DeepMind 创始人 Hassabis 语出惊人：百万 token 只是在贴胶带，AGI 在 2030 年

📌 一句话摘要

本文提炼了 DeepMind 创始人 Demis Hassabis 在 YC 访谈中的核心观点，评估 AGI 进展、缺失的关键能力，并预测 AGI 可能在 2030 年左右实现。

📝 详细摘要

文章基于池建强对 Demis Hassabis 在 YC 访谈的解读，系统梳理了其对 AGI 发展的坦率评估。Hassabis 认为当前的大规模预训练、RLHF 和思维链等范式很可能是最终架构的一部分，但持续学习、长期推理和记忆等关键问题仍未解决，可能还需要一两个关键突破。他预测 AGI 可能在 2030 年左右到来。文章还讨论了强化学习的回归、Agent 的现状与瓶颈、小模型蒸馏与开源的战略逻辑、推理成本不会归零、AI 在科学发现中的应用（如 AlphaFold 式突破），以及给创业者的建议。整体上，这是一篇对前沿 AI 思想的高质量编译与解读。

💡 主要观点

- AGI 还缺持续学习、长期推理和记忆等关键能力。 当前百万 token 上下文窗口只是权宜之计，AI 缺乏从海量信息中精准提取所需信息的能力，也无法像人类一样在睡眠中整合新知识。

强化学习范式正在以更通用的形式回归。 思维链推理模型本质上是 AlphaGo 开创的理念的延续，但当前推理仍粗糙，模型会犯低级错误，说明推理机制还不完整。

Agent 仍处于试验阶段，缺乏持续学习能力是瓶颈。 目前 Agent 无法从具体环境中实时学习，全自动智能体不会首先出现，更可能的路径是先有 1000 倍效率的个人，再逐步自动化。

小模型的天花板还很远，开源是战略选择。 前沿模型能力一年内可下放到边缘设备，蒸馏的理论极限远未达到。Google 将小模型开源，既是应对逆向工程，也是保持西方技术栈竞争力的地缘策略。

科学发现是 AI 的终极应用，但真正的创新仍需突破。 AlphaFold 式突破需要大规模组合搜索空间、明确目标函数和足够数据。但像爱因斯坦提出相对论这样的类比推理和全新假设，目前 AI 还无法做到。

💬 文章金句

- 百万 token 的上下文窗口已经很大了，但是把一切都塞到上下文里的做法本质上是在用胶带勉强应付。

• 仅仅想出第 37 步棋是不够的。这很酷，但它能发明围棋吗？
• 全自动智能体不会首先出现。更可能的路径是：先有人以 1000 倍效率运行，然后流程逐步自动化。
• 推理成本下降不会带来'免费智能'，而是催生更大的消耗。
• 解决困难问题并不比解决简单问题更难——它们只是难的方式不同。

📊 文章信息

AI 初评：86

来源：MacTalk

作者：MacTalk

分类：人工智能

语言：中文

阅读时间：12 分钟

字数：2796

标签： Demis Hassabis, AGI, DeepMind, 强化学习, AI Agent

阅读完整文章