不圓 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAI

Nano Banana如此火爆，讓谷歌DeepMind CEO哈薩比斯在最新訪談中又一次聊起了AGI。

如果我們?cè)谖磥?lái)十年內(nèi)擁有完全的AGI，將開(kāi)創(chuàng)一個(gè)科學(xué)的黃金時(shí)代，一種新的文藝復(fù)興。

Nano Banana當(dāng)然不是AGI，但它也體現(xiàn)了哈薩比斯認(rèn)為AGI系統(tǒng)所需的一些關(guān)鍵能力和特征。

哈薩比斯曾經(jīng)預(yù)測(cè)過(guò)我們可能會(huì)在2030年左右實(shí)現(xiàn)AGI，但亟待突破的瓶頸在于：目前AI系統(tǒng)并非真正的“博士級(jí)智能”，因?yàn)樗鼈儍H僅是在某些領(lǐng)域表現(xiàn)出色，但在其他方面仍會(huì)犯簡(jiǎn)單錯(cuò)誤。

并且，今天的AI還沒(méi)有“真正的創(chuàng)造力”，不能提出新的猜想或者假設(shè)。

要構(gòu)建AGI，需要理解我們周?chē)氖澜绾臀锢硎澜纾粌H僅是語(yǔ)言或數(shù)學(xué)的抽象世界。

雖然面對(duì)著上述挑戰(zhàn)，但哈薩比斯依然堅(jiān)信AGI的到來(lái)將開(kāi)啟一個(gè)“科學(xué)的黃金時(shí)代”，并在能源、健康等多個(gè)領(lǐng)域?yàn)槿祟?lèi)帶來(lái)巨大益處。

網(wǎng)友表示：迄今為止，這是關(guān)于通往AGI之路的挑戰(zhàn)和機(jī)遇的最真實(shí)對(duì)話(huà)之一。

話(huà)不多說(shuō)，量子位為大家翻譯整理了這次訪談，讓我們一起來(lái)看：

能生成逼真的物理交互場(chǎng)景，本身就是系統(tǒng)深度理解世界規(guī)律的證明。人形機(jī)器人對(duì)日常任務(wù)極具價(jià)值，但專(zhuān)用機(jī)器人形態(tài)同樣有其不可替代的應(yīng)用場(chǎng)景。AGI應(yīng)該具備原始的創(chuàng)造能力，而不僅僅是優(yōu)化現(xiàn)有體系。并非所有人都能獲得相同輸出質(zhì)量，因?yàn)槠渲羞€涉及使用技巧、審美視野和敘事能力等專(zhuān)業(yè)素養(yǎng)。我認(rèn)為在未來(lái)10年內(nèi)，藥物研發(fā)周期有望從數(shù)年甚至十年縮短到幾周甚至幾天。Nano Banana的強(qiáng)大之處不僅在于它是頂尖圖像生成器，更在于其驚人的一致性混合系統(tǒng)的終極目標(biāo)是將已驗(yàn)證的解決方案上游化整合到學(xué)習(xí)組件中。

諾貝爾獎(jiǎng)和谷歌DeepMind

主持人：首先，恭喜你獲得諾貝爾獎(jiǎng)。感謝X，感謝AlphaFold取得的驚人突破。也許你之前講過(guò)，但我知道在座的各位都很想聽(tīng)你講述一下，你獲得諾貝爾獎(jiǎng)時(shí)身在何處、當(dāng)時(shí)的情景是怎樣的？

哈薩比斯：那是一個(gè)非常超現(xiàn)實(shí)的時(shí)刻（笑），這一切都太讓人難以置信了。他們會(huì)在一切上線(xiàn)前大約10分鐘通知你。當(dāng)你接到來(lái)自瑞典的電話(huà)時(shí)，你會(huì)如遭雷擊——這是每個(gè)科學(xué)家夢(mèng)寐以求的電話(huà)。然后是幾場(chǎng)儀式，在瑞典與皇室成員一起度過(guò)了整整一周，太神奇了。

最神奇的是，他們會(huì)從保險(xiǎn)箱的金庫(kù)中取出諾貝爾獎(jiǎng)證書(shū)，然后你就可以在上面簽名，與其他偉大的獲獎(jiǎng)?wù)卟⒘?。這是一個(gè)相當(dāng)不可思議的時(shí)刻，在其他頁(yè)面你可以看到費(fèi)曼和費(fèi)恩、瑪麗·居里、愛(ài)因斯坦和尼爾斯·玻爾，然后你繼續(xù)往后翻，就可以把自己的名字也寫(xiě)進(jìn)那本書(shū)里。

主持人：你是不是隱隱約約覺(jué)得自己被提名了，知道這件事可能就要降臨到你頭上？

哈薩比斯：說(shuō)到底，現(xiàn)在這個(gè)時(shí)代還能把消息封鎖得這么嚴(yán)密，其實(shí)挺驚人的——但這項(xiàng)技術(shù)確實(shí)像瑞典的國(guó)寶一樣被保護(hù)著。所以外界只能聽(tīng)到些風(fēng)聲，比如有人認(rèn)為AlphaFold或許配得上這種級(jí)別的重視。但評(píng)獎(jiǎng)標(biāo)準(zhǔn)既要看科學(xué)突破性，也要衡量現(xiàn)實(shí)影響力，而后者可能需要20、30年才能顯現(xiàn)。所以誰(shuí)都無(wú)法預(yù)料突破何時(shí)到來(lái)、甚至是否真能實(shí)現(xiàn)。這恰恰正是科研最迷人的地方。

主持人：真是太驚喜了，恭喜你。說(shuō)到DeepMind。Alphabet作為龐大的集團(tuán)旗下業(yè)務(wù)線(xiàn)眾多，DeepMind在其中扮演著什么角色？主要承擔(dān)哪些責(zé)任？

哈薩比斯：我們現(xiàn)在其實(shí)把DeepMind和谷歌DeepMind看作一個(gè)整體——幾年前兩家完成了合并，整合了谷歌和Alphabet旗下所有人工智能團(tuán)隊(duì)的力量?？梢哉f(shuō)，我們匯聚了各團(tuán)隊(duì)的優(yōu)勢(shì)資源，組建成了這個(gè)統(tǒng)一的部門(mén)。

我更愿意這樣形容：我們就像是整個(gè)谷歌和Alphabet的“發(fā)動(dòng)機(jī)艙”。我們不僅正在構(gòu)建核心的Gemini模型，還開(kāi)發(fā)包括視頻模型、交互式世界模型在內(nèi)的多種AI模型?，F(xiàn)在這些模型已全面接入谷歌生態(tài)，幾乎每款產(chǎn)品、每個(gè)交互界面都運(yùn)行著我們研發(fā)的AI模型。

如今已有數(shù)十億用戶(hù)通過(guò)AI概覽、AI模式或Gemini應(yīng)用與我們的模型交互——而這僅僅是個(gè)開(kāi)始。我們正在將AI深度集成到Workspace、Gmail等全線(xiàn)產(chǎn)品中。對(duì)我們來(lái)說(shuō)，這是一個(gè)絕佳的機(jī)會(huì)：既能開(kāi)展前沿研究，又可以立刻讓全球用戶(hù)體驗(yàn)到成果。

主持人：你的團(tuán)隊(duì)有多少人，他們的情況如何？是科學(xué)家、工程師嗎？你的團(tuán)隊(duì)構(gòu)成是什么樣的？

哈薩比斯：我們團(tuán)隊(duì)目前約有5000人，主要由工程師和博士研究員組成……我猜占比80%以上，算下來(lái)差不多有三四千名頂尖技術(shù)人才吧。

Genie 3世界模型

主持人：現(xiàn)在模型迭代特別快，不斷有新模型甚至全新類(lèi)別的模型出現(xiàn)，比如前幾天發(fā)布的Genie世界模型。那么，Genie世界模型是什么呢？我們準(zhǔn)備了演示視頻，可以在現(xiàn)場(chǎng)直播的時(shí)候討論一下。

演示視頻：你看到的不只是游戲或者視頻，它們是由Genie 3生成的完整虛擬世界。作為世界模型的新突破，現(xiàn)在你只需用文字描述一個(gè)場(chǎng)景，Genie 3就能即時(shí)生成可交互的沉浸式環(huán)境，讓你真正“走進(jìn)”自己創(chuàng)造的想象世界。

哈薩比斯：是的，你看到的所有這些動(dòng)態(tài)畫(huà)面和可交互世界——注意看，現(xiàn)在有人正在用方向鍵和空格鍵實(shí)時(shí)操控這個(gè)3D環(huán)境。關(guān)鍵點(diǎn)在于：所有這些像素都是即時(shí)生成的，在玩家探索到某個(gè)區(qū)域之前，那個(gè)地方根本不存在任何內(nèi)容。

比如這個(gè)場(chǎng)景：有人正在房間里涂鴉墻面，玩家轉(zhuǎn)頭再回看時(shí)，剛才的涂鴉痕跡還在墻上，而這一部分以前是不存在的。更神奇的是，你隨時(shí)可以輸入“穿雞仔服的人”或“水上摩托”之類(lèi)的指令，AI就會(huì)實(shí)時(shí)把這些元素融入場(chǎng)景。我覺(jué)得這的確令人驚嘆。

主持人：看到這一點(diǎn)是有些難以理解的，我們都玩過(guò)3D的沉浸式電子游戲，但目前還沒(méi)有創(chuàng)建任何對(duì)象的功能。你沒(méi)有用Unity或者Unreal這類(lèi)3D引擎預(yù)先制作物體，看到的全是AI實(shí)時(shí)生成的2D圖像，卻產(chǎn)生了完全沉浸式的3D體驗(yàn)——這才是真正突破認(rèn)知的地方。

哈薩比斯：這個(gè)模型本質(zhì)上是在通過(guò)逆向工程學(xué)習(xí)物理規(guī)律。它分析了數(shù)百萬(wàn)段YouTube等平臺(tái)的真實(shí)世界視頻，從中自主推導(dǎo)出了現(xiàn)實(shí)世界的運(yùn)行邏輯。雖然目前還不完美，但已經(jīng)能生成持續(xù)一兩分鐘的高度一致性交互場(chǎng)景。特別值得注意的是：它的生成范圍遠(yuǎn)超人類(lèi)活動(dòng)。你既可以操控沙灘上的小狗，也能與水母互動(dòng)，真正實(shí)現(xiàn)了對(duì)多元世界的模擬還原。

主持人：傳統(tǒng)3D渲染引擎的工作原理是程序員預(yù)先編寫(xiě)所有物理規(guī)則，比如光線(xiàn)如何反射、物體如何運(yùn)動(dòng)。你創(chuàng)建一個(gè)3D模型，引擎根據(jù)預(yù)設(shè)程序計(jì)算光影效果，最終渲染出畫(huà)面。但Genie的突破在于它僅通過(guò)觀看海量視頻，就自主領(lǐng)悟了這些物理規(guī)律。沒(méi)有任何人工編程的物理法則，純粹通過(guò)觀察學(xué)習(xí)就掌握了光影反射、物體運(yùn)動(dòng)等復(fù)雜原理。

哈薩比斯：是的，它不僅用了真實(shí)視頻數(shù)據(jù)，還結(jié)合了游戲引擎的合成數(shù)據(jù)進(jìn)行訓(xùn)練。這個(gè)項(xiàng)目對(duì)我有特殊意義，真正讓我震撼的是，上世紀(jì)90年代我剛?cè)胄袝r(shí)，曾親手編寫(xiě)游戲AI和圖形引擎，當(dāng)時(shí)光是要手動(dòng)編程實(shí)現(xiàn)多邊形建模和物理引擎就難如登天。而現(xiàn)在看著Genie：水面的動(dòng)態(tài)反光、材質(zhì)的流動(dòng)感、物體的物理行為等等，所有這些曾經(jīng)需要嘔心瀝血編程的效果，現(xiàn)在都能開(kāi)箱即用。

主持人：很難用語(yǔ)言形容這個(gè)模型究竟解決了多復(fù)雜的難題，這種突破性真的超乎想象。這項(xiàng)技術(shù)將帶我們走向何方，如果我們把這個(gè)模型快進(jìn)到……第五代？

哈薩比斯：我們開(kāi)發(fā)這類(lèi)模型的初衷始終明確，雖然普通語(yǔ)言模型（如Gemini基礎(chǔ)版）在不斷進(jìn)步，但從Gemini誕生第一天起，我們就立志打造真正的多模態(tài)系統(tǒng)——它能處理任意類(lèi)型的輸入，包括圖像、音頻、視頻，并且生成任意形式的輸出。

這關(guān)乎通用人工智能（AGI）的核心命題：真正的AGI必須理解我們的物理世界，而不僅僅是語(yǔ)言或數(shù)學(xué)的抽象領(lǐng)域。這種物理認(rèn)知能力正是當(dāng)前機(jī)器人技術(shù)缺失的關(guān)鍵一環(huán)，也是智能眼鏡等日常AI助手真正實(shí)用化的前提——它們必須理解你所處的物理環(huán)境及其運(yùn)行規(guī)律。

因此，Genie模型和我們的頂級(jí)文生視頻系統(tǒng)Veo，本質(zhì)上都是在構(gòu)建“世界模型”。這些都是我們構(gòu)建理解世界動(dòng)態(tài)、世界物理規(guī)律的世界模型的體現(xiàn)，能生成逼真的物理交互場(chǎng)景，本身就是系統(tǒng)深度理解世界規(guī)律的證明。

機(jī)器人技術(shù)革命

主持人：這項(xiàng)技術(shù)最終將通向機(jī)器人技術(shù)的革命性突破。雖然這只是其中一個(gè)應(yīng)用方向，但也許我們可以探討一下，目前視覺(jué)-語(yǔ)言-動(dòng)作模型的最高水平是怎樣的？

我們?cè)O(shè)想中的通用系統(tǒng)是這樣的：一個(gè)具備攝像頭觀測(cè)能力的機(jī)器，我可以使用語(yǔ)言，可以用文字或語(yǔ)音告訴它，我希望你去做這件事。然后它就知道如何在現(xiàn)實(shí)世界中采取實(shí)際行動(dòng)來(lái)做某件事。

哈薩比斯：沒(méi)錯(cuò)。你可以看看我們的Gemini，也就是Gemini的實(shí)時(shí)版本，在這個(gè)版本中你可以舉起手機(jī)，將其對(duì)準(zhǔn)周?chē)氖澜纭医ㄗh你們?nèi)魏稳硕既ピ囋嚒鼘?duì)現(xiàn)實(shí)世界的理解已經(jīng)達(dá)到了一種神奇的程度。我們考慮下一步將其融入某種更便捷的設(shè)備中，比如眼鏡，然后它將成為真正的日常助手，當(dāng)你走在街上時(shí)，它就能向你推薦各種事物。我們還可以將其嵌入到谷歌地圖中。

在機(jī)器人領(lǐng)域，我們構(gòu)建了一個(gè)名為“Gemini機(jī)器人模型”的東西，它是在雙子座模型基礎(chǔ)上，利用額外的機(jī)器人數(shù)據(jù)進(jìn)行微調(diào)的。在今年夏天發(fā)布的演示中，有兩個(gè)機(jī)械手在桌面上操作物體，你可以直接和機(jī)器人對(duì)話(huà)，比如“把黃色的物體放進(jìn)紅色的桶里”，它就能將語(yǔ)言轉(zhuǎn)化為精準(zhǔn)的動(dòng)作指令。

這就是多模態(tài)模型的力量，而不是僅僅是一個(gè)針對(duì)機(jī)器人的模型，它能將現(xiàn)實(shí)世界理解能力融入交互過(guò)程。最終你需要的不僅是人性化的交互界面（UI/UX），還有讓機(jī)器人具備安全導(dǎo)航世界的認(rèn)知能力。

主持人：我向桑達(dá)爾（谷歌CEO）提過(guò)這個(gè)問(wèn)題，這是否意味著最終能構(gòu)建出類(lèi)似Unix或安卓系統(tǒng)的通用機(jī)器人操作系統(tǒng)層？到那時(shí)，如果這個(gè)系統(tǒng)能在足夠多的設(shè)備上穩(wěn)定運(yùn)行，機(jī)器人設(shè)備、公司和產(chǎn)品將會(huì)大量涌現(xiàn)，在全球范圍內(nèi)突然蓬勃發(fā)展，因?yàn)橥ㄓ玫能浖A(chǔ)已經(jīng)存在。

哈薩比斯：沒(méi)錯(cuò)。我們確實(shí)在推行“安卓模式”的戰(zhàn)略，如果你愿意這么說(shuō)的話(huà)。我們正在打造跨機(jī)器人的通用操作系統(tǒng)層，同時(shí)也在探索垂直整合：將最新模型與特定機(jī)器人類(lèi)型深度結(jié)合，實(shí)現(xiàn)端到端的學(xué)習(xí)優(yōu)化。這兩條路徑都相當(dāng)有趣，我們正在并行推進(jìn)。

主持人：你認(rèn)為人形機(jī)器人是一種好的外形設(shè)計(jì)嗎？這方面存在一些爭(zhēng)議，有的人認(rèn)為人類(lèi)環(huán)境本就為人形設(shè)計(jì)，但特定任務(wù)可能需要專(zhuān)用形態(tài)——比如疊衣服、洗碗或清潔，或許需要不同的結(jié)構(gòu)設(shè)計(jì)。

哈薩比斯：我認(rèn)為這兩者都會(huì)有一席之地。其實(shí)在5-10年前，我曾堅(jiān)信特定任務(wù)需要專(zhuān)用機(jī)器人，在工業(yè)領(lǐng)域尤其如此。實(shí)驗(yàn)室和生產(chǎn)線(xiàn)需要的機(jī)器人類(lèi)型截然不同，都需要針對(duì)具體任務(wù)進(jìn)行形態(tài)優(yōu)化。

但對(duì)于通用或個(gè)人用途的機(jī)器人而言，人形形態(tài)可能至關(guān)重要，因?yàn)槲覀兯幍奈锢硎澜绫揪褪菫槿祟?lèi)設(shè)計(jì)的。臺(tái)階、門(mén)廊等所有設(shè)施都基于人體工學(xué)建造，與其改造世界，不如讓機(jī)器人適配現(xiàn)有人類(lèi)環(huán)境，這種設(shè)計(jì)思路顯然更合理。

所以我認(rèn)為有理由說(shuō)，人形形態(tài)對(duì)日常任務(wù)極具價(jià)值，但專(zhuān)用機(jī)器人形態(tài)同樣有其不可替代的應(yīng)用場(chǎng)景。

主持人：你對(duì)未來(lái)五年、七年，數(shù)以千計(jì)的人有什么展望？我的意思是，你對(duì)機(jī)器人技術(shù)有什么愿景嗎？

哈薩比斯：我有，而且我在這上面花了不少時(shí)間。我感覺(jué)我們?cè)跈C(jī)器人技術(shù)領(lǐng)域還處于早期階段，未來(lái)幾年內(nèi)會(huì)出現(xiàn)真正的“顛覆性時(shí)刻”，但當(dāng)前算法仍需升級(jí)。這些機(jī)器人模型依賴(lài)的通用基礎(chǔ)需要變得更可靠、更精準(zhǔn)地理解世界，我相信這些突破將在未來(lái)兩三年內(nèi)實(shí)現(xiàn)。

然后還有硬件方面，關(guān)鍵問(wèn)題在于規(guī)模化的時(shí)機(jī)選擇。我認(rèn)為最終我們會(huì)有數(shù)百萬(wàn)臺(tái)機(jī)器人幫助社會(huì)并提高生產(chǎn)力，但當(dāng)你與硬件專(zhuān)家交流時(shí)，要確定在什么階段擁有合適的硬件水平才能選擇擴(kuò)展方案。當(dāng)我們計(jì)劃建造工廠生產(chǎn)數(shù)萬(wàn)乃至數(shù)十萬(wàn)臺(tái)特定機(jī)器人時(shí)，硬件設(shè)計(jì)就會(huì)固化，很難快速迭代更新。

這就形成一個(gè)悖論：如果過(guò)早規(guī)?；?，六個(gè)月后可能出現(xiàn)更可靠、更靈活的新一代設(shè)計(jì)。但最終目標(biāo)仍是讓數(shù)百萬(wàn)機(jī)器人服務(wù)社會(huì)提升生產(chǎn)力，因此必須在硬件成熟度與規(guī)模化需求間找到平衡點(diǎn)。

主持人：聽(tīng)起來(lái)用計(jì)算機(jī)領(lǐng)域的類(lèi)比來(lái)說(shuō)，我們現(xiàn)在處于70年代的PC初期階段。各種原型機(jī)涌現(xiàn)，但尚未形成統(tǒng)一標(biāo)準(zhǔn)。

哈薩比斯：是的，有可能。我想也許這就是我們所處的情況，除了10年的變化可能在1年內(nèi)發(fā)生。所以，沒(méi)錯(cuò)，得快速更新。

主持人：1984年或許就是這樣一個(gè)年份（指1年內(nèi)發(fā)生10年的變化）。

哈薩比斯：沒(méi)錯(cuò)，就是這樣。

衡量AGI的方法

主持人：那么，讓我們來(lái)談?wù)勂渌麘?yīng)用，比如你最熱愛(ài)的科學(xué)應(yīng)用領(lǐng)域。我一直覺(jué)得AI最偉大的使命是解決人類(lèi)當(dāng)前技術(shù)和認(rèn)知能力無(wú)法突破的難題，而我們可以釋放所有這些潛力。你最感興趣的科學(xué)領(lǐng)域和科學(xué)突破有哪些？我們需要怎樣的模型來(lái)實(shí)現(xiàn)這些突破呢？

哈薩比斯：我畢生致力于AI研究的核心動(dòng)力，就是希望用AI加速科學(xué)發(fā)現(xiàn)、改善人類(lèi)健康——這無(wú)疑是AI最重要的使命。我覺(jué)得如果我們以正確的方式構(gòu)建AGI，它將成為科學(xué)的終極工具。

DeepMind已經(jīng)在這方面開(kāi)辟了道路，除了最著名的AlphaFold，我們的AI系統(tǒng)還應(yīng)用于材料設(shè)計(jì)、核聚變等離子體控制、天氣預(yù)測(cè)、國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽解題等多個(gè)科學(xué)領(lǐng)域。同樣類(lèi)型的系統(tǒng)再經(jīng)過(guò)一些微調(diào)，基本上就能解決很多這類(lèi)復(fù)雜問(wèn)題。

但我認(rèn)為我們只是觸及了AI所能做到的事情的表面，還有一些東西是缺失的。我想說(shuō)，如今的AI還不具備真正的創(chuàng)造力，因?yàn)樗€無(wú)法提出新的猜想或新的假設(shè)。它或許能夠證明你提供給它的某些東西，但它本身無(wú)法提出新的想法或理論。這實(shí)際上將成為衡量AGI是否成熟的關(guān)鍵測(cè)試之一。

主持人：作為人類(lèi)，創(chuàng)造力是什么？

哈薩比斯：我認(rèn)為是直覺(jué)上的飛躍，讓我們常常對(duì)歷史上最杰出的科學(xué)家和藝術(shù)家們致以敬意。也許這是通過(guò)類(lèi)比或類(lèi)比推理來(lái)完成的，心理學(xué)和神經(jīng)科學(xué)對(duì)此有多種理論解釋?zhuān)灿嘘P(guān)于我們?nèi)祟?lèi)科學(xué)家如何開(kāi)展研究的理論。一個(gè)有效的測(cè)試方法是，給AI設(shè)置1901年的知識(shí)截止點(diǎn)，看它能否像1905年的愛(ài)因斯坦那樣提出狹義相對(duì)論。如果能夠?qū)崿F(xiàn)這種創(chuàng)造性躍遷，或許就意味著我們接近真正的AGI了。

以十年前擊敗世界冠軍的AlphaGo為例：它不僅贏了比賽，還為圍棋發(fā)明了前所未見(jiàn)的新策略，這一著名的第37手棋出現(xiàn)在第二局比賽中，如今已成為研究對(duì)象。但問(wèn)題在于，AI系統(tǒng)能否想出像圍棋一樣優(yōu)雅、令人滿(mǎn)足、在美學(xué)上同樣美麗的游戲，而不只是一種新策略呢？目前，對(duì)這些問(wèn)題的答案是否定的。我認(rèn)為這正是真正通用系統(tǒng)所缺失的：AGI應(yīng)該具備這種原始創(chuàng)造能力，而不僅僅是優(yōu)化現(xiàn)有體系。

主持人：你能分析一下缺少什么嗎？也許與達(dá)里奧、薩姆等人分享的觀點(diǎn)有關(guān)，即AGI在幾年內(nèi)就能實(shí)現(xiàn)，你是否認(rèn)同這一觀點(diǎn)？從系統(tǒng)架構(gòu)的角度看，當(dāng)前究竟缺乏哪些關(guān)鍵組件？

哈薩比斯：嗯，我認(rèn)為這其中的根本問(wèn)題在于，我們能否復(fù)制人類(lèi)頂尖科學(xué)家那種直覺(jué)飛躍，而非漸進(jìn)式進(jìn)步？我常說(shuō)，優(yōu)秀科學(xué)家與偉大科學(xué)家的區(qū)別在于創(chuàng)造力，他們能從其他領(lǐng)域發(fā)現(xiàn)可類(lèi)比模式，遷移到解決目標(biāo)問(wèn)題上。我認(rèn)為有朝一日，AI將能夠做到這一點(diǎn)，但它目前還不具備實(shí)現(xiàn)這種突破所需的推理能力和某些思維能力。此外，系統(tǒng)的一致性也是當(dāng)前短板。

所以你經(jīng)常聽(tīng)到我們的一些競(jìng)爭(zhēng)對(duì)手談?wù)摤F(xiàn)有系統(tǒng)具備“博士智能水平”，我覺(jué)得那是一派胡言。它們確實(shí)在某些領(lǐng)域達(dá)到博士級(jí)能力，但整體遠(yuǎn)未達(dá)到通用智能應(yīng)有的水平，真正的AGI應(yīng)該在所有領(lǐng)域都保持博士級(jí)表現(xiàn)。

事實(shí)上，眾所周知，在與當(dāng)今的聊天機(jī)器人互動(dòng)時(shí)，如果你以某種特定方式提問(wèn)，它們甚至?xí)诟咧袛?shù)學(xué)和簡(jiǎn)單計(jì)數(shù)等方面犯簡(jiǎn)單錯(cuò)誤。對(duì)于真正的AGI系統(tǒng)來(lái)說(shuō)，這應(yīng)該是不可能的。我覺(jué)得，我們距離擁有一個(gè)能夠完成這些任務(wù)的AGI系統(tǒng)，大概還有5-10年的時(shí)間。

此外，持續(xù)學(xué)習(xí)能力也是一個(gè)關(guān)鍵的缺失：系統(tǒng)需要能實(shí)時(shí)吸收新知識(shí)、調(diào)整行為模式?；蛟S規(guī)模擴(kuò)大會(huì)帶來(lái)突破，但我認(rèn)為還需要一兩個(gè)根本性的技術(shù)突破，這些可能會(huì)在未來(lái)5年左右出現(xiàn)。

Nano Banana與創(chuàng)意工具的未來(lái)

主持人：與此同時(shí)，一些報(bào)告和所使用的評(píng)分系統(tǒng)似乎正在表明兩件事：其一，大型語(yǔ)言模型性能正在趨同；其二，代際性能提升速度正在放緩或趨于平緩。這兩點(diǎn)觀察大體上是正確的，還是并非如此呢？

哈薩比斯：不-不。我的意思是，我們內(nèi)部并沒(méi)有看到這種情況。我們?nèi)栽谝?jiàn)證巨大的進(jìn)步速度，但同時(shí)也在更廣泛地審視事物。你看，我們有Genie模型和Veo模型，以及Nano Banana。

主持人：對(duì)，這簡(jiǎn)直太瘋狂了。像我這種從Adobe Photoshop、Kai’s Power Tools時(shí)代過(guò)來(lái)的人，現(xiàn)在看到Bryce 3D這樣的圖形系統(tǒng)能實(shí)現(xiàn)實(shí)時(shí)識(shí)別，這完全顛覆了我們當(dāng)年的工作流程。

哈薩比斯：嗯，我認(rèn)為很多這類(lèi)創(chuàng)意工具的未來(lái)就是，你只需與它們產(chǎn)生共鳴，或者直接和它們交流，它們就會(huì)足夠穩(wěn)定。Nano Banana的強(qiáng)大之處不僅在于它是頂尖圖像生成器，更在于其驚人的一致性：它能夠理解指令，按照你的要求進(jìn)行更改，同時(shí)保持其他元素不變。這樣你就可以用它進(jìn)行迭代，最終得到你想要的輸出結(jié)果。我認(rèn)為，這就是許多這類(lèi)創(chuàng)意工具的未來(lái)走向，也在一定程度上預(yù)示了發(fā)展方向，人們喜歡它，也喜歡用它進(jìn)行創(chuàng)作。

主持人：我記得小時(shí)候得買(mǎi)關(guān)于Adobe Photoshop的書(shū)，然后通過(guò)閱讀這些書(shū)來(lái)學(xué)習(xí)如何從圖像中去除某些東西、如何填充、羽化以及諸如此類(lèi)的操作?，F(xiàn)在任何人都可以使用Nano Banana來(lái)做到這一點(diǎn)，他們只需向軟件說(shuō)明自己想做的事情，模型就會(huì)幫他們實(shí)現(xiàn)。

哈薩比斯：我想你會(huì)看到兩件事，一是這些工具讓每個(gè)人都能使用和創(chuàng)作，而不必像我們過(guò)去那樣學(xué)習(xí)極其復(fù)雜的用戶(hù)體驗(yàn)（UX）和用戶(hù)界面（UI）。另一方面，我認(rèn)為我們會(huì)，而且我們也正在與電影制作人、頂級(jí)創(chuàng)作者和藝術(shù)家合作，他們正在幫助我們?cè)O(shè)計(jì)這些新工具應(yīng)該是什么樣子。

像我的朋友達(dá)倫·阿倫諾夫斯基（著名導(dǎo)演）團(tuán)隊(duì)正在用Veo和我們的其他一些工具制作電影，他們的反饋正在幫我們重塑下一代創(chuàng)作工具的功能設(shè)計(jì)。我們發(fā)現(xiàn)，它也能讓最優(yōu)秀的專(zhuān)業(yè)人士如虎添翼、火力全開(kāi)，專(zhuān)業(yè)創(chuàng)作者能實(shí)現(xiàn)十倍百倍的效率提升，以極低成本嘗試各種創(chuàng)意構(gòu)想，最終精準(zhǔn)實(shí)現(xiàn)理想效果。

這實(shí)際上形成雙軌賦能效應(yīng)：我們正在將其普及化，以供日常使用，供油管創(chuàng)作者等大眾用戶(hù)降低門(mén)檻，另一方面又為高端創(chuàng)作者提供放大器——但并非所有人都能獲得相同輸出質(zhì)量，因?yàn)槠渲羞€涉及使用技巧、審美視野和敘事能力等專(zhuān)業(yè)素養(yǎng)。真正擅長(zhǎng)這些工具的優(yōu)秀創(chuàng)作者，能借此實(shí)現(xiàn)前所未有的迭代速度。

主持人：我們能進(jìn)入一個(gè)每個(gè)人都能描述自己感興趣的內(nèi)容類(lèi)型的世界嗎？比如播放類(lèi)似戴夫·馬修斯的音樂(lè)或沉浸式體驗(yàn)《勇敢的心》電影中的游戲。未來(lái)我們會(huì)走向個(gè)性化內(nèi)容定制，還是保持傳統(tǒng)一對(duì)多的創(chuàng)作模式？從文化層面看——這或許有點(diǎn)哲學(xué)意味——我們是否會(huì)失去集體共享的敘事體驗(yàn)？當(dāng)每個(gè)人都在虛擬世界中構(gòu)建個(gè)人化故事時(shí)，由創(chuàng)作者主導(dǎo)的公共文化記憶是否會(huì)消失？

哈薩比斯：實(shí)際上，我預(yù)見(jiàn)了一個(gè)世界，作為一名在90年代就開(kāi)始投身游戲行業(yè)的游戲設(shè)計(jì)師和程序員，我對(duì)此思考頗多，我認(rèn)為未來(lái)娛樂(lè)將出現(xiàn)全新的藝術(shù)形式，即一種融合共創(chuàng)的體驗(yàn)。頂級(jí)創(chuàng)意先鋒仍將主導(dǎo)創(chuàng)作，他們能用相同工具打造出比普通人更高質(zhì)量的動(dòng)態(tài)敘事體驗(yàn)。數(shù)百萬(wàn)人既可以沉浸在這些世界中，也能參與部分內(nèi)容的共創(chuàng)。主創(chuàng)者可能扮演“世界編輯”的角色，協(xié)調(diào)整體敘事框架。這正是我預(yù)見(jiàn)的未來(lái)幾年圖景，也是我們希望通過(guò)Genie等技術(shù)探索的方向。

主持人：能否談?wù)勀隳壳暗臅r(shí)間分配呢，是否主要專(zhuān)注于Isomorphic Labs？或許可以先簡(jiǎn)要說(shuō)明Isomorphic的研究方向。你在這方面投入很多精力嗎？

哈薩比斯：我確實(shí)在主導(dǎo)Isomorphic Labs。這家從我們團(tuán)隊(duì)分拆的公司，旨在依托我們的技術(shù)，徹底變革藥物研發(fā)?；贏lphaFold的蛋白質(zhì)結(jié)構(gòu)突破，我們正在構(gòu)建多個(gè)“相鄰的AlphaFold”系統(tǒng)，比如設(shè)計(jì)能精準(zhǔn)結(jié)合靶點(diǎn)且無(wú)副作用的化合物。我認(rèn)為在未來(lái)10年內(nèi)，藥物研發(fā)周期有望從數(shù)年甚至十年縮短到幾周甚至幾天。

主持人：你覺(jué)得這個(gè)很快就能進(jìn)入臨床階段，還是仍處于探索階段？

哈薩比斯：我們正在構(gòu)建平臺(tái)化系統(tǒng)，目前與禮來(lái)公司（Eli Lilly）——我想你之前應(yīng)該有他們CEO的發(fā)言——還有諾華（Novartis）建立了重要合作，同時(shí)推進(jìn)內(nèi)部藥物研發(fā)項(xiàng)目。我認(rèn)為我們將在明年某個(gè)時(shí)候進(jìn)入臨床前階段。

主持人 ：那么，候選藥物會(huì)被移交給制藥公司，然后由他們推進(jìn)后續(xù)流程嗎？

哈薩比斯：沒(méi)錯(cuò)。我們正在開(kāi)展癌癥、免疫學(xué)和腫瘤學(xué)方面的研究，并且與MD安德森等機(jī)構(gòu)展開(kāi)了合作。

“科學(xué)的黃金時(shí)代”

主持人：我想回到你關(guān)于AGI的觀點(diǎn)。模型可以是概率性還是確定性的？確定性模型像邏輯算法，每次輸入都輸出相同結(jié)果；而概率性模型會(huì)做選擇，比如選擇這封信的概率是80%，選擇那封信的概率是90%，依此類(lèi)推。在藥物研發(fā)建模中，我們需要多少確定性模型來(lái)匹配分子相互作用的物理化學(xué)原理？又該如何構(gòu)建新型確定性模型，使其與數(shù)據(jù)驅(qū)動(dòng)的概率模型協(xié)同工作。

哈薩比斯：這是個(gè)很棒的問(wèn)題。實(shí)際上，目前，而且我認(rèn)為可能在未來(lái)五年左右的時(shí)間里，我們正在構(gòu)建一種你們可能稱(chēng)之為混合模型的東西。AlphaFold本身就是一個(gè)混合模型，其中有學(xué)習(xí)組件，也就是你提到的概率組件，它是基于網(wǎng)絡(luò)、變壓器等構(gòu)建的；而且它從你提供的數(shù)據(jù)中學(xué)習(xí)，包括任何你能獲取的數(shù)據(jù)。但在很多情況下，生物學(xué)和化學(xué)領(lǐng)域并沒(méi)有足夠的數(shù)據(jù)可供學(xué)習(xí)，所以你還得把一些你已經(jīng)知道的化學(xué)和物理規(guī)則融入其中。

例如，對(duì)于AlphaFold來(lái)說(shuō)，原子鍵角必須符合化學(xué)原理、原子間不能出現(xiàn)非法重疊。理論上模型能自學(xué)這些規(guī)則，但會(huì)浪費(fèi)大量學(xué)習(xí)能力。所以實(shí)際上，把它當(dāng)作一種約束條件會(huì)更加高效。

所有混合系統(tǒng)都面臨這個(gè)核心難題。就像AlphaGo使用了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)圍棋模式識(shí)別，蒙特卡洛樹(shù)搜索負(fù)責(zé)策略規(guī)劃。關(guān)鍵在于如何將學(xué)習(xí)系統(tǒng)與更具定制性、量身打造的系統(tǒng)相結(jié)合，并且讓它們真正協(xié)同良好地運(yùn)作。而這做起來(lái)相當(dāng)棘手。

主持人：你認(rèn)為那種架構(gòu)最終會(huì)帶來(lái)AGI所需的突破嗎？是否存在需要解決的確定性組件。

哈薩比斯：混合系統(tǒng)的終極目標(biāo)是將已驗(yàn)證的解決方案上游化整合到學(xué)習(xí)組件中。所以，如果你能進(jìn)行端到端學(xué)習(xí)，并直接從給定的數(shù)據(jù)中預(yù)測(cè)出你想要的結(jié)果，那總是更好的。一旦你使用這些混合系統(tǒng)中的一個(gè)弄清楚了某件事，你就會(huì)嘗試回過(guò)頭去逆向工程你所做的事情，看看是否能將所學(xué)的知識(shí)、信息融入到學(xué)習(xí)系統(tǒng)中。這大致就是我們?cè)贏lphaZero（Alpha Go的更通用形式）上所做的事情。AlphaGo包含圍棋特定知識(shí)，而AlphaZero摒棄了所有人類(lèi)棋譜數(shù)據(jù)，完全通過(guò)自我對(duì)弈學(xué)習(xí)。這種范式使其能掌握任何游戲，而不僅僅是圍棋。

主持人：關(guān)于AI產(chǎn)生的能源需求已經(jīng)出現(xiàn)了很多炒作，這是我們幾周前在華盛頓特區(qū)舉辦的AI峰會(huì)的重要組成部分。如今，這似乎是科技領(lǐng)域里人人都在談?wù)摰念^號(hào)話(huà)題：這些電力將從哪里來(lái)？我想問(wèn)：通過(guò)模型架構(gòu)創(chuàng)新、硬件優(yōu)化或軟硬件協(xié)同設(shè)計(jì)，能否顯著降低單次輸出的能耗與成本？這種技術(shù)進(jìn)步是否會(huì)緩和能源需求曲線(xiàn)的陡增趨勢(shì)？還是說(shuō)幾何級(jí)數(shù)增長(zhǎng)的能源需求依然不可避免？

哈薩比斯：有趣的是，我認(rèn)為這兩種情況都是真實(shí)的，尤其是我們谷歌和DeepMind這類(lèi)需要每日為數(shù)十億用戶(hù)提供AI概述服務(wù)的企業(yè)，它必須極其高效、極低延遲且服務(wù)成本非常低廉。我們開(kāi)創(chuàng)了多種技術(shù)實(shí)現(xiàn)這一點(diǎn)，比如蒸餾。在蒸餾中，你實(shí)際上是讓一個(gè)更大的模型在內(nèi)部訓(xùn)練較小的模型，對(duì)吧？隨著時(shí)間的推移，如果你看看過(guò)去兩年的進(jìn)展，相同性能下的模型能效已提升了10倍甚至100倍。

當(dāng)前的能效提升未能降低總需求的原因在于，我們尚未實(shí)現(xiàn)AGI。前沿模型仍需持續(xù)擴(kuò)大規(guī)模來(lái)實(shí)驗(yàn)新想法，而服務(wù)端能效則在同步優(yōu)化，所以這兩件事都是真的。

最后，我認(rèn)為從能源角度來(lái)看，AI系統(tǒng)在電網(wǎng)系統(tǒng)和電氣系統(tǒng)效率、材料設(shè)計(jì)、新型特性、新能源等方面回饋給能源和氣候變化等領(lǐng)域的貢獻(xiàn)，將遠(yuǎn)遠(yuǎn)超過(guò)其消耗。我認(rèn)為在未來(lái)10年里，AI將在所有這些方面發(fā)揮作用，其帶來(lái)的益處將遠(yuǎn)遠(yuǎn)超過(guò)它目前消耗的能源。

主持人：作為最后一個(gè)問(wèn)題，請(qǐng)描述一下10年后的世界。

哈薩比斯：好吧，我的意思是，你知道的，10年，甚至10周在AI領(lǐng)域都是另一個(gè)時(shí)代了。但我確實(shí)認(rèn)為，如果我們?cè)谖磥?lái)十年內(nèi)擁有完全的AGI，將開(kāi)創(chuàng)一個(gè)科學(xué)的黃金時(shí)代，一種新的文藝復(fù)興。我認(rèn)為我們將看到其從能源到人類(lèi)健康等各個(gè)領(lǐng)域的益處。

主持人：太神奇了。請(qǐng)和我一起感謝諾貝爾獎(jiǎng)得主哈薩比斯，謝謝。

參考鏈接：[1]https://x.com/demishassabis/status/1967280577200943528[2]https://www.youtube.com/watch?v=Kr3Sh2PKA8Y