AI最深层次的变革

当今AI模型发展迅速，但面临“收益递减”的挑战。关键信息包括：

1. 惊人的发展速度：Hassabis形容过去一年AI发展如同十年浓缩，以Gemini为例，其多模态能力显著提升。
2. 扩展并未碰壁：模型规模扩展仍能带来性能提升，但已进入“收益递减”阶段，性能不再指数级增长，但持续投入仍值得。
3. 数据挑战与创新：面临可用数据耗尽问题，可通过合成数据（如编码和数学领域）等研究方法解决。

“参差不齊的智能”：当前AI的核心论点
Demis Hassabis指出AI表现“非常不均衡”，这可能是尚未达到AGI的关键原因。AlphaFold证明了解决根节点问题的可能性，当前正探索更多方向。

下一个科学前沿

1. 量子计算：与谷歌量子AI团队合作，利用机器学习助力量子纠辑研究。
2. 聚变能源：与CommonwealthFusionSystems合作，通过AI控制等离子体和设计新材料，目标是实现可控核聚变。
3. 材料科学：设计室温超导体和性能更好的电池。

通往AGI的新路径：语言模型的局限性
语言模型难以描述空间动态、物理背景和机械原理，且无法完全表达体验性知识（如运动角度、气味等）。实现通用机器人需AI理解物理世界的因果关系，并具备“在线学习”和“持续学习”能力。

构建心智的基石：世界模型与智能体

1. 世界模型：语言模型虽能理解世界，但缺乏空间动态和物理背景知识。
2. 智能体：理解世界力学因果关系的内部模型（直观物理），如Genie和SIMA等实例。
   终极训练场：智能体进入AI生成的世界，通过精确物理模拟进化，研究生命和意识起源，建立复杂系统学习型模拟，为科学提供可控实验工具。

人类社会的未来：后AGI时代的变革
工业革命后，社会需预见并缓解AGI带来的脱节问题。现有经济模式（如“用劳动换取资源”）将终结，可能探索全民基本收入（UBI）或直接民主式资源分配。后稀缺时代需解决“意义”危机，若工作不再是必需，人类目标感将何在？

终极问题：计算的极限与人类心智的独特性
通过构建AGI并模拟人类心智，可揭示人类心智中独特且可能无法被计算的部分（如创造力、情感、意识等）。