4 月7日，Google DeepMind 執行長 Demis Hassabis 接受20VC 採訪。本次對談深入探討了 AGI 的定義與實現時間表、Scaling Law 的效益真相、現有模型缺乏的核心認知能力、AI 在生物醫藥與能源領域的顛覆性應用、全球安全監管框架，以及 AGI 對勞動力市場衝擊等議題。
Demis Hassabis 強調，AGI 的標竿應為實現人類大腦的所有認知能力，且此目標極有可能在未來五年內達成。他認為儘管 Scaling Law 的效能成長幅度較初期放緩，但其效益依然實質，並未進入所謂的平臺期。
他指出，現有 AI 產業約 90% 的基礎突破均源自 Google 研究團隊或 DeepMind，未來幾年核心競爭力將從單純的算力堆疊轉向發明新演算法的能力。他坦言，目前的 AI 智能猶如「鋸齒狀智能」，在部分複雜任務中表現優異卻缺乏基礎連貫性；要解決此缺陷，必須攻克「持續學習」、「記憶系統架構」與「長程規劃」等關鍵技術環節。
談及 AI 驅動的產業革命潛力，Demis Hassabis 表示，AI 將開啟科學發現的黃金時代。他認為，透過對人體代謝的模擬與精準分層，能有效縮短臨床試驗週期；在能源領域，AI 可望將電網效率提升 30% 至 40%，並透過加速核融合與材料科學突破，使能源成本大幅降低。
至於開放原始碼模型，他直言開放原始碼模型在邏輯上將始終落後最前沿商業模型約半年時間，開放原始碼更多作為複製與消化的過程；此外在監管層面，他提議建立類似國際原子能總署的國際組織，由具政府背景的安全研究機構進行獨立稽核，並設定「禁止 AI 輸出人類無法解讀的機器語言」等安全底線。
01 AGI 標竿：實現人類大腦的全面認知能力
關於 AGI 的定義眾說紛紜，目前業界是否已對其「達成共識的標竿」有所共識？當李飛飛與其他重量級人士預測 AGI 最快可能在 2026 或 2027 年出現時，這些判斷為何具有挑戰性？現階段我們距離 AGI 究竟還有多遠？這些預測是否比 Demis Hassabis 先前的設想更快？其觀點是否隨時間改變？
Demis Hassabis：我們對 AGI 的定義始終如一，即一套能展現人類大腦所有認知能力的系統。這一點至關重要，蓋因大腦是目前已知宇宙中唯一被證明能實現通用智能的存在。對我而言，這就是 AGI 應達到的標竿。
（關於實現時間表）我在預測上有一個機率分布：我認為未來五年內實現 AGI 的機率相當高，因此這並不會遙不可及。
（關於觀點變化）並沒有。早在 2010 年創立 DeepMind 之際，我的共同創辦人暨首席科學家 Shane Legg 便在部落格中預測過 AGI 的實現時間表；當時幾乎無人研究人工智能，多數人視之為死胡同。但那些文章迄今依然可查。我們當時根據算力與演算法進步的趨勢外推，估計從起步至實現約需 20 年。現今看來，我們基本上仍處於此節奏上。
02 算力瓶頸與 Scaling Law 的真相
站在現今的節點，實現 AGI 最大的瓶頸為何？再者，外界多有暗示我們正撞上 Scaling Law 的天花板並進入平臺期，此說是事實嗎？
Demis Hassabis：算力是核心瓶頸。這不僅是為了 Scaling Law 所需的規模擴張——即建構更龐大參數量的架構來獲得更智能的系統，另一關鍵用途在於實驗。雲端算力猶如我們的實驗室工作檯：若研究團隊提出新的演算法構想，則需在合理規模上進行測試，否則該構想在整合進主系統時可能難以成立。對一個擁有眾多研究者且創意不斷的團隊而言，算力需求極為龐大。
（關於 Scaling Law 是否已觸頂）我不如此認為。實情更為微妙。當頂尖企業初期建構大語言模型時，每一代新系統往往帶來效能倍增的躍進式提升。這類指數級成長在某個時間點必然放緩，卻不意味持續擴大規模毫無收益。我們與其他頂尖實驗室在算力擴張上依然獲得豐碩回報，儘管現今成長幅度不若過往誇張，但效益依然極為實質。
03 缺失的核心技術：持續學習與鋸齒狀智能
在現有 AI 發展中，究竟有哪些領域的進展落後於 Demis Hassabis 的預期？為何現階段我們仍無法實現「持續學習」？他最期待的下一個突破又為何？
Demis Hassabis：事實上，多數領域的進展均超前預期——看看現今的影片模型，或我們最新的人機互動世界模型 Genie。若五至十年前你讓我見識今日的這些成果，我必驚為天人。絕大多數領域的進度確實超越業界預期。然而誠然仍有核心環節有待突破，例如「持續學習」。現有系統在完成訓練後即停止學習，鮮少具備在後續過程中吸納新知的能力；這是一種缺失的關鍵能力。
（關於持續學習的難點）問題在於，大眾尚未釐清如何將新知有效整合進一個已訓練數月的現有系統。所有頂尖實驗室均在攻堅此難題。人腦或能以優雅的方式處理——或許透過睡眠與強化學習達成：日間記憶於夜晚被重播並整合進既有知識庫。我時常思忖，或許我們也需此類機制來融合新資訊與舊有知識。
（談下一個突破點）缺失的東西尚多。除持續學習外，我認為探索不同的「記憶系統架構」大有可為。目前所謂「長上下文窗格」過於簡單粗暴——只是將所有內容塞進模型罷了；我認為尚有更多有趣架構值得發明。此外還有「長期規劃」與「分層規劃」：現有系統尚不擅長規劃橫跨數年的宏大藍圖，而人腦卻能；最後一個核心問題在於「連貫性」。我時常形容現有系統為「鋸齒狀智能」，因若換一種方式提問，其在某些基礎議題上依然會失靈。真正的 AGI 不應存在此等短板。
04 組織整合與技術護城河
近年 DeepMind 之所以能實現爆炸式進步，歸功於何種變革？模型能力的商品化趨勢下，未來是否會出現眾多競爭者追平差距？或將由少數企業持續領先？再者，他如何看待開放原始碼的未來？尤其開放模型通常落後前沿商業模型約半步，此現況今後是否會改變？
Demis Hassabis：其中關鍵在於組織架構的重整。Google 與 DeepMind 自始便擁有最深厚而廣泛的研究底蘊。過去十五載，現代 AI 產業約 90% 的核心突破均出自 Google Brain、Google Research 或 DeepMind——從 AlphaGo、強化學習，到 Transformer，這些關鍵拼圖均由我們打下。蓋若未來有所缺失，我亦深信將由我們補足。我們匯聚公司各處頂尖人才，整合所有算力資源來打造最強模型，而非任由公司內部切割成多個分散版本。
我們以極快的節奏與專注力推進，彷若一家新創公司般；這使 DeepMind 重返業界最前沿。
（談競爭格局）現階段包括我們在內的三、四家領先實驗室正逐步拉開差距。蓋舊有 AI 工具——諸如程式編寫、數學輔助工具——本身即可協助開發下一代系統；能從既有思路榨取效益已日益困難。因此，具備發明新演算法能力的實驗室，在未來數年間將擕帶更大優勢。
（談開放原始碼）未來格局大抵仍將延續今日態勢。我們是開放科學與開放原始碼模型的堅定支持者——從 Transformer 至 AlphaFold，我們已分享諸多成果至全球；未來在 AI 應用於科學領域時，亦將延續此種開放態度。然而你將發現，開放原始碼模型往往落後最前沿商業模型約半年。開放原始碼社群通常需約半年時間消化並複製前沿思路。不過我們正積極推廣 Gemma 系列開放原始碼模型，致力在同等規模下打造最強效能；它們極適合開發者、學術界，亦適用於邊緣運算情境。
05 AGI 問世後的世界
談及大語言模型之後的世界，楊立昆（Yann LeCun）持不同意見；Demis Hassabis 認為大語言模型是否為未來 AGI 系統中唯一的核心組件？或者僅為系統的一部分？再者，若 AGI 在五年內成真，他眼中的世界又會是何模樣？
Demis Hassabis：我對楊立昆的某些觀點抱持不同看法。蓋儘管有五成機率我們需在「世界模型」等嶄新路徑上實現突破，但我堅信基礎模型業已證明其成功——此範式不會消失。「Scaling Law」依然有效；真正的議題在於：未來 AGI 系統中，大語言模型是否為唯一核心？抑或僅為系統一部分？我認為語言模型不會被取代，而將成為未來系統的基石。
（談五年後的世界）AGI 將成為科學與醫學研究的「終極工具」。無論是加速科學發現或尋找疾病療法，我們均需此等技術。我期盼 AGI 能在五年內引領科學發現的黃金時代。
06 AI 驅動的醫療革命與監管流程優化
藥物研發需歷經漫長「臨床試驗」流程——自新藥誕生至患者獲益，往往需長達十年之久。AI 如何突破此效率瓶頸，方能真正催生醫療革命？
Demis Hassabis：這個瓶頸即將被突破。繼 AlphaFold 解決蛋白質摺疊機制後，我們成立 Isomorphic Labs，致力於解決藥物研發中的化學分子設計、合成、毒性檢測等環節。未來五至十年，此套「藥物設計引擎」將臻至成熟。臨床試驗確實費時，但透過 AI 對人體代謝的模擬，與對患者族群進精準分層，能有效加速流程。真正的革命將發生在第一批 AI 研發的藥物成功上市後：屆時監管機構有了實證模型的預測數據，未來我們能直接信賴模型的預測，進而躍過動物實驗或加速給藥階梯。此需分兩步推進：先攻克藥物設計，再優化監管流程。
07 AI 安全與國際協作監管
霍金曾警告，AI 的發展須「一次做對」，蓋或許沒有第二次機會；Demis Hassabis 是否認同此等 AI 安全憂慮？在此背景下，「正確監管」的定義為何？
Demis Hassabis：完全認同。這正是我們面對的風險押注。我有兩大擔憂：一為不法之徒對這種「雙用途技術」的濫用；二為技術本身的風險。當系統在邁向 AGI 之路上變得更加自主、更具行動者（Agent）屬性時，我們是否能將其框限在安全護欄內？「正確監管」因此至關重要，它能為領先供應商劃下最低標準——但這務必是一種國際協作。
（談「正確監管」之定義）在人類歷史上最重要的技術誕生之際，全球局勢卻陷入碎片化；此實為瘋狂之舉。此景況並不理想，但我們仍需盡力達成一套「底線標準」。例如：禁止建構具備欺騙能力的系統。理想的模式是建立國際認證體系，證明某特定模型已具備特定安全保障，使終端用戶與企業能安心採用——此體系必須國際化，蓋科技本身無國界。
在一個邏輯嚴密的模擬經營系統中，誰能充當 AGI 終極驗證系統與真實性的仲裁者？若你握有專門用於 AI 安全領域的「魔杖」，最想實現何種國際協作方案或技術監管程序？
Demis Hassabis：最終職責仍應由政府承擔。至於能執行具體技術稽核的機構，應為類似「人工智能安全研究所」這類專業組織；其現已在部分國家政府領導下成立且表現卓越。其他擁有頂尖研究實力之國家亦應設立等同級機構，配備高水平研究人員，以實際評估與稽核 AI 是否達到相應標準。
（談安全方案）我們需要一套國際組織——類似國際原子能總署。讓各國安全研究所將稽核資訊彙集於此；科研界亦需參與其中，共同制定衡量系統特質與能力的正確基準。此外尚應設下其他防護措施——例如：禁止 AI 輸出人類無法解讀的語彙（Token）。蓋若 AI 以人類無法理解的機器語言溝通，將衍生全新的安全風險；多數領先實驗室均會同意避免此類行為。監管機構應針對此等面向進行測試，以強化公眾信心。學術界與公民社會亦應參與其中，共同確保這些日益強大的系統已通過獨立稽核。
08 勞動力市場的結構性變革
科學屆極可能成為未來五年最振奮人心的領域。但隨之而來的「勞動力替代」議題卻也引人憂慮：人類是否終能克服？當目睹這些系統展現出驚人效能時，他又如何評估其對勞動力市場的衝擊？
Demis Hassabis：在過往每一場技術革命盡帶來大量職業動盪；此次亦無例外——舊有崗位將消逝或變得不可行。但歷史經驗顯示其後往往會湧現一波波先前無法想像的嶄新崗位，且通常品質更高、薪酬更豐。固然我們須審慎評估「此次是否有所不同」。儘管有人認為這與過往網際網路或行動通訊的突破無異，但我認為此次變革的規模將超越歷次；我有時形容 AGI 降臨宛如「以十倍速推進十倍規模的工業革命」——原應跨越世紀的變革將在十年間展開。工業革命固引發巨大動盪，卻亦帶來巨大進步：若無工業革命，我們將無現代醫學——在此之前孩童死亡率高逹四成。我們斷斷不願見此等進步從未發生；但理想狀態下，此次我們應比歷史更妥善紓解其副作用。
（談技術效應放眼未來）眾人常言：「高估一年變革，卻低估十年成就。」此諺語在 AI 領域是否仍屬真理？AGI 之來臨是否比想像中更快？
Demis Hassabis：此一說法依然適用。儘管 AI 發展的短期與長期時間表均比以往任何技術更為壓縮，但在當前與未來一年之尺度間，AI 領域的確存在「過度炒作」成分。然而從另一方面看，我依然認為在未來十年尺度上，此革命之徹底性將被嚴重低估——蓋即便在今日，AI 領域依然存有「短期高估」與「長期低估」並存的局面。
09 AI 創造的「價值」將遠超其能源成本，並帶來可再生「免費」能源
淺談收入不均與財富集中議題：結合工業革命歷史，他認為此趨勢將如何演變？再者，我們應如何面對 AI 革命所衍生的前所未有之能源需求？
Demis Hassabis：實現財富普惠大抵有多重途徑。舉例：養老基金或主權財富基金可購入大型 AI 企業股份，確保全民均能分享成長紅利，此為投資層面的解方。再者，若 AI 吹起龐大生產力爆發，我們更需思考如何重新分配其效益——例如運用這些額外生產力成長來提升公共基礎建設。在未來五至十年間，我們可能見證不可思議的突破——例如「可再生免費能源」。我們正攜手合作夥伴致力於核融合研究。AI 並將推進「超導體」、「新型電池」與「材料科學」等突破，徹底改寫經濟本質。
（談能源需求）從中長期視角觀之，AI 所創造的價值將遠超其所消耗的能源成本。我們正以 AI 優化現有基礎建設與電網，預計可將效率提升三成至四成。此外，我們擁有全球領先的氣候與氣象建模系統，得以精準因應環境變遷。最令人振奮的是，在 AI 輔助下，「核融合」、「新型電池」與「超導體」等顛覆性技術將加速實現；屆時人類將擁有前所未見的能源保障，它不僅能解決環境議題，更能令太空探索變得「極度低廉」——倘若掌握核融合能源，海水即可化作取之不盡的火箭燃料。
10 歐洲市場與終極醫療目標
歐洲是否有潛力孕育市值達兆美元的企業？若再次揮舞「魔杖」，他會採何策略注入成長心態，方能孕育此等兆元級企業？
Demis Hassabis：現階段尚未有歐洲企業達此規模；但我認為 Spotify 等亦存在潛力。我正試圖透過 Isomorphic Labs 達成此等目標，其具備此潛能。歐洲現今面對的挑戰在於市場相對分散；我們需克服此一格局——例如透過制度創新整合市場。
歐洲在初創階段表現優異，但當企業需跨越鴻溝邁向全球巨頭時，卻缺乏支援十億美元級融資的資本市場。此缺口我在十年前尋求融資時即感受深刻，至今猶存。歐洲需更宏大的野心與更深厚的資本支援。
談及醫療革命願景，其最期待根除何種疾病？又正思考哪些外界尚未聚焦的議題？
Demis Hassabis：我最期待能從根本上治癒癌症。Isomorphic Labs 正在建構的是一套「通用型藥物設計平臺」，致力攻克神經退化性疾病、心血管疾病、免疫學疾病與癌症等領域。儘管聽來似陳詞蕪語，但這卻是我們的真實目標。
眾人常談經濟影響議題，但我更憂心 AGI 所衍生的哲學追問：當技術與經濟議題獲得解決，我們將面對關於「生命意義」、「目標」與「意識本質」等終極追尋。做人究竟為何意義？我們需要新一代哲學家為人類指引方向。