Hassabis 談模擬世界與智能邊界

Nobel 演講的猜想：只要是被演化篩選過的系統，就存在能被學會的結構，AlphaFold、AlphaGo 都是證據。

他把 P versus NP 重新框成「宇宙是不是一個資訊系統」的問題，也聊到哪些系統（混沌、突現現象）可能還學不來。

Veo 只靠看影片就抓到液體、材質、光線的物理直覺，讓他重新質疑「一定要有身體互動才懂物理」的舊理論。

網友調侃 Google 什麼時候把 Veo 做成能玩的世界，他認同這是下一步：從生成影片延伸到能互動、走進去的世界模型。

真正的開放世界要讓玩家每個選擇都實質改變模擬結果，不是幻覺式分支；也談到遊戲產業當年怎麼帶動圖形晶片與運算進步。

用大型語言模型提案、演化演算法篩選，是「模型加搜尋」的代表；關鍵是能不能演化出資料裡原本沒有的全新能力。

分辨好問題、好假設的「品味」是現有系統最欠缺的能力；好的研究即使實驗失敗，問題問對了一樣算有收穫。

AlphaFold 解決了蛋白質靜態結構，他的長期夢想是先模擬一顆完整的酵母菌細胞，多數實驗先在虛擬世界搜尋答案。

他認為生命與非生命之間其實是連續光譜，不是明確界線，樂觀看待用搜尋原始化學湯的方式理解生命如何出現。

估計未來五年內有五成機會出現 AGI，判準是能力要「全面一致」，不能像現在的系統有些領域強、有些地方有破綻。

除了用大量認知任務測一致性，他更在意有沒有出現像愛因斯坦提出相對論那樣的創見時刻，才是真正的突破訊號。

Alpha Evolve 這類系統擅長持續的小幅改良，但能不能自己提出像 Transformer 架構那樣的躍進，他認為還是未知數。

預訓練、後訓練、推論時間三個維度都還有成長空間；押注的是研究深度而不只是規模，資料量也不是他擔心的瓶頸。

訓練與推論都需要龐大算力，他把解決能源問題（核融合、更有效率的太陽能）跟資源不再零和之後少了衝突動機連在一起講。

Gemini 從 1.5 版落後到 2.5 版反超，靠的是整合研究文化、持續對抗大公司裡自然長出來的官僚；也談到 AI 已悄悄進到完全不懂這件事的一般人生活裡。

做產品要預判模型一年後的能力，而不是只服務今天；也期待聊天框之外更自然、甚至由 AI 生成個人化介面的互動方式。

新版號背後是約六個月一輪的「hero run」，打包最新架構與訓練點子重新訓練，再蒸餾出 Pro、Flash、Flashlight。

不把 AGI 競賽看成「贏」，而是幾個領先團隊共同承擔安全把關的責任；也因此努力跟其他實驗室的領導者維持合作關係。

面對高薪挖角，他認為真正相信 AGI 使命的人留在前沿是為了影響技術怎麼走；也提到資源不再稀缺後「錢」本身都得重新想過。

程式與數學因為容易產生可驗證的合成資料，反而最早被 AI 大幅提升；價值會從容易生成的工作轉往架構設計這類更高階判斷。

談到以馮紐曼為原型的小說《瘋子》，他認為馮紐曼早就預見電腦與學習系統的走向；也主張理性之外還需要人文向度來引導這麼強大的技術。

希望各國別把 AGI 競賽演成軍備競賽，更期待看到類似 CERN 那種跨國合作研究的模式，也提到東西方人員交流有助避免對立。

拒絕給出精確的末日機率，只承認風險「不算低」；被問到更擔心人還是 AI 本身，他傾向擔心人——是壞人拿技術做壞事。

提到李世乭對戰 AlphaGo 那步震驚棋壇的一手，延伸討論等 AI 越來越強之後，人類還剩下什麼獨特之處。

跟 Roger Penrose 討論意識是不是量子現象，他傾向認為意識可能只是古典計算的產物，也談同理一個不同運算基底的 AI 有多難。

相信人腦近乎無限的可塑性，以及人類從狩獵採集適應到現代生活的驚人彈性，是他對未來保持樂觀的理由。