：人工智能

语言：中文

阅读时间：52 分钟

字数：12979

标签： AGI, 持续学习, 长期推理, 强化学习, 蒸馏技术

收听完整播客