围棋与AGI—— 人类创造出的最优美的游戏|alphago|围棋|国际象棋|宇宙|游戏|科学

Demis 眼中的AGI: 2030年

首先，我们必须明确一点：你不可能没有一个清晰的定义就去“期待 AGI 的到来”。对 AGI（通用人工智能）这一概念没有明确定义，却对它的出现寄予无限幻想，这本身就是一种集体认知偏差。而在所有误解中，“AGI 必须拥有自我意识”无疑是最普遍、也是最根深蒂固的一种。大众之所以将 AGI 与“觉醒”“灵魂”“自由意志”等词汇绑定在一起，很大程度上源于哲学幻想与科幻叙事——从《终结者》到《Her》，从《西部世界》到无数小说和影视剧。

注意：现代 AI 科学界对 AGI 的定义，与“自我意识”毫无关系。Demis Hassabis、Yann LeCun、Shan Carter、Jacob Steinhardt 等顶尖研究者都已明确指出：AGI 指的是一种能在多个领域和任务中泛化迁移、进行结构压缩与复杂推理的系统——它不需要知道“我是谁”，也不需要体验“主观感受”。AGI 的本质是结构能力，不是“我知道我是谁”。

这种“AI 必须觉醒”的观念，其实是一种人类中心主义的认知投射。我们总是下意识地把自己当作智能的唯一范式，认为凡是能做复杂事的系统，一定也像人类一样拥有主观体验、自我认知与情感挣扎。但这其实是把“表现出的智能行为”错误地等同于“拥有意识的内在状态”。AlphaFold 没有意识，却实现了人类科学家几十年来未能解出的结构预测难题；GPT 没有“意图”，却能写出专业论文与高质量程序；这些系统没有“灵魂”，却胜任越来越多复杂任务。

更进一步，即便一个 AI 系统内部包含所谓的“self model”（自我模型）——如 AlphaGo 的价值网络、AutoGPT 的 plan-eval 循环——这也只是工程意义上的自我建模，用于状态管理、任务规划或目标更新。它与哲学意义上的“我思故我在”无关，更不意味着拥有主观体验或自由意志。它只是一个反馈结构，不是一个自我意识体。

简言之：AGI 并不需要拥有“自我”——它需要拥有的是“结构”。结构压缩能力、因果建模能力、策略迁移能力、演化体系设计能力，才是 AGI 的本质构成。

Demis Hassabis 对 AGI 的定义

Demis Hassabis 对 AGI 的期待可以说是极高的，而且非常清晰、有结构、有逻辑。他给出了一个高度结构化的路线图。在他构想中，AGI 不仅要能跨任务处理问题，更重要的是要具备结构建构与科学创造能力，这是目前很多人，尤其是大众讨论中严重忽略的。

我们不妨一起回顾一下他对 AGI 的定义和期待——其实你只要把我这几天写的关于 Alpha 系列背后技术哲学的内容整合一下，就会发现这些观点都是一脉相承的。不知道的可以往我之前的推文里翻一翻，虽然我自己也经常找不到（ Grok也不帮忙）。我写这些东西的时候，习惯用一些“新语境新语言”——比如“压缩”“结构”这种词，可能有人会觉得我在造概念。但说实话，我根本不在乎（but I don’t care），因为时间会证明：compression 和 structure 终将成为我们使用频率最高的超级词汇。

“An AGI is not just a system that can pass an IQ test or mimic humans in conversation. It's a structure discovery engine — one that can learn the rules of new domains from scratch and generate new knowledge.”— Demis Hassabis, 2023 interview

“If nature allows a pattern to repeat, then there exists a compressible structure behind it. AGI is what finds it.”— Nobel Forum talk, 2024

第一，AGI 是能在多种复杂结构空间中泛化推理的系统。

“AGI is a system that can generalize across multiple domains, reason about abstract problems, and solve previously unseen challenges through learning.”

这意味着，AGI 不是在某个领域训练得特别好，而是具备跨领域迁移与抽象推理的能力。例如，它既能下围棋，又能理解蛋白质折叠，还能发现优化算法或者推理几何定理。最关键的测试标准是：能不能解决人类目前还没能解决的问题。

第二，AGI 应该是能够自动发现结构与原理的“科学智能”。

Demis 是在构建能做科学的智能系统。他说：“We are not just building pattern recognition systems — we are building systems that can do science.”

在他眼中，真正的 AGI 必须具备从数据中提取结构、形成原理、构建理论并推导出新知识的能力。AlphaFold 就是这种“科学型 AI”初步实现的例子：它预测蛋白质结构的能力远超人类科学家，靠从序列中“压缩出”结构。

第三，AGI 必须具备创造性与非显式规则建模能力。

Demis 强调：“We want systems that can learn how the world works, not just mimic what humans already know.”

也就是说，AGI 不能只是模仿人类已有的知识体系，它应该能从现象中推演出新的结构与规律。比如 AlphaTensor 就是一个很好的例子——它通过自我演化的搜索，发现了数百种人类历史上从未提出过的矩阵乘法算法。这不是记忆，这是发明。

第四，Demis 的智能观是结构优先，而不是模型优先。

他曾说过一句很有哲学味道的话：“Understanding is compression. Intelligence is compression.”

他的重点不在于把参数堆得多大、上下文拉得多长，而是关注系统是否能在高熵世界中提取出最小生成路径，是否能构建低维结构流形，从而真正“理解”世界。换句话说，结构压缩力才是真正的智能指标，而不是一味靠 scale 撑起来的拟合能力。

第五，AGI 的最终目标是具备“自主科学循环”的能力。

这意味着 AGI 不只是工具，而是一个科学共同体成员。Demis 认为未来的 AI 系统应该具备完整的科学流程能力：从数据出发，自主提出假设、构建模型、做出预测、设计实验、获取反馈、再修正理论，形成一个闭环性的 AI-first science 工作流。

在这样的世界里，人类将从“科学发现的唯一发明者”，转为“结构共建者”与“理论验证者”——而这个转变，正是 Demis 理解中的 AGI 所应承担的角色。 AGI可以为人类提出“直觉之外，理解之内“的类似黎曼猜想，庞加莱猜想这种”神级数学命题“。

我的这篇文章的核心思想，其实就是两个字：围棋。

没错，就是围棋。说实话，真正把围棋带出东亚文化圈、推向全球语境的分水岭，是 AlphaGo。它不仅击败了李世乭，更击穿了人类对智能的幻想边界。据一些关注国内棋社圈子的朋友讲，AlphaGo 在东亚掀起的围棋热甚至不亚于当年的《棋魂》。神奇吧，我其实当时看到柯洁失败，我的判断是围棋以后完蛋了，大部分棋社都要关门。

于是问题来了：如何判断目前 AGI 的核心能力？你当然可以做非常广泛的认知实验，毕竟人类大脑本身就是通用图灵机。你可以请一群专家花上几个月，对某个模型做语言理解、数学能力、视觉推理等对比测试，甚至把它放在像陶哲轩那样的超人智者面前，看它“味儿对不对”（他不是说大语言模型闻起来不对么）。但有没有一种测试，能一锤定音地代表“智能是否具备创造力”？有，Demis Hassabis 认为答案就是：发明一款像围棋一样优雅、复杂、规则极简但具无限演化空间的游戏体系。

Demis 本人其实也是从棋童成长起来的，只不过他下的是国际象棋。而他对围棋的理解，最终成了他对 AGI 路线的精神锚点。在过去一个月里，我尝试着走上这条“发明围棋”的路。我设计了一个名为“元游戏”的原型（推文早发过，我现在也找不到了），核心目标是：用极简规则生成可持续演化的策略宇宙。我甚至列出了十个演化方向，包括：

匹配类

占领类

路径类

问答类

博弈类

资源类

转换类

顺序类

合作类

建构类

但结论是：现在的大语言模型，根本做不到。我试图与 GPT 合作推进元游戏的设计与演化，但最终结果都只是一些围棋或国际象棋的阉割版（比如简化走步规则），最多混合了一点 sudoku 或路径规划类的规则（but good enough for me, 我还是在家里和小孩一起玩起来了）。即便加上一些博弈心理学，做出类似“剪刀石头布+猜心”这种变种，但从“智能生成”的角度来看，完全没有突破到真正意义上的结构性创造。

Demis 他认为围棋是人类创造力的结晶，是自己人生轨迹的转折点。

“真正的 AGI 不仅要在给定规则内取胜，更要能创造出与 Go 同级别的优雅复杂体系——因为那意味着它已经学会『发明规则』，而不只是『套用规则』。”（WIRED）