DeepMind CEO定義世界模型標(biāo)準(zhǔn)：不僅理解物理世界，還能創(chuàng)造它

來(lái)源：騰訊科技

從與現(xiàn)實(shí)難辨的AI視頻，到細(xì)致到流水與倒影都符合物理的虛擬世界，再到會(huì)在推理中主動(dòng)調(diào)用工具自我修正的模型——這并非科幻小說(shuō)，而是DeepMind最新的AI工具，已經(jīng)展現(xiàn)的驚人能力。

8月13日消息，谷歌DeepMind首席執(zhí)行官德米斯?哈薩比斯（Demis Hassabis）近日做客播客節(jié)目《Release Notes》，全面闡述了DeepMind最新一系列技術(shù)突破背后的思路與戰(zhàn)略布局，其中世界模型Genie 3的突破性進(jìn)展成為核心亮點(diǎn)。

在這場(chǎng)深度對(duì)話中，他勾勒出一個(gè)令人振奮又充滿挑戰(zhàn)的AI新紀(jì)元：從AlphaGo征服圍棋，到Deep Think斬獲數(shù)學(xué)奧賽金牌；從生成逼真世界的Genie 3，到即將誕生的“全能模型”，我們正站在通向AGI的關(guān)鍵轉(zhuǎn)折點(diǎn)。然而，即便AI已能創(chuàng)造一個(gè)完整的虛擬宇宙，它依然可能在國(guó)際象棋中違規(guī)行棋，這種“參差型智能”的悖論，正揭示了人工智能最深層的秘密。

哈薩比斯指出，“思考型模型”（the thinking models）是通向通用人工智能（AGI）的必經(jīng)之路；DeepMind的終極目標(biāo)是推出融合語(yǔ)言、多媒體、物理推理與生成能力的全能模型（Omni Model），其核心支撐正是世界模型的持續(xù)進(jìn)化，最終將實(shí)現(xiàn)全面且一致的智能表現(xiàn)，推動(dòng)通用人工智能（AGI）安全落地。

此次訪談?dòng)晒雀鐰I Studio產(chǎn)品負(fù)責(zé)人洛根?基爾帕特里克（Logan Kilpatrick）主持，以下為對(duì)話內(nèi)容實(shí)錄：

思考型模型：從游戲AI到AGI的演進(jìn)之路

基爾帕特里克：今天我們的嘉賓是谷歌DeepMind首席執(zhí)行官德米斯·哈薩比斯。你好德米斯，感謝你的到來(lái)，很高興能一起聊聊我們?cè)谶^(guò)去幾個(gè)月里取得的大量發(fā)布成果和進(jìn)展。

哈薩比斯：你好，很高興來(lái)到這里。

基爾帕特里克：我想先談?wù)勥@種前所未有的進(jìn)展勢(shì)頭。我看到DeepMind近期在不斷推出各種成果，包括Deep Think、IMO金牌、Genie 3，還有其他大約五十個(gè)項(xiàng)目，在過(guò)去兩個(gè)月內(nèi)接連面世，快到讓人忘記它們的存在，因?yàn)橐磺卸荚陲w速推進(jìn)。我想聽(tīng)聽(tīng)你對(duì)這種進(jìn)展與勢(shì)頭的總體看法。

哈薩比斯：是的，這種情形令人振奮。過(guò)去幾年，我們一直在積蓄力量，加快發(fā)布和研發(fā)的節(jié)奏，如今正看到這些努力的結(jié)果。我認(rèn)為這是行業(yè)一個(gè)非常令人興奮的時(shí)刻。幾乎每天都有新成果面世，我們團(tuán)隊(duì)幾乎每天都在發(fā)布新東西，即便是在內(nèi)部，也很難跟上進(jìn)度，更不用說(shuō)整個(gè)領(lǐng)域了。看到這一切我非常自豪，也對(duì)我們近期的一些成果感到非常滿意。

基爾帕特里克：那你是如何看待 Deep Think 的呢？我個(gè)人最興奮的一點(diǎn)，是該模型的一個(gè)版本如今已向 Gemini 應(yīng)用的訂閱用戶(hù)開(kāi)放，讓大家能夠真正親手體驗(yàn)。我覺(jué)得，這種一邊推進(jìn)技術(shù)研發(fā)、一邊讓用戶(hù)直接上手的結(jié)合非常美妙。那么，從 Deep Think 的角度來(lái)看，你會(huì)如何思考？

哈薩比斯：我認(rèn)為，“思考型”模型的出現(xiàn)，可以看作是對(duì)我們?cè)缙谟螒?AI 工作的一種回溯，比如 AlphaGo 和 AlphaZero。自 DeepMind 成立以來(lái)，我們一直在研發(fā)“基于智能體的系統(tǒng)”。在早期，這意味著系統(tǒng)能夠完成一個(gè)完整的任務(wù)，通常是將游戲玩到極致，因?yàn)橛螒蛴忻鞔_的目標(biāo)。當(dāng)時(shí)我們的模型是單一領(lǐng)域的游戲模型，而如今我們擁有功能強(qiáng)大的多模態(tài)模型，既能處理語(yǔ)言，也能理解和整合其他信息。

在游戲AI中，我們需要在模型之上疊加“思考”或“規(guī)劃”的能力。這是通往 AGI 的必經(jīng)之路。當(dāng)模型具備思考能力，就可以進(jìn)一步延展到“深度思考”，甚至實(shí)現(xiàn)并行規(guī)劃——也就是同時(shí)推演多條思路，然后擇優(yōu)決策，進(jìn)入下一步行動(dòng)。

這一方向仍有廣闊的創(chuàng)新空間，但即便在“思考”這一部分，進(jìn)展速度也非常快。無(wú)論是數(shù)學(xué)、編程、科學(xué)問(wèn)題，還是游戲，這類(lèi)系統(tǒng)都必須具備思考與規(guī)劃能力，而不是簡(jiǎn)單地給出腦海中閃現(xiàn)的第一個(gè)答案。思考型系統(tǒng)的核心價(jià)值，就是不斷修正和優(yōu)化自身的推理過(guò)程。

基爾帕特里克：我之前看了《The Thinking Game》那部視頻，一邊觀看一邊做筆記，發(fā)現(xiàn) DeepMind 團(tuán)隊(duì)其實(shí)很早就踏上了這條道路，而且和你們當(dāng)年用強(qiáng)化學(xué)習(xí)（RL）解決問(wèn)題的過(guò)程有許多相似之處。比如，AlphaFold 曾面臨的數(shù)據(jù)瓶頸，就和我們現(xiàn)在在編程等領(lǐng)域缺乏專(zhuān)家數(shù)據(jù)的困境十分相似。這種情況，會(huì)讓你產(chǎn)生似曾相識(shí)的感覺(jué)嗎？

哈薩比斯：確實(shí)如此。我們很早就堅(jiān)定選擇了強(qiáng)化學(xué)習(xí)，這是 2010 年我們做出的首批關(guān)鍵決策之一，與深度學(xué)習(xí)并列。當(dāng)時(shí)的 Atari 項(xiàng)目，是第一個(gè)能真正完成有趣任務(wù)的深度強(qiáng)化學(xué)習(xí)系統(tǒng)——它能夠直接從屏幕像素中學(xué)習(xí)玩上世紀(jì) 70 年代的Atari游戲，而且表現(xiàn)超過(guò)任何人類(lèi)玩家。更重要的是，它能“開(kāi)箱即用”地玩任何 Atari 游戲，這種通用性證明了新技術(shù)具備規(guī)模化并發(fā)揮實(shí)際價(jià)值的潛力。

我個(gè)人從小下國(guó)際象棋時(shí)，就會(huì)思考如何優(yōu)化自己的思維過(guò)程，這也促使我去研究神經(jīng)科學(xué)，探索大腦的工作機(jī)制，并借助人工智能這一強(qiáng)大的工具，將智慧凝結(jié)為數(shù)字形態(tài)。當(dāng)然，現(xiàn)有系統(tǒng)在某些方面的表現(xiàn)已經(jīng)非常出色，但在一些相對(duì)簡(jiǎn)單的任務(wù)上仍有不足，比如高中數(shù)學(xué)、基礎(chǔ)邏輯，或者某些經(jīng)過(guò)特殊設(shè)計(jì)的小游戲。它們體現(xiàn)出一種“參差型智能”——在某些維度上表現(xiàn)驚人，但在另一些方面則很容易暴露弱點(diǎn)。

從機(jī)器人到通用助理Genie 3 的多維度潛力

基爾帕特里克：那你是如何看待 Deep Think 的呢？我個(gè)人最興奮的一點(diǎn)，是該模型的一個(gè)版本如今已向 Gemini 應(yīng)用的訂閱用戶(hù)開(kāi)放，讓大家能夠真正親手體驗(yàn)。我覺(jué)得，這種一邊推進(jìn)技術(shù)研發(fā)、一邊讓用戶(hù)直接上手的結(jié)合非常美妙。那么，從 Deep Think 的角度來(lái)看，你會(huì)如何思考？

哈薩比斯：我認(rèn)為，“思考型”模型的出現(xiàn)，可以看作是對(duì)我們?cè)缙谟螒?AI 工作的一種回溯，比如 AlphaGo 和 AlphaZero。自 DeepMind 成立以來(lái)，我們一直在研發(fā)“基于智能體的系統(tǒng)”。在早期，這意味著系統(tǒng)能夠完成一個(gè)完整的任務(wù)，通常是將游戲玩到極致，因?yàn)橛螒蛴忻鞔_的目標(biāo)。當(dāng)時(shí)我們的模型是單一領(lǐng)域的游戲模型，而如今我們擁有功能強(qiáng)大的多模態(tài)模型，既能處理語(yǔ)言，也能理解和整合其他信息。

在游戲 AI 中，我們需要在模型之上疊加“思考”或“規(guī)劃”的能力。這是通往 AGI 的必經(jīng)之路。當(dāng)模型具備思考能力，就可以進(jìn)一步延展到“深度思考”，甚至實(shí)現(xiàn)并行規(guī)劃——也就是同時(shí)推演多條思路，然后擇優(yōu)決策，進(jìn)入下一步行動(dòng)。

這一方向仍有廣闊的創(chuàng)新空間，但即便在“思考”這一部分，進(jìn)展速度也非常快。無(wú)論是數(shù)學(xué)、編程、科學(xué)問(wèn)題，還是游戲，這類(lèi)系統(tǒng)都必須具備思考與規(guī)劃能力，而不是簡(jiǎn)單地給出腦海中閃現(xiàn)的第一個(gè)答案。思考型系統(tǒng)的核心價(jià)值，就是不斷修正和優(yōu)化自身的推理過(guò)程。

基爾帕特里克：許多人看了Genie 3的演示后感到震撼，有人甚至夸張地說(shuō)“這是模擬理論的證據(jù)”。它確實(shí)和用游戲推動(dòng)強(qiáng)化學(xué)習(xí)發(fā)展有關(guān)。回顧Genie 3，你覺(jué)得結(jié)果和當(dāng)初的預(yù)期一致嗎？我覺(jué)得，提升模型玩游戲的能力，未必必然帶來(lái)如今的世界模型。

哈薩比斯：Genie 3匯集了多條研究路徑與想法。我們一直把棋類(lèi)或電子游戲作為挑戰(zhàn)環(huán)境，不僅用來(lái)推動(dòng)算法進(jìn)步，也用來(lái)合成數(shù)據(jù)。我們會(huì)構(gòu)建極為逼真的虛擬環(huán)境，用來(lái)訓(xùn)練系統(tǒng)理解物理世界。

我們想要構(gòu)建的世界模型，不僅要理解物理結(jié)構(gòu)、材料特性、液體流動(dòng)，還要理解生物和人類(lèi)的行為，因?yàn)锳GI必須理解物理世界，才能在其中運(yùn)作。這對(duì)機(jī)器人至關(guān)重要，也對(duì)通用助理項(xiàng)目如Project Astra（Gemini Live）不可或缺。

驗(yàn)證世界模型的一種方法，就是讓它生成與現(xiàn)實(shí)一致的虛擬世界，比如打開(kāi)水龍頭會(huì)有水流出，鏡子里會(huì)映出自己等等。Genie 3之所以驚人，就在于它生成的世界具有一致性。你轉(zhuǎn)身離開(kāi)，再回頭，世界保持原樣。這說(shuō)明它的底層物理理解相當(dāng)出色。

基爾帕特里克：你認(rèn)為用戶(hù)將如何使用 Genie？我們的目標(biāo)是僅將它作為改進(jìn)Gemini和其他機(jī)器人項(xiàng)目的工具，還是你覺(jué)得它本身還有更多用途？

哈薩比斯：它在多個(gè)維度上都令人興奮。首先，我們已經(jīng)在用它進(jìn)行訓(xùn)練。例如，我們有一個(gè)名為SIMA（Simulated Agent，模擬智能體）的游戲智能體，可以開(kāi)箱即用地操作并玩一款現(xiàn)有的電腦游戲。它有時(shí)表現(xiàn)不錯(cuò)，有時(shí)不夠理想。

令人有趣的是，我們可以把SIMA放進(jìn)Genie 3里，相當(dāng)于一個(gè)AI在另一個(gè)AI的“腦海”中行動(dòng)。SIMA會(huì)根據(jù)目標(biāo)（比如找到房間里的鑰匙）發(fā)出操作指令，而Genie 3則實(shí)時(shí)生成游戲世界。這樣可以創(chuàng)造無(wú)限的訓(xùn)練數(shù)據(jù)，對(duì)機(jī)器人訓(xùn)練或AGI系統(tǒng)的通用訓(xùn)練都有價(jià)值。

同時(shí)，它在互動(dòng)娛樂(lè)領(lǐng)域也有巨大潛力。我有很多想法去打造下一代游戲，甚至可能催生一種介于電影與游戲之間的新型娛樂(lè)形式。

最后，從科學(xué)家的角度看，最有趣的是這能告訴我們關(guān)于現(xiàn)實(shí)世界、物理規(guī)律，甚至模擬理論的什么信息。當(dāng)你在深夜生成整片虛擬世界時(shí)，你會(huì)不自覺(jué)地思考：現(xiàn)實(shí)世界的本質(zhì)是什么？這也是我整個(gè)職業(yè)生涯推動(dòng)自己用AI服務(wù)科學(xué)的動(dòng)力所在。我認(rèn)為，像Veo 3和Genie 3這樣的模型，若換個(gè)角度觀察，能給我們關(guān)于現(xiàn)實(shí)本質(zhì)的啟示。

AI的能力鴻溝強(qiáng)大生成力與低級(jí)錯(cuò)誤并存

基爾帕特里克：這正好能回到我們之前談到的“參差型智能”問(wèn)題。一方面，我們已經(jīng)有了能生成完整虛擬世界的驚人系統(tǒng)；另一方面，讓 Gemini下國(guó)際象棋，我可能都能贏它，而且有時(shí)它甚至?xí)`反規(guī)則。我們最近宣布了 DeepMind 與 Kaggle 合作推出“游戲競(jìng)技場(chǎng)”，讓模型在各種游戲中對(duì)戰(zhàn)并接受測(cè)試。你怎么看？

哈薩比斯：這反映了一個(gè)更普遍的問(wèn)題——如今的系統(tǒng)（無(wú)論是 Gemini 還是競(jìng)爭(zhēng)對(duì)手的模型）在很多方面都很強(qiáng)大：它們能從文本生成模擬世界，能理解視頻，能解數(shù)學(xué)題、做科研。然而，用過(guò)這些聊天機(jī)器人的人都知道，它們的能力邊界很容易被觸碰到。

在我看來(lái)，這種缺乏一致性，正是它們距離實(shí)現(xiàn)完全AGI還差的一步。一個(gè)普通人不應(yīng)該如此輕易就能發(fā)現(xiàn)系統(tǒng)的低級(jí)缺陷。我們或許已經(jīng)解決了過(guò)去那種“數(shù) strawberry 里的R”這種用于評(píng)估模型細(xì)節(jié)關(guān)注度的低級(jí)問(wèn)題，但依然存在一些小學(xué)生都能輕松完成、而模型卻失敗的任務(wù)。這很可能是因?yàn)樵谕评怼⒁?guī)劃、記憶等方面，仍然缺少關(guān)鍵性的創(chuàng)新。

此外，我們現(xiàn)有的評(píng)測(cè)基準(zhǔn)中，很多已經(jīng)接近飽和。比如在 AIME 數(shù)學(xué)測(cè)試上，Deep Think 最近的成績(jī)已經(jīng)達(dá)到 99.2%，幾乎沒(méi)有提升空間，這甚至可能意味著測(cè)試本身已經(jīng)失去區(qū)分力。因此，我們需要設(shè)計(jì)更新、更難、覆蓋面更廣的評(píng)測(cè)，用來(lái)考察模型的物理直覺(jué)、世界理解，以及安全性（比如防止欺騙行為）。

我對(duì)“游戲競(jìng)技場(chǎng)”非常期待，因?yàn)樗永m(xù)了我們最初做游戲 AI 的初衷。游戲是干凈的測(cè)試環(huán)境，有客觀分?jǐn)?shù)，沒(méi)有人為主觀打分；它們會(huì)隨著系統(tǒng)能力的提升自動(dòng)增加難度，還可以不斷引入更復(fù)雜的游戲。未來(lái)甚至能讓 AI 自創(chuàng)新游戲、彼此對(duì)戰(zhàn)學(xué)習(xí)，從而避免數(shù)據(jù)泄露或過(guò)擬合。這種多智能體環(huán)境將成為長(zhǎng)期有效的重要評(píng)測(cè)基準(zhǔn)之一。

能力內(nèi)化 VS 外部調(diào)用：經(jīng)驗(yàn)驅(qū)動(dòng)的決策

基爾帕特里克：我過(guò)去兩年的感悟是，生活中的許多問(wèn)題，本質(zhì)上都是一種評(píng)測(cè)。工作表現(xiàn)是一種評(píng)測(cè)，你看待事物的方式也是評(píng)測(cè)。在游戲領(lǐng)域，我們有明確的約束條件和客觀的結(jié)果，但一旦擴(kuò)展到非游戲領(lǐng)域，“真值”就很難定義。比如，在人類(lèi)日常任務(wù)中，如何構(gòu)建強(qiáng)化學(xué)習(xí)環(huán)境？你覺(jué)得在非游戲環(huán)境中，我們?cè)撛趺床蹲竭@些特征？

哈薩比斯：如何定義獎(jiǎng)勵(lì)函數(shù)或目標(biāo)函數(shù)，一直是強(qiáng)化學(xué)習(xí)在真實(shí)且混亂的環(huán)境中面臨的最大挑戰(zhàn)。現(xiàn)實(shí)世界中，并不存在單一的目標(biāo)函數(shù)，而是多個(gè)目標(biāo)并存，而且這些目標(biāo)的權(quán)重會(huì)隨著情緒、環(huán)境、職業(yè)階段等因素不斷變化。

我認(rèn)為，未來(lái)的通用系統(tǒng)必須學(xué)會(huì)理解用戶(hù)的真實(shí)意圖，并將其轉(zhuǎn)化為一組可優(yōu)化的獎(jiǎng)勵(lì)函數(shù)。這涉及元認(rèn)知或“元強(qiáng)化學(xué)習(xí)”（meta-RL）的研究——在主要系統(tǒng)之上再建立一個(gè)系統(tǒng)，用來(lái)推測(cè)主要系統(tǒng)的最優(yōu)目標(biāo)函數(shù)。這類(lèi)研究在十年前的 AlphaGo、AlphaZero 游戲階段我們就已經(jīng)開(kāi)始嘗試，如今很可能會(huì)再次成為研究重點(diǎn)。

基爾帕特里克：我覺(jué)得我們應(yīng)該現(xiàn)在就著手，因?yàn)楦杏X(jué) DeepMind 十年前做的事，正好就是今天大家追趕的前沿。回到“思考趨勢(shì)”和“游戲趨勢(shì)”，我們歷史上經(jīng)歷了多種模型擴(kuò)展路徑——預(yù)訓(xùn)練、后訓(xùn)練、數(shù)據(jù)擴(kuò)展、算力擴(kuò)展，后來(lái)又有了推理擴(kuò)展，比如 Deep Think 就得益于推理能力的提升。現(xiàn)在似乎“工具”成了新的擴(kuò)展維度。你覺(jué)得，給模型配備物理模擬器作為工具，會(huì)是未來(lái)的方向之一嗎？

哈薩比斯：工具使用是 AI 系統(tǒng)最重要的能力之一。思考型系統(tǒng)的核心在于，它能在思考過(guò)程中主動(dòng)調(diào)用工具，比如搜索引擎、數(shù)學(xué)程序、編程環(huán)境，然后基于工具提供的結(jié)果調(diào)整規(guī)劃。

有趣的是，哪些能力應(yīng)當(dāng)放進(jìn)主模型（即“主腦”），哪些應(yīng)當(dāng)作為外部工具，這在數(shù)字系統(tǒng)中并不像在人類(lèi)身上那么清晰。對(duì)于人類(lèi)來(lái)說(shuō)，不屬于身體的就是工具；但在 AI 中，這條界限很模糊。

比如，下棋能力是直接內(nèi)置在主模型中，還是調(diào)用 Stockfish 或 AlphaZero 作為外部工具？經(jīng)驗(yàn)表明，如果某項(xiàng)能力（如數(shù)學(xué)、編程）能提升整體推理水平，就應(yīng)該放入主模型；但如果它可能削弱模型的其他通用能力，則更適合作為外部工具。這完全是一個(gè)經(jīng)驗(yàn)性問(wèn)題，需要在實(shí)踐中不斷試驗(yàn)和驗(yàn)證。

AGI的綜合能力藍(lán)圖語(yǔ)言、多媒體與物理推理一體化

基爾帕特里克：很多開(kāi)發(fā)者現(xiàn)在都會(huì)問(wèn)，模型已經(jīng)不再是過(guò)去那種靜態(tài)的權(quán)重，而是在推理過(guò)程中能調(diào)用各種工具，功能越來(lái)越像一個(gè)完整的系統(tǒng)。這正在改變?nèi)藗儤?gòu)建應(yīng)用的方式。你怎么看這種從“模型”到“系統(tǒng)”的轉(zhuǎn)變？對(duì)開(kāi)發(fā)者有什么建議？

哈薩比斯：模型的進(jìn)化速度非常快，尤其是當(dāng)工具能力與規(guī)劃、思考能力結(jié)合后，其潛力可能呈指數(shù)級(jí)擴(kuò)張，因?yàn)樗鼈兛梢杂萌碌姆绞浇M合使用工具。

我建議開(kāi)發(fā)者多思考：哪些工具對(duì) AI 的能力最有價(jià)值？然后著手構(gòu)建這些工具。即便有了工具調(diào)用和智能體能力，這些系統(tǒng)本身還不是成品，它們依然需要大量的產(chǎn)品化工作。產(chǎn)品經(jīng)理和設(shè)計(jì)師面臨的挑戰(zhàn)，是必須預(yù)判一年后的技術(shù)狀態(tài)，并為那個(gè)未來(lái)去設(shè)計(jì)產(chǎn)品，同時(shí)允許底層引擎在 3 到 6 個(gè)月，甚至更短的周期內(nèi)進(jìn)行一次重大更新。

基爾帕特里克：現(xiàn)在感覺(jué)幾乎是每?jī)芍芫陀幸淮胃隆?/p>

哈薩比斯：確實(shí)是這種節(jié)奏，而且短期內(nèi)不會(huì)改變。未來(lái)整個(gè)網(wǎng)絡(luò)生態(tài)和應(yīng)用的運(yùn)作方式，都將因?yàn)橹悄荏w系統(tǒng)能夠靈活使用工具而發(fā)生深刻變化。

基爾帕特里克：Genie 3 的進(jìn)展令人震撼，很多人都迫不及待想親手體驗(yàn)。我希望能盡快讓更多用戶(hù)用上它。從世界模型和 Genie 的角度看，下一步是什么？

哈薩比斯：我們正在努力提升 Genie 的運(yùn)行效率，好讓更多用戶(hù)盡快體驗(yàn)。目前它還處于有限預(yù)覽階段。我們也在思考最佳的發(fā)布方式，希望用戶(hù)能夠分享自己創(chuàng)作的世界，互相體驗(yàn)、投票，從而形成一個(gè)活躍的社區(qū)。

但有一個(gè)關(guān)鍵問(wèn)題是，如何保持世界生成的一致性——當(dāng)某個(gè)提示生成了一個(gè)極具吸引力的世界，我們?cè)鯓哟_保后來(lái)者也能復(fù)現(xiàn)它？這是我們正在攻關(guān)的技術(shù)挑戰(zhàn)之一。

更長(zhǎng)遠(yuǎn)來(lái)看，Genie、Veo、Gemini 這些目前相對(duì)獨(dú)立的模型，正逐漸走向融合，形成我們所謂的“全能模型”（Omni Model）。它既能處理語(yǔ)言、多媒體，又能進(jìn)行物理推理和內(nèi)容生成，這才是 AGI 應(yīng)該具備的綜合能力。

基爾帕特里克：我們之前還開(kāi)玩笑說(shuō)，Genie 是我們制作和玩游戲的絕佳借口。

哈薩比斯：沒(méi)錯(cuò)。

基爾帕特里克：這樣 DeepMind 就成了一家游戲公司了。

哈薩比斯：這是我的秘密計(jì)劃。等 AGI 安全落地之后，我就會(huì)用這些工具去制作史上最偉大的游戲——那將是我的夢(mèng)想成真。

基爾帕特里克：會(huì)是終極版的《主題公園》嗎？

哈薩比斯：也許吧，不過(guò)我還有更宏大的游戲創(chuàng)意。

基爾帕特里克：我們?cè)?AI Studio 里做了很多“氛圍編程”功能，如果一切順利，你在 AGI 誕生前就可以不斷拋出這些創(chuàng)意，自己打造一個(gè)“德米斯游戲競(jìng)技場(chǎng)”。

哈薩比斯：這已經(jīng)在我的高優(yōu)先級(jí)待辦清單上了。

基爾帕特里克：前段時(shí)間我們慶祝每月處理 980 萬(wàn)億個(gè) token，如今已經(jīng)突破千萬(wàn)億（quadrillion）大關(guān)，我們還特地為你準(zhǔn)備了一個(gè)紀(jì)念品。

哈薩比斯：謝謝，這真是太棒了。

基爾帕特里克：我們還會(huì)做一些其他版本。

哈薩比斯：非常感謝。

基爾帕特里克：今天非常感謝你抽出時(shí)間做客，也感謝你和 DeepMind 團(tuán)隊(duì)為未來(lái)所付出的努力與深夜的思考。這次訪談很愉快。

哈薩比斯：我也很高興能和你交流，謝謝。（文/騰訊科技特約編譯無(wú)忌陸陸，編輯/海倫）

閱讀最新前沿科技趨勢(shì)報(bào)告，請(qǐng)?jiān)L問(wèn)歐米伽研究所的“未來(lái)知識(shí)庫(kù)”

https://wx.zsxq.com/group/454854145828

未來(lái)知識(shí)庫(kù)是“ 歐米伽 未來(lái)研究所”建立的在線知識(shí)庫(kù)平臺(tái)，收藏的資料范圍包括人工智能、腦科學(xué)、互聯(lián)網(wǎng)、超級(jí)智能，數(shù)智大腦、能源、軍事、經(jīng)濟(jì)、人類(lèi)風(fēng)險(xiǎn)等等領(lǐng)域的前沿進(jìn)展與未來(lái)趨勢(shì)。目前擁有超過(guò)8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問(wèn)https://wx.zsxq.com/group/454854145828進(jìn)入。