在 AI 科技浪潮中，我們每天都被各種新模型、新應用的新聞轟炸。但真正能影響未來十年走向的觀點，往往來自於那些站在浪潮最前端的掌舵者。Google DeepMind 的 CEO，同時也是 AlphaFold 的幕後推手、諾貝爾獎得主 Demis Hassabis，無疑是其中最重要的人物之一。他在近期 All-In Summit 的一場深度專訪中，介紹了 Google AI 未來的發展藍圖，涵蓋通用人工智慧 (AGI) 的挑戰、機器人學的未來，到 AI 如何從根本上改變科學研究的宏大願景。
本文將整理部分精彩重點，訪談完整內容請看影片：
Google DeepMind CEO Demis Hassabis on AI, Creativity, and a Golden Age of Science | All-In Summit
Demis Hassabis 與 Google DeepMind：AI 研發的核心
要理解這次專訪的內容，我們首先需要知道 Demis Hassabis 是誰，以及他領導的 Google DeepMind 在做什麼。Hassabis 本人是一位橫跨多領域的奇才，從西洋棋神童、電玩遊戲設計師，到認知神經科學博士，他的人生經歷都圍繞著「智慧」這個核心主題。他與團隊因開發出能精準預測蛋白質結構的 AI 模型 AlphaFold，對生物醫學產生巨大貢獻，而共同獲得諾貝爾化學獎。
他創立的 DeepMind 在 2014 年被 Google 收購，如今已整合為 Google DeepMind，成為整個 Google 及 Alphabet 的「引擎室」(engine room)，負責開發 Google 最核心的 AI 模型，如 Gemini，並將其應用於搜尋、Gmail 等幾乎所有 Google 產品線中。他們的使命不僅是開發產品，更是探索智慧的本質，推動 AI 研究的前沿。
關鍵 AI 技術：從 Genie 世界模型到 Gemini
專訪中，Hassabis 展示TN科技筆記之前文章介紹過的名為 Genie 的「世界模型」(World Model)，它代表了 AI 技術發展的重要方向。
（詳細文章在這裡）
Genie 能夠僅僅透過文字描述，就即時生成一個可互動的 2D 世界。這與傳統的 3D 遊戲引擎有根本上的不同。傳統引擎需要開發者手動編寫物理規則，而 Genie 則是透過觀看數百萬部網路影片，自主學習並「逆向工程」出我們世界的運作方式，也就是所謂的「直觀物理」(intuitive physics)。
這個技術的重點，在於讓 AI 從理解抽象的語言文字，進化到理解我們身處的物理世界。這是 Google 核心模型 Gemini 從一開始就被設計為「多模態」的原因，它不僅能處理文字，也能理解圖像、聲音和影片。Hassabis 強調，讓 AI 理解物理世界，是通往更通用智慧的必經之路，也是機器人、智慧眼鏡等未來應用得以實現的基礎。
機器人學的下一步：人形是最佳解嗎？
當 AI 越來越理解物理世界，下一步自然就是與物理世界互動，這就帶到了機器人學的未來。Hassabis 認為，機器人產業的突破點即將在未來幾年內到來。
他分析，未來將是兩種形態機器人並存的局面：
- 專用型機器人: 在工廠、實驗室等特定工業場景，為了最高效率，機器人的形態會被高度客製化，以完成特定任務。
- 通用型人形機器人: 對於要融入人類日常生活的個人機器人，Hassabis 認為「人形」會是重要的設計方向。原因很實際：我們的世界，從門把高度、樓梯階梯到各種工具，都是為人類的身體形態所設計的。與其改造整個物理世界，不如讓機器人直接適應我們的環境。
Hassabis 也透露 Google 正在探索的策略之一，是打造一個類似「機器人界的 Android」的底層作業系統。這個軟體層將整合 Gemini 這類強大的多模態模型，讓機器人能理解自然語言指令並轉化為精準的物理動作，從而大幅加速整個機器人產業的硬體創新與應用普及。
通往 AGI 之路：混合模型、創造力與當前挑戰
通用人工智慧 (AGI)，即具備與人類相當甚至超越的認知能力的 AI，是 Hassabis 職涯的終極目標。但他對此抱持著相對冷靜的看法，預測我們距離實現 AGI 可能還需要 5 到 10 年的時間。
他指出當前 AI 模型仍面臨幾個核心挑戰：
- 缺乏真正的創造力: 目前的 AI 擅長整合與模仿，但還無法像愛因斯坦提出相對論那樣，自主形成全新的科學假說或理論。Hassabis 提出一個思想實驗：將一個 AI 的知識庫限制在 1901 年之前，看它能否自行推導出 1905 年的相對論。這才是 AGI 創造力的試金石。
- 能力不一致: 現今的模型雖然能在某些高難度任務（如數學競賽）上表現出色，卻可能在簡單的高中數學或計數問題上犯錯。這種能力的「參差不齊」是通用智慧尚未達成的證明。
為了解決這些問題，Hassabis 提到了「混合模型」(Hybrid Models) 的概念。以 AlphaFold 為例，它並非純粹的深度學習系統，而是將神經網路的學習能力，與已知的物理和化學規則（例如原子間的鍵結角度、原子不能重疊等）相結合。這種結合學習系統與專家規則的作法，是目前解決複雜科學問題的有效途徑。他相信，通往 AGI 的道路不僅僅是擴大模型規模，很可能還需要一到兩個類似的關鍵技術突破。
AI 的能源焦慮：是問題，還是解答？
對於外界普遍擔憂 AI 發展將帶來巨大的能源消耗，Hassabis 提出了更全面的觀點。他承認，訓練最前沿的 AI 模型確實需要龐大的能源。但他也指出兩個常被忽略的面向：
- 效率持續提升: 在模型應用端（也就是我們日常使用的服務），其運算效率在過去幾年已經提升了 10 到 100 倍。透過模型蒸餾等技術，可以用一個大型的「教師模型」來訓練出更精簡、高效的「學生模型」，以極低的成本服務數十億用戶。
- AI 將回饋更多能源: 長遠來看，Hassabis 相信 AI 為能源領域帶來的效益，將遠遠超過其自身的消耗。AI 可以被用來優化電網效率、設計新型儲能材料、甚至協助控制核融合反應爐中的電漿。從這個角度看，AI 反而是解決方案的催化劑。
十年展望：AGI 將開啟科學的黃金時代
當被問及十年後的世界，Hassabis 的回答充滿了對科學發展的樂觀期待。他相信在未來十年內，我們將擁有可以被稱之為 AGI 的系統。
他認為，AGI 的到來將開啟一個全新的「科學黃金時代」，一場新的文藝復興。AI 將成為科學家最強大的工具，協助我們應對氣候變遷、疾病治療、新能源開發等人類面臨的最複雜挑戰。這也是他投身 AI 研究的初衷：不僅是解決智慧本身，更是要用智慧去解決其他所有問題。
TN科技筆記的觀點
- Hassabis 對 AGI 保持的清醒認知令人印象深刻，他強調「創造力」和「關鍵突破」而非盲目追求規模，這為當前過熱的 AGI 討論帶來理性的聲音。
- 多模態互動、理解物理世界勢必會是未來 AI 應用到機器人領域的重要方向，但要如何做出一個足夠強大的世界模型來模擬訓練，把 AI 與特定領域知識（如物理、化學）結合的「混合模型」將是有效路徑之一。
支持TN科技筆記，與科技共同前行
我是TN科技筆記，如果喜歡這篇文章，歡迎留言、點選愛心、轉發給我支持鼓勵～～～也歡迎每個月請我喝杯咖啡，鼓勵我撰寫更多科技文章，一起跟著科技浪潮前進！！>>>>> 請我喝一杯咖啡
在此也感謝每個月持續請我喝杯咖啡的讀者們，讓我更加有動力為各位帶來科技新知！
