Demis Hassabis AGI 框架与判断
来源：Demis Hassabis YC 访谈 2026-05-02、The Rundown 2026-05-26 专访
Google DeepMind CEO Demis Hassabis（AlphaFold 发明者、2024 年诺贝尔化学奖得主）在 2026 年多次公开阐述了他对 AGI 路径、agent 方向和科学发现的判断。本页综合 YC 访谈（2026-05-02）和 The Rundown 专访（2026-05-26）两来源。
AGI 还缺一两块拼图
Hassabis 认为当前组件（预训练 + RLHF + 思维链）"几乎可以确定"会是最终 AGI 架构的一部分。但 50/50 的概率还需要 1-2 个关键突破。
三大未解问题：
- 持续学习（continual learning）
- 长程推理（long-horizon reasoning）
- 记忆（memory）
记忆：百万 token 是"胶带方案"
Hassabis 博士论文研究海马体。他指出：
- 大脑在 REM 睡眠中回放经历来巩固学习
- DeepMind 早期 DQN 的"经验回放"正源自此
- 百万 token 处理实时视频只够 20 分钟
- 真正需要的不是更大上下文，而是类海马体的整合机制
AlphaGo 技术遗产复活
Google DeepMind 正在重新审视蒙特卡洛树搜索（MCTS）等 AlphaGo 时代技术在当代基础模型规模上的应用。所有前沿模型的思维链推理都可追溯到 AlphaGo。
智能体：投入产出比还没对上
"I see a lot of people working on setting off dozens of agents for like 40 hours, but I'm not sure I've seen the output that yet quite justify that level of input going in."
根本原因：无法在具体使用环境中持续学习适应。
创造力测试：从 Move 37 到"发明围棋"
AlphaGo Move 37 让 Hassabis 第二天就启动了 AlphaFold。但真正的测试是：
"It's not enough to come up with Move 37. Can it invent Go?"
即从高层描述发明围棋这个游戏本身。今天的系统做不到。
爱因斯坦测试
Hassabis 提出检验 AI 真正科学发现能力的标准：
"Can you train a system with the knowledge of physics of 1901, and then will it come up with what Einstein did in 1905, including special relativity?"
通过此测试 = 系统具备发明全新事物的能力。当前系统尚未做到。
2026-05-26 专访更新
The Rundown 在 Google I/O 期间对 Hassabis 进行了独家专访，补充了以下判断：
- AGI 时间线更具体：Hassabis 表示 AGI 有望在 2030 年实现，正负一年。这比 YC 访谈中的"2030 年左右"更加明确。
- 四大缺口：世界物理建模（world physics）、记忆（memory）、一致性（consistency）、持续学习（continual learning）。与 YC 访谈中的三大问题相比，新增了"世界物理"和"一致性"，并将"长程推理"替换为"一致性"。
- AI 药物发现时间线收紧：首批突破将集中在肿瘤学（oncology）和免疫学（immunology），最终目标是打造能够帮助治愈任何疾病的引擎。
- AGI 之后的方向：Hassabis 表示在 AGI 实现后，他将转向利用 AI 理解现实的本质，并研究更哲学性的议题——比如"做人意味着什么"（what it means to be human）。
- 人类不可替代的能力：品味（taste）、原创思维（original thinking）和情感连接（emotional connection）将变得更加宝贵。
给创业者的架构建议
- AGI 时间线 2030，深科技创业需 10 年，AGI 会在旅程中途出现
- 未来架构不是单一巨型模型，而是通用编排器 + 专用工具（Gemini 调用 AlphaFold 等）
- 垂直领域专用系统在 AGI 时代依然有巨大价值
- 找 AI 与硬科学交叉点最具防御性
Evidence across sources
| Source | Key Claim | Relevance |
|---|---|---|
| YC 访谈 2026-05-02 | AGI 2030；缺 1-2 个突破；持续学习/长程推理/记忆 | 早期系统阐述 |
| The Rundown 2026-05-26 | AGI 2030±1；四大缺口新增世界物理和一致性；药物发现时间线 | 最新更新，时间线更具体 |
Open questions
- Hassabis 两次访谈对"缺口"的描述略有不同（长程推理 vs 一致性），这是否反映了他对优先级的重新排序？
- 2030±1 的时间表是否意味着 DeepMind 内部有未公开的里程碑计划？