Demis Hassabis：把记忆、想象、搜索、学习与工具拼成一台“发现机器”

Hassabis 最稳定的判断不是某一种网络架构，而是一种组合系统观：快速学习的模型提供直觉与世界先验，记忆保留可重组经验，搜索在当前问题上展开反事实，价值函数剪掉绝大多数分支，专门工具负责可验证计算。游戏是这套机器的试验场，AlphaFold 与数学/算法发现则是他试图证明它能从“赢”转向“发现”的第二阶段。

一、先把他的主线说准确：不是“从游戏跨界到科学”，而是持续寻找可验证的巨大搜索空间

Hassabis 的履历容易被写成传奇串联：少年棋手、游戏设计师、神经科学家、DeepMind 创始人、AlphaGo、AlphaFold、Gemini。这样写很热闹，却解释不了项目为何彼此相关。

更有解释力的主线是：

1. 智能必须形成可复用的内部模型，而不只做刺激—反应。
2. 记忆的用途不是存档，而是把过去元素重组为未来场景。
3. 复杂问题需要“直觉 + 搜索”。 学习压缩空间，搜索纠正一次直觉。
4. 世界模型不必复刻一切，只需保留当前决策所需结构。
5. 评价清晰、组合空间巨大、能快速迭代的问题最适合推动 AI。
6. 科学中的根节点问题一旦解决，会解锁大量下游研究。
7. 通用模型、规划算法和专门科学工具最终应形成一个统一工作流。

这解释了为什么围棋、蛋白结构、形式数学和代码算法在他的图景中属于同一类问题：

• 候选空间极大；
• 人类有重要但不完整的先验；
• 可以构造明确反馈；
• 好的中间表示会极大压缩搜索；
• 成功结果可以被外部验证；
• 一项突破能产生人类没有明确写入的新结构。

---

二、游戏不是玩具：它是把智能拆成可测能力的实验装置

1. 为什么游戏长期吸引 Hassabis

电子游戏和棋类具有现实世界少见的实验优势：

• 规则明确；
• 状态或观察可记录；
• 行动空间受限；
• 奖励清楚；
• 可无限模拟；
• 难度可逐步增加；
• 人类专家提供基线；
• 创新策略能被对局直接检验。

游戏因此像认知科学的风洞。它不能代表完整现实，却能让研究者分别检验：

• 感知；
• 记忆；
• 探索；
• 规划；
• 对手建模；
• 长期 credit assignment；
• 快速适应。

Hassabis 的项目风格从一开始就不是“找一个 benchmark 刷分”，而是选择一个表面受限、内部组合爆炸的环境，让算法系统跨过人类公认的能力边界。

2. 这也埋下一个长期风险

游戏的所有优点在现实中都可能消失：

• 规则不完整；
• 状态隐藏；
• 奖励含混；
• 环境不可重置；
• 失败昂贵；
• 对手和制度会改变；
• 模拟器与现实有差距。

因此游戏是方法孵化器，不是一般智能已经解决的证据。Hassabis 后来的真正考验，是这些机制能否在科学和开放世界中保留价值。

---

三、2007 年海马研究：记忆、想象未来与场景构造是同一套能力的不同用法

Hassabis 在认知神经科学阶段参与的海马损伤研究发现，一些失忆患者不仅难以回忆个人过去，也难以想象新的、空间连贯的场景。

1. 研究的重要观察

患者可以说出零散对象和细节，却难把它们整合进一个统一空间：

• 场景缺乏广阔、一致的布局；
• 元素像孤立清单；
• 难形成“我站在这里、那些对象以这种关系存在”的体验。

论文据此提出海马可能支持 scene construction：把对象、感觉和空间关系组合成连贯事件模型。

2. 这怎样改变对记忆的理解

记忆不是硬盘式读取。人回忆过去时也在重构：

• 选取相关片段；
• 把它们放回空间与因果关系；
• 补全缺失部分；
• 根据当前目标重组。

想象未来使用相同机制，只是把旧元素组合成从未发生的场景。因此：

记忆的智能价值，在于支持反事实和计划，而不只是保持事实。

3. 不要把神经科学论文硬说成 MuZero 的直接算法来源

海马 scene construction 与后来世界模型、rollout 的确有概念连续性，但没有证据表明 DQN、AlphaGo 或 MuZero 从这篇实验逐项推导。

更准确的关系是问题意识：

• 内部状态必须把离散元素组织成一致场景；
• 想象是决策前在内部试演可能未来；
• 记忆、世界模型和规划不应被当作独立功能。

Hassabis 后来的系统不断寻找这种“可供搜索的内部场景”，但具体实现主要来自 RL、深度学习与工程，而非海马生物模型。

---

四、DeepMind 的早期纲领：同一个学习系统能否从像素掌握许多任务

1. DQN 之前，强化学习与视觉往往分开

经典 RL 常假设状态已是低维、结构化变量；视觉研究则主要做分类。若 agent 直接接收 Atari 像素，它必须同时解决：

• 哪些图像结构是对象；
• 速度和运动怎样从帧序列推断；
• 哪些动作影响奖励；
• 延迟奖励如何归因；
• 不同游戏规则怎样由交互发现。

2. DQN 是几个已知部件的关键组合

Human-level control through deep reinforcement learning把卷积网络与 Q-learning 结合，并用两个稳定化机制。

Experience replay：

• 保存过去 transition；
• 随机抽样训练；
• 打破连续帧强相关；
• 提高数据复用；
• 让训练分布更稳定。

Target network：

• 用一个较慢更新的网络产生 bootstrap target；
• 避免预测目标随当前参数每一步剧烈移动。

输入是像素，输出是各动作 Q 值；同一总体算法用于多种 Atari 游戏。

3. DQN 真正证明了什么

它证明：

• 深度表征可与 trial-and-error 控制端到端结合；
• 同一架构可跨多个视觉任务；
• 人不必为每个游戏手写状态特征；
• 大规模 replay 与稳定训练能让 RL 进入高维感知。

4. 它没有证明什么

• agent 仍分别为每个游戏训练；
• 数据效率远低于人；
• 奖励由游戏明确提供；
• 记忆和规划非常有限；
• 对画面变化与新规则不稳健；
• Atari 界面比真实世界简单得多。

DQN 的“一般性”是同一算法跨任务，不是一个 agent 在任务间持续迁移。

---

五、AlphaGo：学习负责直觉，搜索负责在当前局面上重新思考

围棋的状态分支巨大，传统 brute-force 搜索无法像国际象棋那样展开足够深。AlphaGo 的关键不是单独一个网络，而是把三种知识放在不同位置。

1. Supervised policy：先学人类棋感

用专家棋谱训练 policy network，预测高手在当前局面会下哪里。它把所有合法动作压缩成少数 plausible move。

这不是最终策略，却让搜索不必平均探索所有落点。

2. Reinforcement learning：超越模仿

policy 通过自我对弈继续优化胜率。人类数据提供起点，自我对弈可以发现人类分布之外的策略。

3. Value network：不用把每条分支走到终局

value network 估计当前局面最终胜率。搜索到一定深度后即可截断，用学习值替代完整 rollout。

4. Monte Carlo Tree Search：在当前局面分配计算

MCTS 在：

• 已知高概率好棋；
• 尚未充分探索的落点；
• value 较高的分支；

之间动态权衡。网络决定优先想什么，搜索发现网络一次判断中的错误，搜索结果又改善行动。

5. Move 37 为什么重要，又容易被神话

对李世石第二局第 37 手之所以震撼，是它在人类专家先验中极不常见，却经后续局势证明有效。

它说明系统不是简单检索棋谱；学习 + 自我对弈 + 搜索能在规则空间中找到人类文化未充分探索的策略。

但它仍是在：

• 固定规则；
• 单一清晰目标；
• 完整模拟器；
• 海量计算；

中产生的新颖性。称它为一般创造力的完整证据会过度；称它为“有验证器的搜索可产生非模仿新知识”的证据则很强。

---

六、AlphaGo Zero 与 AlphaZero：系统性删除人类知识，而不是反对一切先验

AlphaGo Zero去掉人类棋谱，只保留围棋规则和自我对弈。一个网络同时输出 policy 与 value，MCTS 生成更强行动分布，训练再让网络模仿搜索结果和最终胜负。

1. 训练闭环

1. 当前网络参与自我对弈；
2. MCTS 在每一步改进当前 policy；
3. 对局生成状态、搜索 policy 和胜负；
4. 网络学习搜索后的 policy 与最终 value；
5. 新网络再次自我对弈。

搜索像一个临时、昂贵的教师；网络把搜索成果 amortize 进快速直觉。

2. AlphaZero 的泛化

AlphaZero 把同一框架用于围棋、国际象棋和日本将棋，减少领域特定启发式。

这支持 Hassabis/Silver 的一个长期判断：

与其把人类专家策略写进系统，不如给一般学习和搜索足够算力，让知识由自我生成经验形成。

3. “从零开始”仍有重要限定

系统仍得到：

• 完整规则；
• 合法动作；
• 终局胜负；
• 可完美复制的模拟器；
• 网络和 MCTS 架构；
• 大量计算。

它移除的是 人类对局和棋类启发式，不是一切人类先验。把 AlphaZero 写成 tabula rasa 会遮蔽最关键的工程归纳偏置。

---

七、MuZero：规划模型不必生成世界，只需保留决策相关结构

MuZero进一步去掉给定状态转移规则。系统从观察和奖励中学习一个潜在动力学模型，并在其上搜索。

1. 三个学习函数

MuZero 通常可理解为：

Representation function：

• 把历史观察编码为潜在状态。

Dynamics function：

• 给定潜在状态和动作，预测下一潜在状态与即时 reward。

Prediction function：

• 从潜在状态预测 policy 与 value。

MCTS 不在真实棋盘/像素模拟器中搜索，而在学习的潜空间中反复应用 dynamics。

2. 最深的技术判断：模型无需重建观察

传统 world model 容易被要求预测下一帧每个像素。MuZero 不要求潜在状态解码回完整图像，只优化：

• reward；
• value；
• policy。

因此它可以忽略：

• 与决策无关的纹理；
• 不可预测的视觉噪声；
• 不影响奖励的细节。

这与 LeCun 后来的 JEPA 思路有亲缘：有用世界模型应在潜空间保留可预测、与行动相关的结构，而非浪费容量生成一切感官细节。

3. 为什么 task relevance 既是优势也是风险

若当前 reward 固定，丢掉无关细节提高效率。但开放世界中任务会改变：

• 今天无关的颜色，明天可能是安全信号；
• 训练 reward 未惩罚的物理变量，部署时可能致命；
• 只为当前 policy/value 学的状态可能无法支持新目标；
• 潜空间错误难以由人检查。

MuZero 证明 task-oriented latent model 足以规划一些复杂任务，不证明它拥有可任意复用的完整世界知识。

4. 模型误差与搜索深度的矛盾

搜索越深，理论上规划越远；但 learned dynamics 每一步都有误差。若误差累积，更多搜索可能变差。

因此世界模型 + 搜索路线必须平衡：

• 表示质量；
• rollout horizon；
• value bootstrap；
• 模型不确定性；
• 真实经验校正。

这在真实机器人和科学模拟中比棋类更尖锐。

---

八、从游戏到科学：连续性在“问题选择与搜索结构”，不在简单搬架构

1. 为什么科学是 Hassabis 的终极应用

科学问题常具有：

• 巨大组合空间；
• 稀疏但高价值发现；
• 可积累的人类文献和数据；
• 数学、实验或结构验证；
• 一项根节点突破解锁许多下游。

它符合 DeepMind 在游戏中培养的能力组合：

• 表征学习压缩状态；
• 搜索生成候选；
• value / confidence 排序；
• 工具执行验证；
• 反馈进入下一轮。

但现实科学比游戏困难，因为数据有噪声、实验昂贵，真正重要的问题甚至没有已知评价函数。

2. AlphaFold 不是 AlphaGo “换个棋盘”

AlphaFold 项目页代表 Hassabis 路线的关键转折。AlphaFold 2 用蛋白序列、multiple sequence alignment、模板、注意力和三维几何约束预测结构，并给出置信度。

它与 AlphaGo 的共同点主要是：

• 选择一个长期公认、评价明确的 grand challenge；
• 端到端学习替代手工管线；
• 把领域结构嵌进模型；
• 用统一 benchmark（CASP）检验；
• 通过大团队系统工程跨越临界点。

算法上它并不是简单复用 MCTS 或 self-play。Evoformer、结构模块、蛋白几何和训练数据来自专门创新。

3. 为什么它是“根节点问题”的典型

蛋白三维结构影响：

• 功能理解；
• 疾病机制；
• 药物靶点；
• 酶设计；
• 进化研究。

当结构预测大幅加速并通过数据库开放后，许多研究者可把原本昂贵的结构问题当作上游工具。

Hassabis 喜欢的科学任务不是随机找一个能刷榜的预测问题，而是寻找这种解锁下游分支的 bottleneck。

4. AlphaFold 的边界也说明“解决问题”需谨慎

高质量静态结构预测不等于解决：

• 蛋白动态；
• 细胞环境；
• 配体相互作用的全部化学；
• 实验条件；
• 新药安全性；
• 生物系统因果。

AlphaFold 3 扩展到复合物与分子相互作用，但预测仍服务实验，不替代全部湿实验。用“蛋白折叠已解决”描述社会影响可以理解，技术上应限定为某类结构预测取得突破。

---

九、从 AlphaFold 到一组“发现系统”：不同项目共享什么

DeepMind 后续科学/数学工作包括：

• AlphaTensor 搜索矩阵乘法算法；
• AlphaDev 在汇编级优化排序等算法；
• GNoME 预测新材料稳定性；
• AlphaGeometry 与 AlphaProof 处理形式数学；
• AlphaEvolve 用 Gemini 提案代码、自动评价和演化候选；
• AI co-scientist 让多个 agent 生成、批评和排序假说。

这些项目不能都归功于 Hassabis 个人，也不共享完全同一算法。但它们越来越形成共同工作流。

1. Foundation model 生成候选

语言/代码模型提供：

• 人类知识先验；
• 可读方案；
• 跨领域概念组合；
• 快速程序变异。

2. 搜索或 population 扩大候选空间

不把一次采样当答案，而维护：

• 多个方案；
• 改进分支；
• 竞争/辩论；
• 反例与修订；
• 历史 archive。

3. 专门 evaluator 给出硬反馈

• 编译器与 benchmark；
• 形式 proof checker；
• 结构/物理计算；
• 实验数据；
• 人类专家。

4. 结果再训练或指导生成器

成功候选提供新数据和偏好，使下一轮 proposal 更有效。

这正是 Hassabis 所谓学习、搜索与工具组合的现代形式。AlphaGo 中 evaluator 是胜负；科学中需要为每个领域构造不同工具和验证链。

---

十、形式数学：为什么它是从游戏到开放科学之间的桥

AlphaGeometry、AlphaProof 与 Gemini Deep Think 的数学工作在 Hassabis 路线中非常关键，因为形式数学同时具有：

• 开放、创造性的中间构造；
• 明确、机器可验证的最终正确性；
• 巨大搜索空间；
• 高质量人类知识；
• 可自动生成训练题。

1. 语言模型与符号验证器的互补

语言/神经模型擅长：

• 猜辅助构造；
• 识别相似结构；
• 提议证明方向；
• 把非形式直觉翻成候选步骤。

形式系统擅长：

• 检查每一步；
• 拒绝语义含混；
• 保证结论；
• 生成可复现证据。

搜索把两者连接：生成器缩小空间，验证器提供零歧义反馈，RL 学习更好的提案策略。

2. 为什么这不能直接推广全部科学

真实科学没有完备 proof checker：

• 实验有噪声；
• 文献有偏差；
• 假说重要性主观；
• 变量不可完全控制；
• 结果可能多年后才出现；
• 错误模型也能拟合现有数据。

形式数学因此是高级推理的优质实验场，却仍比实验科学更接近游戏。

---

十一、Genie 与可交互世界：从“模型棋盘”走向“模型环境”

Genie从无动作标签的互联网视频学习可控环境，包含视频 tokenizer、自回归 dynamics 和 latent action model。用户可逐帧行动，即使训练数据未提供真实控制标签。

后续 Genie 3进一步强调实时、可导航、较长一致性的通用世界模型，并公开列出：

• action space 仍有限；
• 多 agent 互动困难；
• 真实地点无法完美复现；
• 文字生成受限；
• 连续互动仅能维持数分钟而非数小时。

1. Genie 解决的关键瓶颈

传统 RL 需要人工建环境；现实经验又昂贵。若模型能从视频学习：

• 隐含行动；
• 场景转移；
• 可交互视觉世界；

就可能自动生成大量训练环境。

这与 Clune 的环境生成、Fei-Fei 的空间智能和 Levine/Finn 的机器人世界模型相汇。

2. 交互视频不等于可靠模拟

Genie 能根据动作生成下一观察，首先证明 learned renderer / dynamics。要训练现实 agent，还需要：

• 行动语义与真实控制对齐；
• 隐藏状态持久；
• 物理干预正确；
• 稀有危险事件可模拟；
• 长时间误差不积累；
• sim-to-real 验证。

Hassabis 把它视为 AGI 的 stepping stone 是合理研究押注，不是已经拥有物理世界模型的证据。

---

十二、2026 年 AlphaGo 十周年：Hassabis 把路线正式压成三个组件

在 AlphaGo 十周年回顾中，Hassabis 明确提出未来关键组合：

1. Gemini 的 world models；
2. AlphaGo 式 search and planning；
3. specialized AI tool use。

这比“LLM 会不会直接变 AGI”的争论更具体。

1. World model 提供跨模态状态和先验

Gemini 从一开始被设计为多模态，处理文本、图像、音频、视频和代码。其目标不是只生成语言，而是让不同观察进入共同可推理模型。

2. Search / planning 提供运行时适应

一次前向传播像直觉；复杂问题需要：

• 提出候选；
• 展开后果；
• 评价；
• 回退；
• 重新分配计算。

这是 AlphaGo 留下的核心架构遗产。

3. Tools 提供专门能力和外部事实

通用模型不应把所有算法、数据库和科学模拟都压进权重。它可以调用：

• AlphaFold；
• 计算器和代码；
• 形式验证器；
• 搜索与数据库；
• 实验设备；
• 专门预测模型。

工具既扩大能力，也提供验证信号。

4. 真正创造力的标准被他主动抬高

回顾文章区分：

• 在围棋中发现一个出人意料的好着；
• 发明一个像围棋一样深刻、值得人长期研究的新游戏。

前者是在既定规则内搜索，后者要生成规则、价值和问题本身。这个区分与 Clune 的开放性路线接近，也承认 Move 37 不是创造力终点。

---

十三、Hassabis 的世界观：AGI 是系统工程，不是一个纯净算法

1. 他不太迷信单一机制

DeepMind 的代表项目通常混合：

• 神经表征；
• RL；
• 搜索；
• 记忆；
• 符号工具；
• 领域结构；
• 大规模工程。

Hassabis 的判断标准更像“这些机制能否在一个系统里跨过公认难题”，而不是维护某种理论纯洁性。

2. Benchmark 选择本身是一项研究能力

好标杆应：

• 简单定义、极难解决；
• 有明确进步信号；
• 不易靠表面捷径；
• 成功会验证一般机制；
• 对科学或社会有外溢价值。

围棋、CASP、IMO 和算法优化都是这种风格。

3. 内部模拟是记忆与行动之间的桥

从海马 scene construction 到 AlphaGo rollout、MuZero latent dynamics、Genie 交互环境，持续出现同一功能：

在真正行动前，构造若干足够一致的可能未来，并比较它们。

“想象”不要求生成给人看的漂亮画面；只需保留决策相关反事实。但面向人和机器人时，视觉、空间与物理一致性又会重新变重要。

4. 科学发现是能力与价值最可能同时提高的终点

Hassabis 不满足于聊天或自动化现有工作。他长期把 AGI 价值定位在：

• 找到人未发现的结构；
• 攻克根节点问题；
• 提出新假说；
• 加速实验循环；
• 让通用知识与专门模型互相调用。

这是技术路线，也是研究组织战略。

---

十四、与其他路线的关系

1. 与 LeCun：共识很大，方法风格不同

共同点：

• 纯文本自回归不是完整世界智能；
• 需要 world model、memory、planning；
• 潜在状态应支持行动；
• 物理世界理解是关键；
• 仅一次前向生成不足以可靠推理。

差异：

• LeCun 更想找一套干净、分层、JEPA 式学习目标和认知架构；
• Hassabis 更接受混合系统，只要组件经实证互补；
• LeCun 对逐像素生成更警惕；
• DeepMind 同时推进 Gemini/Genie 生成世界、RL search 和符号工具；
• LeCun 强调儿童式自监督样本效率；
• Hassabis 的成功多来自可海量模拟或严格验证的问题。

如果 LeCun 在设计认知系统的内核，Hassabis 更像在构建含模型、搜索器、工具链和科学应用的整机。

2. 与 Sutton / Silver：Silver 是算法主线，Hassabis 是组织与组合主线

Silver 直接推动 AlphaGo、AlphaZero、MuZero 的 RL/search 算法。Hassabis 的个人贡献更适合描述为：

• 选择问题；
• 形成跨学科研究纲领；
• 组织大团队；
• 把方法迁移到科学；
• 设定 AGI 组合框架。

不应把团队每个技术细节都人格化给 CEO。

Sutton 会更强调奖励与持续经验的一般性；Hassabis 更愿意使用人类数据、领域结构和专门工具，只要它们加快解决重要问题。

3. 与 Fei-Fei Li：都押注 world model，但接口不同

Fei-Fei 路线强调：

• 三维空间；
• renderer / simulator / planner；
• 可编辑、可导出的世界状态；
• 机器人与内容工具。

Hassabis 路线强调：

• 对 agent 有用的多模态世界先验；
• latent rollout；
• search；
• 通用模型调用专门工具。

MuZero 甚至主动不重建完整观察；World Labs 则强调显式三维作为共同接口。未来系统很可能结合：任务相关潜空间负责高效计划，外显几何/模拟负责校验与交互。

4. 与 Brown：搜索哲学相近，起点不同

Brown 从隐藏信息、belief 和 exploitability 出发；DeepMind 经典路线从完美信息棋类和已知状态出发。

LLM agent 与现实科学需要两者：

• Hassabis/Silver 式世界模型和规划；
• Brown 式不确定信念、对手与测试时计算；
• 工具提供硬反馈。

---

十五、判断记录：哪些已经命中，哪些仍是组合愿景

A. “学习 + 搜索”是复杂决策的强结构

结论：强力命中。

AlphaGo、AlphaZero、MuZero、形式数学、代码搜索和 reasoning model 都支持。纯搜索组合爆炸，纯 policy 又在罕见局面缺乏适应。

B. “人类专家数据可逐步被自我对弈替代”

结论：在完美模拟器任务中命中。

AlphaGo Zero / AlphaZero 证明可以去掉棋谱。现实任务中自我经验受模拟器、reward 和安全限制，不能简单外推。

C. “规划模型无需复刻全部世界，只需预测决策相关量”

结论：MuZero 强力支持。

这是极具影响的模型观。问题在于多任务/开放世界中什么是“相关”会变化，过度任务压缩可能损害迁移。

D. “游戏方法可以推动科学”

结论：在问题选择与搜索哲学层面部分命中。

AlphaFold、AlphaTensor、AlphaDev、AlphaGeometry/Proof、AlphaEvolve 显示 AI 可产生可验证科学/算法结果。

但没有一套 AlphaGo 算法直接通吃科学；每个领域仍需专门数据、架构和 evaluator。

E. “Gemini world model + AlphaGo planning + tools 会汇成 AGI”

结论：清晰路线图，尚未兑现。

三个部件分别有证据，统一系统仍面对：

• 长期记忆；
• 目标稳定；
• 开放世界反馈；
• 工具安全；
• world model 误差；
• 跨任务持续学习；
• 计算成本。

F. “科学将成为高级 AI 的最佳价值证明”

结论：已有强早期证据，完整闭环未成。

预测结构和发现算法已成功；独立提出重要问题、设计现实实验、解释异常、迭代理论的端到端 scientist 仍远未成熟。

---

十六、他最强的论证与最弱的外推

最强论证：直觉、搜索和工具是互补能力，不能相互替代

• 没有学习先验，搜索空间太大；
• 没有搜索，模型在陌生局面只能依赖一次模式匹配；
• 没有工具，计算和验证容易停留在语言自洽；
• 没有反馈，搜索无法学会怎样更有效。

这套分工已跨棋类、数学、代码和蛋白结构得到多次支持。

最弱外推：把若干已成功组件连接，就会自然出现统一一般智能

系统集成的困难不是 API 对接：

• world model 的状态未必适合 planner；
• planner 可能利用 simulator 漏洞；
• tool 输出会含噪声或恶意内容；
• 长程目标无法由短程 value 稳定评价；
• 不同领域 evaluator 不可比较；
• 通用模型可能不知道何时不应行动；
• 组件误差会在闭环中放大。

“组件都存在”是必要证据，不是组合后性质的证明。

---

十七、怎样评价这条路线

1. Search 是否真的增加了能力

• 固定模型时，搜索深度增加是否稳定提高成功率；
• 提升来自更多计算还是 benchmark 特定调参；
• value 能否识别新题中的进展；
• rollout 误差何时超过规划收益；
• 模型是否学会自适应停止。

2. World model 是否支持反事实而非只生成画面

• 干预一个变量后，后果是否系统改变；
• 对象和约束是否跨长时间保持；
• 未见动作组合能否正确预测；
• 潜在状态能否支持新目标；
• 不确定性是否校准。

3. Tool use 是否闭合验证

• 工具结果能否被正确解释；
• 模型会不会选择错误工具；
• 多工具结果冲突时如何处理；
• 形式验证之外的实验噪声怎样进入 belief；
• 外部数据是否有来源和版本追踪。

4. AI for Science 是否产生真正新增知识

• 结果是否在训练截止后出现；
• 是否由独立实验确认；
• AI 是否只重发现文献已有假说；
• 发现对下游研究是否有实际解锁；
• 人类专家投入应怎样计入；
• 负结果和失败实验是否被利用。

---

十八、按思想演进阅读原始材料

第一阶段：记忆与想象

1. Patients with hippocampal amnesia cannot imagine new experiences
   • 重点看碎片细节与空间连贯场景的差异；
   • 不要把神经科学结果直接等同算法。

第二阶段：从像素到控制

2. Human-level control through deep reinforcement learning / DQN
   • 看 experience replay、target network 与同一算法跨游戏；
   • 同时记录每游戏单独训练和数据效率限制。

第三阶段：学习与搜索的合流

3. AlphaGo 项目与研究

   • 理解 supervised policy、RL policy、value 与 MCTS 的分工。

4. AlphaGo Zero: Starting from scratch

   • 看 search policy 怎样成为网络训练目标；
   • 明确“zero”移除了哪些知识、保留哪些结构。

5. AlphaZero 与 MuZero 路线

   • 用来比较从已知规则到学习潜在 dynamics 的转折。

6. MuZero 说明

   • 重点理解不重建观察、只预测 reward/value/policy 的含义。

第四阶段：从解决游戏到解决科学根节点

7. AlphaFold

   • 看专门领域结构、置信度和数据库开放；
   • 不要把它误写成 AlphaGo 架构直接迁移。

8. AlphaGo at 10

   • 这是 2026 年 Hassabis 对路线最完整的自我总结；
   • 重点看 world model、search/planning、specialized tools 三组件。

第五阶段：可交互世界与统一系统愿景

9. Genie: Generative Interactive Environments

   • 看无动作标签视频中怎样学习 latent actions；
   • 区分可交互 renderer 与可靠物理模拟。

10. Genie 3

    • 重点读官方列出的 action、multi-agent、真实地点和时长限制。

11. Google DeepMind Podcast

    • 适合长期追踪各项目负责人；
    • 对 CEO 路线图仍需用论文和独立验证约束。

---

十九、最后的压缩：怎样长期跟踪 Hassabis

不要只跟踪“AGI 还有几年”或下一次演示。更有价值的八个问题是：

1. 世界模型是否能在行动干预下保持因果和空间一致？
2. 搜索深度增加时，收益是否超过模型误差积累？
3. 通用模型能否自己选择正确专用工具并处理冲突结果？
4. 棋类/形式数学中的 verifier 优势，怎样迁移到迟延、昂贵的实验科学？
5. AI 是否开始提出训练资料中没有、且经现实实验确认的重要假说？
6. 通用模型与 AlphaFold 等专门模型之间能否双向学习，而不只是单向调用？
7. 系统能否从“规则内的新着”走向“发明值得研究的新问题和新评价标准”？
8. 大型团队的系统成功中，哪些机制真正跨领域，哪些只是每次重新做一套领域工程？

Hassabis 最值得关注的判断可以压成一句：

高级智能不是把所有知识塞进一个模型，而是让模型知道怎样记忆世界、在内部想象不同未来、用搜索分配思考，并调用能把猜想变成证据的工具。