主要观点总结
本文是关于Google DeepMind的联合创始人兼CEO、诺贝尔奖得主德米斯·哈萨比斯对于人工智能未来的一系列观点的综述。文章涵盖了哈萨比斯关于人工智能在未来将如何发展，包括模拟现实、计算与P对NP问题、视频游戏对AI创新的推动等方面的观点。
关键观点总结
关键观点1: 哈萨比斯提出的关于自然中的可学习模式的观点，认为任何自然生成或存在的模式都可以被经典的机器学习算法高效地发现与建模。
哈萨比斯基于AlphaGo和AlphaFold的成功实践，提出了这一观点。他认为自然系统本身并非随机，而是存在一种可以被学习的低维流形，AI的任务就是通过学习来逆向工程出隐藏在复杂现象背后的简洁结构。
关键观点2: 哈萨比斯看待计算作为物理现实的一部分，认为P对NP问题是一个深刻的物理学问题。
他提到AlphaGo和AlphaFold的成功展示了将NP类问题转化为P类问题的可能性，暗示经典计算系统的能力可能远超此前的想象。
关键观点3: 哈萨比斯对Google最新的视频生成模型Veo 3的评论，认为其在模拟流体、光照等物理现象的能力上展现了理解现实的哲学问题。
他提到Veo 3通过预测下一帧画面的方式，内隐地学习到了事物“应该”如何运动和交互，这种理解或许不同于传统科学家基于公式和公理的深刻哲学理解。
关键观点4: 哈萨比斯认为视频游戏是AI创新的推动力之一。
他提到高质量的视频游戏，特别是开放世界游戏，具备了训练通用智能体的几个关键要素，如模拟真实世界、明确的目标与奖励、高效的训练环境等。
关键观点5: 哈萨比斯的梦想是模拟一个细胞甚至一个生物有机体。
他认为要从头开始构建生命，可能需要先将其建模。这个过程类似于从一个原始的化学汤中模拟一个细胞如何涌现。
关键观点6: 哈萨比斯关于AlphaEvolve和进化方法的观点。
他认为将大型语言模型（LLMs）与进化计算等其他计算技术相结合，是极具潜力的混合系统方向。在这个过程中，LLMs可以扮演「提出可能解决方案」的角色，而进化算法则负责在这些方案的基础上寻找更优、更新颖的解。
关键观点7: 哈萨比斯关于通用人工智能（AGI）的时间表。
他给出了一个相对乐观的时间表，认为AGI在2030年前达到的概率约为50%。但强调通往AGI的路径是一个逐步增强能力的过程，需要一系列的里程碑和核心能力。
关键观点8: 哈萨比斯关于扩展定律和计算能力的观点。
他认为当前的扩展定律仍有巨大的探索空间，深度神经网络的规模弹性依然很强。扩展不仅仅发生在预训练阶段，微调（fine-tuning）和推理（inference）阶段同样具有巨大的扩展潜力。
关键观点9: 哈萨比斯关于AI安全的观点。
他明确表示AI导致人类灭绝的概率是非零且不可忽视的。他认为通过科学的方法可以将其显著降低，但必须同时推动AI系统能力（capabilities）提升和可控性（controllability）的研究。
关键观点10: 哈萨比斯关于AI时代教育和研究的观点。
他认为AI可以成为放大人类创造力和赋能个性化辅导的强大工具。未来的科研将越来越多地以协同合作发现的形式展开，人类与AI将成为紧密的合作伙伴。
免责声明：本文内容摘要由平台算法生成，仅为信息导航参考，不代表原文立场或观点。
原文内容版权归原作者所有，如您为原作者并希望删除该摘要或链接，请通过
【版权申诉通道】联系我们处理。
