内容提要
Demis Hassabis 认为当前 AI 技术距离通用人工智能（AGI）还有 50% 的概率需要关键突破，主要在持续学习、长程推理和记忆方面。他指出现有的上下文处理方法不足以应对复杂任务，未来的进步将依赖于旧技术的重新应用。此外，Hassabis 强调智能体仍在实验阶段，缺乏持续学习能力，并建议创业者关注 AI 与硬科学的交叉点，以及 AGI 对商业计划的影响。
关键要点
-
Hassabis 认为当前 AI 技术距离通用人工智能（AGI）还有 50% 的概率需要关键突破，主要在持续学习、长程推理和记忆方面。
-
现有的上下文处理方法不足以应对复杂任务，百万 token 上下文窗口在处理实时视频时只够录 20 分钟。
-
Hassabis 指出，AlphaGo 和 AlphaZero 时代的技术正在被重新引入当代基础模型，未来的进步将依赖于旧技术的规模化应用。
-
智能体仍在实验阶段，缺乏持续学习能力，当前的投入产出比尚未对上。
-
Hassabis 建议创业者关注 AI 与硬科学的交叉点，并将 AGI 的出现纳入商业计划。
-
他认为创造力的真正测试是能否从高层描述中发明新游戏，当前的系统尚未达到这一水平。
延伸问答
当前 AI 技术距离通用人工智能（AGI）还有多远？
Hassabis 认为当前 AI 技术距离 AGI 还有 50% 的概率需要关键突破，主要在持续学习、长程推理和记忆方面。
Hassabis 对智能体的看法是什么？
Hassabis 指出智能体仍在实验阶段，缺乏持续学习能力，当前的投入产出比尚未对上。
为什么现有的上下文处理方法不足以应对复杂任务？
现有的百万 token 上下文窗口在处理实时视频时只够录 20 分钟，无法满足复杂任务的需求。
Hassabis 对创业者有什么建议？
他建议创业者关注 AI 与硬科学的交叉点，并将 AGI 的出现纳入商业计划。
Hassabis 如何看待创造力在 AI 中的表现？
他认为当前系统尚未达到从高层描述中发明新游戏的水平，创造力的真正测试是能否发明围棋。
未来 AI 的进步将依赖于什么？
Hassabis 认为未来的进步将依赖于旧技术的重新应用，特别是 AlphaGo 和 AlphaZero 时代的技术。
