文:Web3天空之城.城主

在與Lex Fridman的最新深度對話中，谷歌DeepMind的領導者、新晉諾貝爾獎得主德米斯·哈薩比斯（Demis Hassabis）以前所未有的系統性，揭示了他對人工智能、宇宙規律乃至人類文明未來的構想。哈薩比斯提出一個顛覆性猜想——一個“可學習的宇宙”。這一理論不僅是他解讀AlphaFold等成就的哲學基石，更構成了他通往通用人工智能（AGI）并最終解決人類最根本挑戰的清晰藍圖。從模擬物理世界、重塑交互娛樂，到駕馭能源危機和生命之謎，哈薩比斯正在為我們描繪的，是一個由AI驅動、徹底擺脫稀缺性限制的文明新紀元。

核心觀點摘要“我的猜想是，自然界中可以生成或發現的任何模式，原則上都可以通過經典的機器學習算法有效地發現和建模。宇宙是一個信息系統，因此，P vs NP本質上是一個物理學問題，我認為這是最根本的問題之一。”“像VEO這樣的視頻生成模型，能夠很好地模擬液體、材料和光照，這令人驚訝。這些系統本質上是在通過觀看YouTube視頻對物理學進行逆向工程。這暗示了關于現實本質的某些深層東西。”“選擇正確的問題是科學中最難的部分。一個系統能否提出一個值得研究的猜想，比解決它要難得多。這是一種更高級的創造力，也是通往AGI路上的關鍵。今天的系統絕對無法做到這一點。”“在人類歷史上，我們將第一次不受資源限制。如果我們能正確利用AI解決能源問題——無論是聚變還是太陽能——就能開啟一個資源極大豐富的后稀缺時代，擺脫零和博弈。”“我不認為這是一場競賽。重要的是，我們所有處于領先地位的人，都有責任為了人類的利益，安全地將這項令人難以置信的技術引入世界。我希望最終國際社群能夠團結起來。”“AI帶來的變革，其影響可能相當于工業革命的10倍，但速度也快了10倍。這種影響與速度的乘積效應，將使社會更難應對。”“構建人工智能，然后將其與人類思維進行比較，將是揭示人類思維特殊之處的最佳方法。這會幫助我們理解當我們處理信息時，信息所感覺到的方式——也就是意識。”一 | 哲思基石：一個“可學習的宇宙”

一切的起點，源于哈薩比斯在諾貝爾獎演講上拋出的一個深刻猜想。他認為，宇宙中的自然模式——從蛋白質在我們體內毫秒級的折疊，到山脈在千萬年風化中的形成——并非隨機混沌，而是具有內在的“可學習性”。

“自然系統具有結構，因為它們受到塑造它們的進化過程或‘最穩定者生存’法則的影響，” 哈薩比斯解釋道，“如果這是真的，那么應該存在某種低維流形（low-dimensional manifold），你可以逆向學習，它能幫助你高效地搜索到正確的解決方案，因為它不是隨機模式。”

這一視角徹底重構了我們對AI能力的理解。無論是AlphaGo在圍棋10^170種可能性中的驚天一手，還是AlphaFold在蛋白質10^300種構象中的精準預測，其本質都不是蠻力破解。相反，它們是通過構建環境的精確模型，在這個充滿結構性的“景觀”中，循著梯度進行智能搜索，從而將指數級復雜的NP難題，轉化為多項式時間內可解的問題。

這一思想的終極延伸，是將計算機科學的經典難題與宇宙的物理本質直接關聯。“我一直對P=NP問題著迷，” 哈薩比斯說，“我傾向于認為信息是宇宙中最基本的單位，比能量和物質更基本。當你把宇宙看作一個信息系統時，那么P=NP就是一個物理學問題。我認為它的答案將會非常具有啟發性。” 在他看來，我們今天所見的AI奇跡，僅僅是經典圖靈機潛能的冰山一角，而AGI將是這種潛能的終極體現。

二 | 現實模擬：當AI成為世界的物理引擎

如果宇宙是可學習的，那么AI模擬物理世界的能力便有了理論根基。哈薩比斯眼中最震撼的例證，正是谷歌最新的視頻生成模型VEO。當公眾驚嘆于其生成的喜劇短片時，這位前游戲物理引擎開發者卻看到了更深層的東西。

“我喜歡那些有人生成透明液體通過液壓機被擠壓的視頻，” 他分享道，帶著一種技術專家的興奮，“我早年在游戲行業編寫過物理引擎，我知道構建能做到這一點的程序是多么令人費力。然而，不知何-何，這些系統正在通過觀看YouTube視頻對物理學進行逆向工程。”

VEO對流體、鏡面反射和光照的精準模擬，意味著它已經內化了一種“直覺物理學”（intuitive physics）——一種關于世界如何運作的常識性理解。這有力地挑戰了“AI必須通過與物理世界直接互動才能獲得理解”的傳統“具身智能”理論。“看起來你可以通過被動觀察來理解它，這對我來說非常令人驚訝，” 哈薩比斯坦言，“我認為這再次暗示了關于現實本質的某些深層東西。”

而這僅僅是開端。模擬一個靜態的世界之后，下一步必然是與之互動。

三 | 交互前沿：重塑娛樂與創造的未來

哈薩比斯對未來的構想，充滿了他在游戲設計黃金時代（90年代）的激情。他曾主導開發了《主題公園》、《黑與白》等里程碑式的開放世界游戲，而如今，他認為AI將最終實現他當年的終極夢想：一個真正動態、個性化、由玩家與AI共同創造的無限世界。

他精準地指出了當前開放世界游戲的局限——所謂的自由選擇，往往只是精心設計的“選擇的幻覺”，正如在經典游戲《史丹利的寓言》中所諷刺的那樣。而未來的游戲將徹底打破這一桎梏。“你希望能夠在這個游戲環境中潛在地做任何事情，” 他描繪道，“我認為實現這一點的唯一方法是擁有生成系統，即能夠動態生成內容的系統……它能夠動態地改變故事，圍繞敘事進行講述，并使其無論你最終選擇什么都充滿戲劇性。這就像終極的‘選擇你自己的冒險’式游戲。”

想象一下，一個互動版的VEO，你不再是觀看視頻，而是可以走進視頻，你的每一個行為都會引發世界合乎邏輯的、充滿創造性的響應。這不僅將顛覆價值數千億美元的娛樂產業，更預示著一種全新的創造范式——當每個人都能利用AI將想象力變為可交互的現實時，創造的門檻將被極大降低。

四 | 通往AGI之路：超越規模與探尋“研究品味”

對于何時能實現通用人工智能（AGI），哈薩比斯給出了一個具體的概率預測：“未來五年內有大約50%的幾率，比如說，到2030年。” 但他反復強調，通往AGI的道路并非僅僅依賴于計算規模（Scale）的無限擴展。他認為，可能還需要類似于AlphaGo“第37步”棋那樣的、能夠跳出人類已知范疇的重大研究突破。

在這里，他引入了一個至關重要的概念：“研究品味”（Research Taste）。

“我認為品味或判斷力這個概念，將是最難模仿或建模的事情之一。它區分了偉大科學家和優秀科學家，” 他深刻地指出，“選擇正確的問題是科學中最難的部分，以及提出正確的假設。一個系統能否提出一個值得研究的猜想，比解決它要難得多。這是一種更高級的創造力，也是今天的系統絕對無法做到的。”

他設想的AGI終極測試之一，就是看系統能否在擁有1900年前所有知識的情況下，獨立推導出狹義與廣義相對論。這考驗的正是這種提出深刻、可證偽且能推動知識邊界的假設的能力。

為了攀登這一高峰，DeepMind正雙管齊下：一方面繼續擴展模型規模，另一方面則通過AlphaEvolve（用LLM引導進化算法）、AlphaProof（解決數學奧林匹克難題）等項目，探索讓AI系統實現創造力飛躍的全新路徑。

五 | 文明重構：作為終極工具的AGI

在哈薩比斯的宏偉藍圖中，AGI并非終點，而是解決人類文明最根本挑戰的“終極工具”。他個人職業生涯的夢想，是構建一個完整的“虛擬細胞”，以原子級的精度模擬細胞內部所有動態交互。他與導師、諾貝爾獎得主保羅·納斯（Paul Nurse）探討這個想法長達25年，而今天，隨著AlphaFold 3開始模擬蛋白質間的復雜互動，這個夢想正變得觸手可及。它有望將藥物研發的速度提升百倍，徹底改變生命科學。

目光放得更遠，他相信AI將是破解能源危機的鑰匙。“我認為聚變和太陽能是我會押注的兩種能源，” 他斷言。AI可以幫助設計更優的聚變反應堆（DeepMind已與聯邦聚變公司合作）、發現室溫超導材料、或創造更高效的太陽能電池板。

“如果我們以其中一種方式解決了能源問題，” 哈薩比斯展望道，“那么在人類歷史上，我們將第一次不受資源限制。用水問題消失了，因為海水淡化變得廉價；我們擁有無限的火箭燃料。我認為這將開啟一個資源極大豐富的后稀缺時代，擺脫零和博弈。”

然而，這位樂觀的遠見者也發出了清醒的警告。他預見到，這場變革的社會沖擊將是空前的。“我認為我們將看到的影響可能相當于工業革命的10倍，但速度也快了10倍，” 他說，“這種影響與速度的乘積效應，將使社會更難應對。” 他呼吁全球頂級的經濟學家、哲學家和政治家，現在就開始嚴肅思考如何設計新的社會契約和治理結構，以應對即將到來的大規模職業顛覆和財富分配挑戰。

結語：智能的責任與人性的回響

盡管身處一場被外界描繪為“軍備競賽”的科技浪潮中心，哈薩比斯卻始終保持著一種科學家的冷靜與責任感。他將領導DeepMind的經歷比作運營一家“大規模的創業公司”，在龐大的谷歌體系內保持著果斷與活力。但他拒絕用“獲勝”來定義自己的目標。

“我不認為這是一場競賽，” 他鄭重地表示，“重要的是，我們所有處于領先地位的人，都有責任為了人類的利益，安全地將這項令人難以置信的技術引入世界。我希望最終國際社群能夠團結起來，當越來越接近AGI時，人們會明顯地意識到這是必需的。”

在他看來，這段探索人工智能邊界的旅程，最終也將引領我們回到對自身的審視。正如他所引用的理查德·費曼的名言——“我無法創造的，我就不理解”，哈薩比斯相信，“構建人工智能，然后將其與人類思維進行比較，將是揭示人類思維特殊之處的最佳方法。” 這或許關乎意識的本質，關乎碳基生命與硅基智能處理信息時那“感覺到的方式”的奧秘。

原訪談4萬字全文傳送: