Demis Hassabis 的 AGI 时间表自相矛盾:从 2030 年前后到 5-10 年

Gary Marcus:The Road to AI We Can Trust(RSS)·2026-06-05 22:25·107天前·Gary Marcus
AI 导读

Demis Hassabis 本周在斯坦福表示,AGI 可能只需几年即可实现,预计在 2030 年前后(正负一年)。但他在 2026 年 1 月达沃斯论坛上却给出更保守的 5-10 年时间表,并强调 AGI 需具备人类所有认知能力及物理智能,当前系统远未达到。作者认同后者,认为本十年内不会出现 AGI。

Gary Marcus:The Road to AI We Can Trust(RSS)
精选
55AI 编辑部评分,满分 100

Demis Hassabis 的 AGI 时间表自相矛盾:从 2030 年前后到 5-10 年

2026-06-05 22:25· 107天前· Gary Marcus
AI 导读

Demis Hassabis 本周在斯坦福表示,AGI 可能只需几年即可实现,预计在 2030 年前后(正负一年)。但他在 2026 年 1 月达沃斯论坛上却给出更保守的 5-10 年时间表,并强调 AGI 需具备人类所有认知能力及物理智能,当前系统远未达到。作者认同后者,认为本十年内不会出现 AGI。

推荐理由

哈萨比斯在斯坦福把 AGI 时间线从达沃斯的「5-10 年」压到「2030 左右」,Gary Marcus 拎出来对比,让我看到他自己的定义也在被叙事裹挟。

正文 · AI 翻译

本周早些时候在斯坦福(继大约十天前他在 Google IO 上的演讲之后),诺贝尔奖得主 Demis Hassabis 爵士为 AGI 划定了一个很窄的时间窗口:

我相信我们距离那一步只有几年了,大概像 2030 年上下一年,想想真是令人震惊。”[@ 27:09]

这很有趣,因为 Demis Hassabis 爵士[我们不妨称他为 Demis Hassabis 爵士 #2],就在几个月前的 2026 年 1 月于达沃斯,说过一些颇为不同的话,预期的是一个稍慢的时间线,即 2031-2036 年:

根据 YouTube 转录在 6:26 处的内容,Alex Kantrowitz 问 Hassabis:“我们已经好几次提到 AGI 了。嗯,那让我把这个问题抛给你,因为我在年底时和 Sam Alman 聊过,我问他,你知道,你似乎在说两件事。我们还没到 AGI,但每次他谈到 GPT 模型能做什么时,似乎都符合他对 AGI 的定义。他说,呃,AGI 定义不足。而他希望所有人都能达成一致的是,我们某种程度上已经嗖地越过了 AGI,正朝着超级智能迈进。你同意这一点吗?

以下是他的回答,其中加粗的是他对 AGI 的定义,我也认同这一定义:

我确信他确实希望如此,但这是,呃不,绝对不是。我不认为 AGI 应该被变成一个营销术语或用于商业利益。我认为它一直都有一个科学定义。 我的定义是:一个能够展现出人类所有认知能力的系统,我是说所有。

所以这意味着,你知道,人类创造力的最高水平——那些我们一直赞颂的科学家和我们钦佩的艺术家。所以这意味着,你知道,不仅仅是解一个数学方程或猜想,而是提出一个突破性的猜想,那要难得多,你知道,不是在物理学或某个化学问题上取得突破,甚至像 AlphaFold 那样,你知道,蛋白质折叠,而是真正提出一个新的物理学理论,像爱因斯坦提出广义相对论那样,对吧?一个系统能提出那个吗?因为当然我们能做到——最聪明的人类凭借他们的大脑架构在历史上已经能够做到这一点,在艺术方面也是一样,你知道,不仅仅是创作已知事物的模仿拼凑,而是真正成为毕加索或莫扎特,创造出一个我们此前从未见过的全新艺术流派,对吧?

而在我看来,今天的系统远远远远达不到这一点,不管你解决了多少,你知道,Erdos 问题——出于某种原因。你知道,我的意思是,你知道,我们做这些事情是好的,但我认为这远远远远谈不上,你知道,真正的发明,或者像拉马努金那样的人所能做到的,而你需要做到。

而且你需要一个有可能在所有这些领域都做到这一点的系统。在此基础上,我还要加上物理智能,因为当然,你知道,我们能够从事体育运动,并以惊人的水平控制自己的身体,比如今天在达沃斯走动的那些精英运动员。而 再举一个例子,我们在机器人技术方面仍然远远落后于此。

所以我认为,一个 AGI 系统必须能够完成所有这些事情,才能真正实现 AI 领域最初的那种目标。而且我认为,你知道,我们距离那一点还有 5 到 10 年。

我百分之百赞同更保守的 Demis Hassabis 爵士,也就是第 2 位。

我们不会在这个十年内看到 AGI,我们甚至差得远,原因正是他所阐述的那些。

如果你想支持在这里看到的更多犀利分析,请订阅,也请考虑鼓励朋友和同事同样订阅。

来源:Gary Marcus:The Road to AI We Can Trust(RSS)· garymarcus.substack.com