新智元報(bào)道

編輯：KingHZ 艾倫

【新智元導(dǎo)讀】諾獎(jiǎng)得主哈薩比斯直擊AI痛點(diǎn)：當(dāng)前LLM遠(yuǎn)非博士級(jí)智能，僅在特定領(lǐng)域閃光，卻缺乏全面性和一致性。真正的AGI，還需1-2項(xiàng)關(guān)鍵突破，等待有5-10年。

目前的博士級(jí)人工智能就是扯淡！

實(shí)屬?zèng)]想到，諾獎(jiǎng)得主、谷歌DeepMind CEO哈薩比斯（Demis Hassabis）竟公然怒懟奧特曼。

在最近的訪談中，哈薩比斯公開表示，把如今的LLM稱作「博士級(jí)智能」，純屬無稽之談！

它們并非真正的博士級(jí)智能——雖然具備某些博士水平的能力，但整體上并不具備全面性。

而真正的通用智能，應(yīng)該是在所有領(lǐng)域都能達(dá)到博士級(jí)別的全面能力。

真正的通用人工智能不會(huì)犯低級(jí)錯(cuò)誤，現(xiàn)在的AI并不具備持續(xù)推理、適應(yīng)和學(xué)習(xí)的能力。

哈薩比斯認(rèn)為：目前，還大概率還缺失1-2項(xiàng)關(guān)鍵突破，距離真正的「博士級(jí)智能」仍有5到10年之遙。

哈薩比斯對(duì)「博士級(jí)AI」的批評(píng)、對(duì)AGI本質(zhì)能力的真知灼見，頗有市場：

左右滑動(dòng)查看

不過，他對(duì) AGI 到來時(shí)間的判斷，未必準(zhǔn)確。

除了對(duì)AGI路線的探討，在All-In峰會(huì)上，哈薩比斯先回憶了諾獎(jiǎng)時(shí)刻，之后系統(tǒng)闡述了他對(duì)世界模型、機(jī)器人、科研加速、能耗與效率的最新判斷：

Genie 3把一段文字變成可實(shí)時(shí)交互的「世界」，Gemini正在成為Alphabet的「AI引擎」，而真正具備創(chuàng)造力與一致性的AGI，仍需關(guān)鍵突破與時(shí)間磨礪。

AI天才執(zhí)掌DeepMind

AlphaFold助力摘諾獎(jiǎng)

哈薩比斯，4歲成為國際象棋天才，2023年因?qū)I的貢獻(xiàn)被英國皇室冊(cè)封為爵，2024年獲得諾貝爾化學(xué)獎(jiǎng)。

因蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，谷歌DeepMind的哈薩比斯、John M.Jumper共享了1/2的諾獎(jiǎng)

但是在正式公布前的十分鐘，他本人才得到獲獎(jiǎng)通知，根本來不及消化這個(gè)消息，整個(gè)人都有點(diǎn)懵。

隨后，在瑞典參加為期一周的頒獎(jiǎng)典禮，更是精彩絕倫，包括與王室成員的交流，每項(xiàng)安排都讓他驚嘆。

這項(xiàng)延續(xù)120年的榮譽(yù)傳統(tǒng)中，最讓人震撼的環(huán)節(jié)是組委會(huì)有個(gè)特殊安排——他們會(huì)從保險(xiǎn)庫中取出諾貝爾獎(jiǎng)歷史簽名簿。

哈薩比斯體驗(yàn)了終生難忘的人生高光時(shí)刻：

將自己的名字與居里夫人、愛因斯坦等歷史上所有諾獎(jiǎng)得主簽在同一本名冊(cè)上。

哈薩比斯作為DeepMind的CEO，是谷歌AI的掌舵人。

為了加入發(fā)展AI，谷歌和Alphabet旗下的AI團(tuán)隊(duì)（包括原來的DeepMind）進(jìn)行了整合，成立了現(xiàn)在的谷歌DeepMind。

哈薩比斯把新DeepMind描述為整個(gè)谷歌和Alphabet的「發(fā)動(dòng)機(jī)」。

DeepMind負(fù)責(zé)Gemini、Gemma、Veo等生成式AI模型的開發(fā)，同時(shí)負(fù)責(zé)以AlphaFold為代表的科學(xué)項(xiàng)目研究。

Gemini是谷歌的核心AI模型，應(yīng)用到谷歌搜索、Gmail等多個(gè)產(chǎn)品。

他領(lǐng)導(dǎo)的全部人員大約5000人，超過80%都是工程師或博士研究員。

谷歌開始做Gemini時(shí)，就堅(jiān)持多模態(tài)——能看圖、聽音頻、看視頻，也能輸出多種形式。

要走向通用人工智能，系統(tǒng)不能只懂語言和抽象，還得懂身邊的物理世界；這是機(jī)器人之所以難、智能眼鏡類助手之所以關(guān)鍵的原因。

他這次介紹了最新推出的世界模型Genie 3、谷歌「新安卓」Gemini Robotics以及爆火的「Nano Banana」

前兩項(xiàng)落到一個(gè)共同方向：讓AI真正理解并操控物理世界。

DeepMind在推進(jìn)把Gemini Robotics做成跨機(jī)器人平臺(tái)的「準(zhǔn)操作系統(tǒng)層」，可以把它理解成機(jī)器人的「Android」。

哈薩比斯認(rèn)為機(jī)器人還處在偏早期的階段，但接下來一兩年里，大概率出現(xiàn)「Aha時(shí)刻」。

而未來幾年，通用模型更強(qiáng)、更穩(wěn)健、更懂物理世界的細(xì)節(jié)，足以完全支撐機(jī)器人在物理世界的操控能力。

關(guān)于未來創(chuàng)意工作將如何發(fā)展，哈薩比斯表示：頂尖的創(chuàng)意者，依然會(huì)主導(dǎo)引人入勝的體驗(yàn)和動(dòng)態(tài)故事線；他們可能變?yōu)椤甘澜缬^的編輯」，負(fù)責(zé)引導(dǎo)和整合眾人的集體創(chuàng)造力。

AGI路在何方？

AI的科學(xué)應(yīng)用是哈薩比斯最關(guān)心的方向。

他之所以把整段職業(yè)生涯押在AI上，就是為了用它加速科學(xué)發(fā)現(xiàn)、改善人類健康。

如果以正確方式構(gòu)建AGI，它會(huì)成為終極的科學(xué)工具。

過去幾年，DeepMind已經(jīng)展示了不少路徑：最出名的是AlphaFold，但谷歌也把AI用在材料設(shè)計(jì)、受控核聚變裝置的等離子體控制、天氣預(yù)報(bào)、甚至奧數(shù)級(jí)別的數(shù)學(xué)問題上。

相同范式的AI系統(tǒng)，加上一點(diǎn)任務(wù)定向的微調(diào)，就能在很多復(fù)雜領(lǐng)域里起作用。

哈薩比斯認(rèn)為AI加速科學(xué)發(fā)現(xiàn)才剛剛開始。

當(dāng)然，目前還缺一塊：真正的「創(chuàng)造力」。

在給定命題的前提下，今天的AI能去證明、去求解，但還談不上自己提出全新的猜想、假說或理論。什么時(shí)候它能自主提出好的問題，那也許才是一項(xiàng)關(guān)鍵的里程碑測(cè)試。

什么是「創(chuàng)造力」？

哈薩比斯認(rèn)為：那是我們常為之喝彩的「直覺式躍遷」——?dú)v史上的頂尖科學(xué)家和藝術(shù)家都會(huì)做的那種跨越。

也許，創(chuàng)造力靠的是類比，靠把看似無關(guān)的事物勾連起來。

心理學(xué)和神經(jīng)科學(xué)對(duì)人類如何做到這一點(diǎn)各有理論，但一個(gè)可操作的測(cè)試是：

把一套現(xiàn)代AI的知識(shí)截?cái)嘣?901年，看看它能不能在1905年「自己想出」狹義相對(duì)論那樣的理論。

如果能，那就說明人類觸及到了真東西，也許AGI近在眼前。

再舉個(gè)例子：十年前，AlphaGo不僅擊敗了圍棋世界冠軍，它還下出「神之一手」——第二局那手著名的「第37手」。

但問題是：AI能不能不僅發(fā)明新策略，而是「發(fā)明一款像圍棋那樣優(yōu)雅、耐玩、審美上同樣動(dòng)人的游戲」？

答案目前是否定的。這正是距「通用」的短板：真正的AGI，也該能做到這種層面的創(chuàng)造。

那具體還缺什么？

Anthropic的Dario、OpenAI的奧特曼認(rèn)為，AGI不久就能到來。

哈薩比斯更謹(jǐn)慎。他認(rèn)為核心在于：我們能不能復(fù)現(xiàn)人類最優(yōu)秀科學(xué)家那種「直覺式躍遷」，而不只是循序漸進(jìn)的改良？

偉大科學(xué)家和優(yōu)秀科學(xué)家的差別，不在于基本功，而在于創(chuàng)造力：他們能從別的學(xué)科里捕捉到某種模式，把它類比、遷移到當(dāng)前難題上。

哈薩比斯相信AI終會(huì)做到這一點(diǎn)，但如今在推理思維方式上，AI仍欠火候，難以支撐這種突破。

另一個(gè)短板是「一致性」。

奧特曼等人稱目前AI已達(dá)到「博士級(jí)智能」，哈薩比斯認(rèn)為并非如此。

在若干子任務(wù)上，他們已達(dá)到「博士水平」，但并不意味著「全面博士級(jí)」。

而「通用智能」恰恰意味著在各個(gè)維度都能穩(wěn)定地達(dá)到那個(gè)水準(zhǔn)。事實(shí)是，我們都見過：

只要換個(gè)提問方式，當(dāng)下的聊天機(jī)器人會(huì)在高中數(shù)學(xué)、甚至簡單計(jì)數(shù)上犯低級(jí)錯(cuò)。

對(duì)真正的AGI來說，這種情況不該發(fā)生。距離能完成上述能力的AGI， 哈薩比斯認(rèn)為還有大概5到10年。

除此之外，AI還缺「持續(xù)學(xué)習(xí)」的能力：能在線吸收新知識(shí)、及時(shí)調(diào)整行為。

也許，Scaling Law會(huì)繼續(xù)帶來部分改進(jìn)。

但如果要下注，哈薩比斯認(rèn)為還需要一兩次關(guān)鍵性的原創(chuàng)突破，而這些突破很可能會(huì)在未來五年內(nèi)出現(xiàn)。

破解科研難題，AI4S持續(xù)發(fā)力

除了已經(jīng)取得大量重磅成果摘得諾獎(jiǎng)的AlphaFold外，AI也將助力提高能源效率，解決自身需要的海量能源帶來的衍生問題。

AlphaFold這類混合模型，是AI未來發(fā)展方向

AlphaFold是一種混合模型。

所謂混合模型，是指同時(shí)使用概率性模型和確定性模型。

概率性模型是目前大模型普遍都在使用的基于概率預(yù)測(cè)下一個(gè)Token的模式，而引入確定性模型是大模型取得關(guān)鍵進(jìn)步的下一步方向。

確定性模型遵循固定的邏輯算法，相同的輸入必然得到相同的輸出。

例如在大模型中引入真實(shí)世界的物理規(guī)則與化學(xué)規(guī)則，就是確定性模型。

哈薩比斯也在采訪中，詳細(xì)介紹了AlphaFold這個(gè)混合模型。

AlphaFold有一個(gè)學(xué)習(xí)組件，也就是概率組件，基于神經(jīng)網(wǎng)絡(luò)和Transformer等技術(shù)，能從提供的任何可用數(shù)據(jù)中學(xué)習(xí)。

但在生物學(xué)和化學(xué)領(lǐng)域，很多時(shí)候數(shù)據(jù)并不充足。因此，必須將一些已知的化學(xué)和物理規(guī)則內(nèi)置到模型中。

在AlphaFold中，需要設(shè)定原子間的鍵角，并確保模型理解原子不能重疊等基本物理約束。

鍵角有約束規(guī)則

理論上，模型可以自己學(xué)會(huì)這些，但這會(huì)極大浪費(fèi)模型的學(xué)習(xí)能力。

所以，將這些規(guī)則作為約束條件直接加入，是更高效的做法。

哈薩比斯也表示，無論是AlphaGo還是其他混合系統(tǒng)，其關(guān)鍵和難點(diǎn)都在于如何將學(xué)習(xí)系統(tǒng)與一個(gè)更偏向于人工設(shè)計(jì)的、定制化的系統(tǒng)完美結(jié)合，讓它們協(xié)同工作。這其實(shí)相當(dāng)有挑戰(zhàn)性。

他認(rèn)為，最終的目標(biāo)是，當(dāng)通過混合系統(tǒng)取得進(jìn)展后，應(yīng)將這些經(jīng)驗(yàn)反哺并整合到學(xué)習(xí)組件中。

為了更具體地說明這點(diǎn)，哈薩比斯舉了從AlphaGo到AlphaZero的例子：

這有點(diǎn)像我們對(duì) AlphaZero 所做的改進(jìn)。

AlphaZero是AlphaGo的一個(gè)更通用的版本，AlphaGo內(nèi)部包含了一些針對(duì)圍棋的特定知識(shí)。

但在 AlphaZero中，我們移除了這些定制規(guī)則，包括我們用來訓(xùn)練的人類棋譜數(shù)據(jù)，而是讓它從零開始，通過自我對(duì)弈進(jìn)行學(xué)習(xí)。

最終的結(jié)果是，它不僅能下圍棋，還能學(xué)會(huì)任何其他的棋類游戲。

AI加速藥物發(fā)現(xiàn)

哈薩比斯仍在管理Isomorphic。

這家公司是DeepMind的衍生公司，建立在AlphaFold蛋白質(zhì)折疊預(yù)測(cè)的突破之上，致力于革新藥物發(fā)現(xiàn)。

了解蛋白質(zhì)結(jié)構(gòu)只是藥物發(fā)現(xiàn)過程的第一步，以便后續(xù)解決問題，如設(shè)計(jì)出能與蛋白質(zhì)靶點(diǎn)精準(zhǔn)結(jié)合且無副作用的化合物。

哈薩比斯表示，在未來十年內(nèi)，有望將藥物發(fā)現(xiàn)的周期從數(shù)年甚至十年，縮短到幾周乃至幾天。

Isomorphic正在構(gòu)建平臺(tái)，禮來（美國大型跨國醫(yī)藥公司）、諾華（英國大型跨國制藥公司）也將深度參與其中。

Isomorphic自己內(nèi)部也同步開展了藥物研發(fā)項(xiàng)目，預(yù)計(jì)明年即可進(jìn)入臨床前階段。

Isomorphic目前正在把重心放在癌癥和免疫學(xué)等領(lǐng)域，并與美國MD安德森癌癥中心這類全球頂尖機(jī)構(gòu)進(jìn)行科研合作。

與此同時(shí)，DeepMind也在著力研究AlphaFold模型的更先進(jìn)版本，讓模型不僅能夠理解蛋白質(zhì)相互作用，還能理解更多內(nèi)容，從而助力藥物研發(fā)。

AI能源需求龐大，但為優(yōu)化能源效率貢獻(xiàn)更大

隨著大模型參數(shù)不斷膨脹，訓(xùn)練和推理帶來的巨大能源消耗也越來越成為一個(gè)萬眾矚目的問題。

面對(duì)指數(shù)級(jí)增長的能源需求曲線，哈薩比斯解釋了DeepMind是如何應(yīng)對(duì)的。

由于背靠谷歌這個(gè)全球最龐大的AI應(yīng)用場景，極高的效率、極低的延遲和極低的服務(wù)成本是對(duì)模型的迫切要求。

DeepMind使用蒸餾等技術(shù)來提高模型效率，在同等性能下，效率提升了幾十倍。

然而，由于大家仍在探索AGI的路上，節(jié)約下來的能源又被投入到前沿模型研發(fā)上了。

當(dāng)然，哈薩比斯也指出，AI系統(tǒng)為解決能源和氣候變化問題帶來的貢獻(xiàn)，將遠(yuǎn)遠(yuǎn)超過其自身的消耗。

可能的貢獻(xiàn)包括優(yōu)化電網(wǎng)系統(tǒng)、設(shè)計(jì)具有新特性的材料，以及提升新能源的效率等。

未來十年，人工智能將在很大程度上幫助我們解決這些重大挑戰(zhàn)，其貢獻(xiàn)將遠(yuǎn)超今天的能源消耗。

哈薩比斯認(rèn)為，十年后若AGI降臨，將開啟一場科學(xué)的黃金時(shí)代，也將是全新的文藝復(fù)興。

參考資料：

https://www.youtube.com/watch?v=Kr3Sh2PKA8Y

https://x.com/vitrupo/status/1966752552025792739

https://x.com/rohanpaul_ai/status/1966950863685157368