德米斯·哈萨比斯：智能体（Agents）、通用人工智能（AGI）与下一场重大的科学突破，在未知领域去生成新的因果假设

摘要

DeepMind 執行長德米斯·哈薩比斯在 YC 深度訪談中揭示通向 AGI 的關鍵缺陷。他認為單靠大規模預訓練與人類回饋強化學習遠遠不足，當代 AI 的三大短板是：缺乏真正的持續學習能力（大上下文視窗只是查詢，未內化為神經元權重），推理能力參差不齊（雖能解題卻無法在未知領域生成因果假設），以及面臨算力悖論（隨著成本降低，人類需求無限擴張，供給永遠趕不上）。他提出 DeepTech 戰略——將 AI 與硬科學結合，打造垂直領域的專業工具，在 2030 年 AGI 降臨時成為不可或缺的基礎設施。最終，當計算不再是瓶頸，人類對品味、美學與創意靈魂的感知，將成為最稀缺的資產。

重点

• 記憶問題：大上下文只是查詢，未能改變神經元權重進行真正學習
• 推理鴻溝：AI 能解題卻無法在新領域生成假說，缺乏創造性推理
• 算力悖論：推理成本降低只會激勵無限需求，難以根本解決
• DeepTech 戰略：打造垂直專業工具，與 AGI 協作而非競爭
• 人類獨特價值：品味、美感與創意直覺在超級協調員時代最稀缺

章节

1. [0:00] AGI 的終極測試：相對論推導能力

   哈薩比斯提出 AGI 真正檢驗標準：在無人類干預下，從 1901 年前的數據獨立推導 1905 年的狹義相對論。

2. [1:17] 第一塊缺失拼圖：持續學習能力的幻覺

   大上下文窗口只是查詢，未改變神經元權重。對比人腦睡眠中的記憶鞏固，當代 AI 每次新對話如同失憶症患者。

3. [3:31] 第二塊缺失拼圖：參差不齊的推理能力

   AI 能解國際奧數卻無法在簡單變異題目中推理，無法自主停下反思，只能順著概率慣性向下。

4. [5:58] 從解題到發明的維度跳躍

   AlphaGo 第 37 手雖創新，但仍限於既有規則框架。真正 AGI 應自動生成新的假設與目標函數，如在生物學領域創新。

5. [7:20] 算力悖論與本地模型的必然性

   推理成本降低只激勵無限需求，雲端算力永遠吃緊。科技巨頭必然轉向端側輕量化模型，實現隱私與效能平衡。

6. [9:34] DeepTech 戰略：與 AGI 的中途相遇

   勿在大模型上套 API，應打造垂直領域的硬核工具。AGI 來臨時需要專業基礎設施，將無所不能與有手段相結合。

7. [11:35] 人類最後的不可替代性：品味與靈魂

   AI 能快速寫代碼卻無法創作傑作，暗示當執行不再是瓶頸，人類品味感知與創意靈魂成為最稀缺資產。

金句