📝 本期播客简介 本期，Lex Fridman 再次邀请到谷歌 DeepMind 的联合创始人兼 CEO、新晋诺贝尔奖得主 Demis Hassabis，进行了一场关于人工智能、宇宙奥秘和人类未来的深度对话。Demis 分享了他在诺贝尔奖演讲中提出的一个宏大猜想：自然界中所有由演化和物理规律塑造的模式，原则上都可以被经典 AI 高效学习。从蛋白质折叠到星系形成，宇宙的结构本身或许就是可计算的。对话深入探讨了 AI 的惊人涌现能力，例如视频模型 Veo 如何在未被明确教导的情况下发展出 “直觉物理学”，这不仅挑战了我们对 “理解” 的定义，也预示了通往真正 “世界模型” 的道路。Demis 还以一位资深游戏设计师的视角，描绘了由 AI 驱动的、拥有无限可能性的动态游戏世界的未来。这不仅是一场关于 AGI 何时到来、如何定义的思辨，更是一次对 AI 如何解决能源危机、带领人类进入 “激进富足” 时代、甚至帮助我们理解生命起源和意识本质的宏大展望。 👨‍🔬 本期嘉宾 Demis Hassabis 博士，谷歌 DeepMind 的联合创始人兼 CEO，人工智能领域的领军人物，因其在蛋白质结构预测方面的开创性工作而荣获诺贝尔化学奖。他的研究横跨神经科学、计算机科学和人工智能，致力于构建通用人工智能（AGI）以加速科学发现，解决人类面临的最重大挑战。 📒 文字版精华 见微信公众号（点击跳转） 🌟 精彩内容 🌌 自然的终极密码：为何宇宙万物皆可被 AI 高效学习？ Demis 阐述其诺贝尔演讲中的核心猜想：自然并非随机，无论是生物演化还是物理风化，其产物都具有内在结构。这种 “稳定者生存” 的原则使得宇宙万物（从蛋白质到山脉）的模式可以被神经网络有效学习和建模，从而将许多看似无法处理的组合爆炸问题变得 tractable。 “如果真是这样，那么就应该存在某种可以被你反向学习的模式。实际上，这就像一个‘流形’，能帮助你搜索到正确的解… 因为它不是一个随机的模式… 我认为神经网络就有可能学会它。” 🎥 AI 的 “直觉物理学”：为何视频模型 Veo 能在不 “理解” 的情况下模拟现实？ 一个令人惊讶的发现是，像 Veo 这样的视频生成模型，仅通过观看海量视频，就能相当准确地模拟液体、光照和材质等复杂物理现象。Demis 认为，这表明 AI 发展出了一种 “直觉物理” 模型，挑战了 “必须通过与世界互动才能理解物理” 的传统观念，也暗示了现实世界可能存在可被学习的低维结构。 “它至少有某种直觉物理的概念，一种关于事物应该如何运作的直觉理解。可能就像一个人类小孩理解物理的方式，而不是一个博士生能真正解构所有方程式的那种理解。” 🎮 终极开放世界：AI 将如何创造为你量身定制、无限可能的动态游戏？ 作为资深游戏设计师（曾主导《主题公园》、《黑与白》），Demis 展望了 AI 将彻底改变电子游戏。未来的开放世界将不再是预设脚本，而是由 AI 实时生成内容、动态调整故事线，为每个玩家创造独一无二、真正由其选择驱动的沉浸式体验。 “现在，在未来五到十年内，我们或许正处于一个临界点，即将拥有能够真正围绕你的想象力进行创造的 AI 系统。它们可以动态地改变故事，围绕你的选择来叙述…” 💡 何为真正的 AGI？“第 37 手” 式的灯塔时刻与终极图灵测试 Demis 预测 AGI 可能在 2030 年左右出现，但他对其标准极高。真正的 AGI 不仅要在各项任务中表现优异，更要具备人类顶尖的 “研究品味” 和创造力。衡量标准将是那些 “灯塔时刻”：它能否像 AlphaGo 走出 “第 37 手” 一样提出全新的科学假说，甚至发明一个像围棋一样深邃优雅的新游戏？ “提出一个好的猜想，比解决它更难… 一个系统能提出一个值得研究的猜想吗？… 那是一种远为困难的创造力。我们真的不知道。” ✨ 激进富足的时代：AI 如何解决能源危机，带领人类走向星辰？ Demis 认为，AI 最重要的应用之一是解决能源（如核聚变）、新材料等根本性科学难题。一旦成功，人类将进入一个资源不再稀缺的 “激进富足” 时代。届时，水资源、太空旅行成本等问题将迎刃而解，为人类文明走向星辰、实现卡尔・萨根的宇宙梦想铺平道路。 “这将是人类历史上第一次，我们不再受资源限制。我认为那对人类来说可能是一个全新的、了不起的时代，一个不再是零和博弈的时代。” 🌐 播客信息补充 翻译克隆自：#475 – Demis Hassabis: Future of AI, Simulating Reality, Physics and Video Games 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight