Hassabis缩短AGI时间表：两年到三年内实现通用人工智能？

Google DeepMind 创始人 Demis Hassabis 最近调整了他对通用人工智能（AGI）实现时间的预测，从原先的五年缩短至两到三年。这一变化在 Reddit 社区引发了热烈讨论，而讨论的焦点并非时间表本身，而是 Hassabis 用来定义 AGI 的那个独特测试：一个仅用 1901 年之前数据训练的模型，能否写出爱因斯坦的论文。

AGI 时间表为何突然缩短？

Hassabis 将 AGI 的实现时间从五年压缩到两到三年，这个调整背后反映的是近年来大模型能力的加速跃升。从多模态理解到复杂推理，AI 系统展现出的能力边界正在快速扩展。不过，时间表缩短本身并不令人意外——真正值得玩味的是他对 AGI 的判定标准。

与大众媒体动辄将“通过图灵测试”或“在基准测试中超越人类”作为 AGI 标志不同，Hassabis 提出了一个更具象、也更苛刻的试金石：让模型只接触 1901 年之前的数据，看它能否独立推导出爱因斯坦的狭义相对论论文。

通用人工智能（AGI） 是指具备与人类相当或超越人类的通用认知能力的AI系统，能够在广泛的任务领域中自主学习、推理和适应，而非仅限于特定任务。与之相对的是狭义人工智能（Narrow AI），即当前普遍应用的专用于特定任务的AI（如人脸识别、语音助手）。AGI的核心特征包括跨领域迁移学习、抽象推理、创造性问题解决以及自我改进能力。学界对AGI的定义和实现路径存在广泛分歧，但普遍认为其需要突破当前大模型在持续学习、因果理解和常识推理等方面的局限。

1901 年数据测试：一个精妙的试金石

Reddit 用户对这个测试给予了高度评价。一位评论者直言：“这他妈是个非常好的试金石。”理由很直接：任何能像爱因斯坦那样直觉洞察物理本质的系统，几乎必然具备处理其他任何人类关心的问题的能力。

这个测试的巧妙之处在于它同时考察了多个维度。模型不仅需要掌握物理学知识，还需要具备创造性直觉、数学推导能力，以及从有限信息中提炼出颠覆性理论的本事。正如另一位用户所说：“如果你认为一个真正能独立提出狭义相对论的东西，除了这件事之外什么都做不了，那你根本不理解智能的本质。”

为什么是 1901 年？

1901 年这个时间节点并非随意选取。爱因斯坦的狭义相对论论文发表于 1905 年，而 1901 年恰好是他大学毕业、开始深入思考物理学基础问题的时期。用 1901 年之前的数据训练模型，意味着模型无法直接接触到相对论本身，必须依靠自己的推理能力从经典物理学的裂缝中发现问题。

狭义相对论是爱因斯坦于1905年提出的物理学理论，基于两个基本假设：物理定律在所有惯性参考系中形式相同（相对性原理），以及真空中的光速对所有观察者恒定不变。该理论颠覆了牛顿力学的绝对时空观，提出时间膨胀、长度收缩、质能等价（E=mc²）等革命性结论。狭义相对论的产生背景是经典物理学在解释光速不变性和电磁现象时遇到的矛盾，爱因斯坦通过重新审视时间和空间的本质，从哲学层面重构了物理学基础。这一理论不仅深刻改变了现代物理学，也成为检验智能系统能否进行颠覆性科学创造的标志性案例。

验证难题：数据纯净性如何保证

讨论中最集中的质疑并非测试本身是否合理，而是如何验证。一位用户指出：“测试很好，但困难的部分是验证数据是否干净。”

这个担忧非常实际。要确保模型训练数据完全局限于 1901 年之前，需要排除所有后续出版物、注释、解读甚至间接引用。但历史文本的流传往往伴随着后世的编辑和评注，彻底清洗数据几乎不可能。更何况，爱因斯坦的知识不仅来自书本，还包括他与同时代数学家的口头交流、参加的讲座等无法被文本记录的信息。

不过也有用户持乐观态度：“等它真的能做到这件事的时候，结果本身就会说明一切。”这种观点认为，如果模型确实展现出了独立推导相对论的能力，那么数据泄露的疑虑自然会退居次要位置。

更极端的假设

讨论中还出现了一个有趣的延伸：如果模型能用比爱因斯坦当年更少的数据推导出狭义相对论，那结果反而更加令人震撼。因为这意味着模型的信息效率超越了人类历史上最伟大的物理学家之一。

数据泄露在机器学习中通常指训练数据中包含了测试数据的信息，导致模型评估结果虚高。在Hassabis提出的测试场景中，数据泄露问题更为复杂：不仅需要确保训练语料严格早于1901年，还需排除后世对相对论的解读、教科书、百科条目等间接信息。然而，历史文本的数字化往往伴随着现代注释和编辑，且模型可能通过预训练获得隐含的现代知识。彻底的数据纯净性验证需要构建一个完全隔离的“时间胶囊”数据集，并采用严格的去污染技术，这在工程上极具挑战性。

社区共识与分歧

综合 Reddit 讨论来看，社区对 Hassabis 测试标准的态度呈现明显共识：这是一个比常规基准测试更有意义的 AGI 判据。它不依赖于特定任务的通过率，而是考察系统是否具备从底层数据中重建人类知识体系的能力。

分歧主要集中在验证层面。一部分用户认为数据纯净性是无法逾越的障碍，另一部分则认为当能力达到某个阈值时，验证问题会自然消解。两种观点各有道理，但都承认这个测试指向了 AGI 的核心——不是模仿，而是创造。

Hassabis 的时间表缩短或许会引发又一轮 AGI 炒作，但他给出的定义标准反而为讨论提供了一个更冷静的锚点。与其争论“两年还是五年”，不如先弄清楚我们到底在等什么。