核心观点 - Google DeepMind CEO Demis Hassabis预测未来5到10年内有50%概率实现通用人工智能（AGI）[1] - AI发展历程中最大的教训是过度依赖人类经验而非算力与数据规模[2][3] - 当前AGI探索面临技术路径的隐忧，包括强化学习的局限性、脑模拟的算力瓶颈以及NLP的认知边界问题[9][14] 技术路径分析 - 强化学习：虽为早期突破性技术，但存在"短视"缺陷，需结合更宏观的智能框架[14] - 脑模拟：受限于算力瓶颈与理论盲区，难以完全复现人类认知机制[14] - 自然语言处理（NLP）：虽进展迅速，但语言能力不等同于认知能力，模型输出与真实思想存在本质差异[9][15] 行业趋势与反思 - 算力驱动：历史表明AI突破的核心引擎是计算规模而非人类直觉[2][3] - 大模型争议：Scaling Law下参数膨胀可能掩盖智能本质，引发"进化还是幻觉"的质疑[15] - 跨学科融合：脑科学与AI交叉研究成为新方向，强调对世界理解与知识迁移的能力[7][13] 关键人物与事件 - 刘嘉教授：从AI转向脑科学再回归，提出AGI需融合认知科学、心理学等多学科视角[7][13] - AlphaGo事件：标志性技术转折点，推动研究者重新审视智能的本质与构建路径[7] - 《苦涩的教训》：Richard Sutton指出AI发展应放弃人类经验依赖，专注算力与数据扩展[2][3] 未来探讨方向 - AGI构建是否需突破语言模型的表层能力，实现真正的认知理解[9][15] - 技术路线选择如何平衡短期效果（如NLP）与长期智能本质（如脑模拟）[14] - 跨学科研究（脑科学+AI）对突破现有范式局限的潜在价值[7][13]