DeepMind掌門自曝AGI倒計時5年，算力需求暴增10倍，推理計算吞噬一切

Hassabis絕對是當今世界上最聰明、最有趣的大腦之一。

在最新播客中，他表示「自然界里任何能被發現的規律，都能被機器學習算法高效地學會和模仿。」

AlphaGo和AlphaFold在給可能性多到無法想象的複雜問題建立一個模型。蛋白質在我們的身體里只需要幾毫秒就能完成摺疊。

自然界的系統是有結構的，只要是能進化出來的東西，就可以被高效地理解和模仿。

這感覺就像大自然在玩一個遊戲，最神奇的是，它在遊戲里創造出來的東西，恰好又是能用模型高效理解的。

Veo能模擬液體、各種材料的反光，效果好得出奇。

Hassabis以前在遊戲公司搞物理引擎，知道從零開始寫程序實現這個有多折磨人。

而AI好像光看看YouTube視頻就把物理規律給琢磨透了。

視頻生成中的渲染、光照等等，是物理學最核心、最基礎的東西。它正向我們揭示一些關於宇宙結構根本的道理。

如果我們能理解物理學是怎麼做到的，然后為這個過程建模，那就應該是可行的。

構建真正的AGI

他曾經以為，就像很多神經科學理論説的，需要通過在世界中行動，才能真正深刻地感知。

但現在看來，通過被動的觀察似乎就能理解它。

下一步可能是讓這些視頻變得可以交互，讓人能真正走進視頻里，在里面四處走動，那將會非常震撼。

Hassabis認為這就開始接近「世界模型」了，包括世界的力學、物理規律以及世界中的萬物。

這正是一個真正的AGI系統所需要的。

AGI「電子遊戲」

他常幻想，如果在90年代就能用上今天的AI系統，會做出什麼樣的東西？

Hassabis表示，你絕對可以做出讓人腦洞大開的、震撼人心的遊戲。

遊戲里有一個模擬的世界，里面有AI角色，然后玩家與這個模擬世界互動，這個世界會根據玩家的玩法進行調整和適應。

他認為那是最好玩的遊戲，每個人的遊戲體驗都是獨一無二的。

我們設定好參數和初始條件，然后玩家沉浸其中，和這個模擬世界一起，共同創造着你的故事。

但是，要編寫一個開放世界遊戲當然是非常困難的。

無論玩家往哪個方向走，都有能力創造出相應的內容，引人入勝。

現在，我們可能正處在一個新時代的風口浪尖上。

在未來幾年，也許是五到十年內，就能擁有真正圍繞你的想象力進行創造的AI系統。

它們可以動態地改變故事情節，無論你選擇什麼，都能圍繞你的選擇講述一個戲劇性的故事。

Hassabis覺得這或許已經觸手可及了。

Veo的可交互版本，想象一下它會有多棒。

玩家真正想要的是，在那個遊戲環境里，任何事情都有可能發生。

電子遊戲可能會成為人們尋找意義的地方。

你可以在遊戲中創造出極其豐富、有意義的體驗，甚至更多樣化的生活方式。

但另一方面，享受和體驗物理世界也非常重要。

我們將不得不再次面對這個問題：現實的本質是什麼？

這些日益逼真的、多人的、可涌現的模擬世界，和真實世界里做的事情，區別到底會是什麼。

ASl超級研究員

通往ASI的步驟，有很多有趣的想法，其中就包括了「超級程序員」和「超級AI研究員」。

他提到了一個非常有意思的詞，科研品位（research taste）。

AI能否幫助傑出的人類科學家，判斷哪些方向纔有可能產生真正新穎的想法，這似乎是做好頂尖科學研究一個極其重要的部分。

Hassabis認為，要模仿或建模「品位」和判斷力，將是最困難的事情之一。

這正是區分偉大科學家和優秀科學家的關鍵。

提出一個真正好的猜想，比證明它要難得多。

在國際數學奧林匹克競賽上，去年的AlphaProof拿到了銀牌。也許最終我們能解決一個千禧年大獎難題。

只要把問題提對了，實驗設計對了，失敗本身就極具價值。

天氣系統是出了名的難建模，谷歌DeepMind也取得了進展。

DeepMind創造出了世界上最好的天氣預報系統，比那些傳統的、基於流體動力學的系統要好。

傳統系統通常要在巨大的超級計算機上跑好幾天才能算出結果。

即使這些動態非常複雜，在某些情況下甚至近乎混沌系統，依然可以用神經網絡WeatherNet建模。

在編程方面，AlphaEvolve讓遞歸式自我改進成爲了可能。

通往AGI的道路，可能不會是一條直線，而是一個隨時間推移逐漸改善的過程。

擴大計算規模！

擴大計算規模，對於構建AGI來説有多關鍵？

Hassabis認為，非常關鍵。

對訓練來説，需要的計算資源通常集中在一個地方，就算是數據中心之間的帶寬限制都會有影響。

因為現在AI系統已經融入了產品，被全世界數十億人使用，所以需要海量的推理計算。

在此之上，還有過去一年出現的新範式，給它越長的推理時間，在測試時就會變得越聰明。

隨着AI系統變得越來越好，它們會變得越來越有用，對它們的需求也會越來越大。

訓練的算力需求，其實只是其中的一部分，甚至可能在所需的總計算量中，會變成較小的那一部分。

隨着Veo越來越不可思議，服務器就越「汗流浹背」。

DeepMind有很多有趣的硬件創新。

有自己的TPU產品線，還在研究純推理芯片，以及如何讓它們更高效。

他們也對構建AI來幫助解決能源問題非常感興趣，比如，幫助數據中心的冷卻系統提高效率，優化電網。

最終，還有幫助核聚變反應堆進行等離子體約束。

然后是材料設計，他認為這是最激動人心的新領域之一，比如新型太陽能材料，室温超導體，還有最優電池。

這些問題中任何一個的解決方案，都將對氣候和能源使用帶來絕對的革命。

「初創公司」DeepMind

任何一家大公司，都會很多管理層級之類的東西，這是它運作的本質。

Hassabis仍然可以，過去也一直是以初創公司的模式在運營DeepMind，雖然它規模不小，但仍然是初創公司。

DeepMind用最好的小型組織所擁有的那種決斷力和活力去做事。

他們試圖做到「魚和熊掌兼得」：擁有觸達數十億用户的、令人難以置信的產品平臺，用AI賦能它們。

世界上很少有地方能這麼做：一邊做着世界頂級的、不可思議的研究；第二天就能把它接入產品，改善數十億人的生活。

他曾和大英博物館的楔形文字專家Irving Finkel交流，他不知道ChatGPT或Gemini。

Finkel第一次接觸到AI，就是谷歌搜索上的「AI模式」。世界上很多人，還不知道AI這回事。

設計AI產品時，不能只看技術今天能做什麼，而是要看它在一年后能做什麼。

所以，你必須是一個技術功底非常深厚的產品人，有一種很好的直覺和感覺，要能「截胡」到這個高速發展的技術未來的方向。

Hassabis認為我們將開始利用其他設備，智能眼鏡、音頻耳塞，甚至是某種神經設備，把輸入和輸出的帶寬，提升到比如今天的一百倍。

Hassabis認為我們將進入一個由AI生成界面的時代。

這些界面很可能是為你個人定製的，所以它會契合你的審美，你的感覺，你大腦的工作方式。

參考資料：

https://www.youtube.com/watch?v=-HzgcbRXUK8

本文來自微信公眾號「新智元」，作者：新智元，編輯：英智，36氪經授權發佈。