我用 MythOS 搞了个 时空机 项目

Aigc

使用者

Ai 的进展是越来越大，越来越广泛。

aidj

Wow: 宣称自己是AI 公司9:40


**视频核心分析重点如下**（基于DeepMind CEO Demis Hassabis的观点，由“wow”频道解读）：

### 1. **AGI的终极检验标准**
- Hassabis提出一个极高标准的测试：**如果把1901年之前人类所有数据喂给AI，它能否完全不靠人类干预，独立推导出狭义相对论**？
- 这才是真正**通用人工智能（AGI）**的试金石，而非当前大模型的表面能力。
- 强调AGI需要在**未知领域生成新的因果假设**，而非仅靠已有数据模式匹配。<grok:render card_id="805ada" card_type="citation_card" type="render_inline_citation"><argument name="citation_id">0</argument></grok:render>

### 2. **当前大模型（LLM）的核心局限性**
- **持续学习 vs 上下文窗口**：单纯扩大上下文（百万Token）和堆算力不够。致命短板是**缺乏底层权重的动态更新**（无法像人类一样真正持续学习和整合长期记忆）。
- **参差不齐的智能（Jagged Intelligence）**：自回归模型本质是“预测下一个词”，导致AI在某些任务上表现惊人，但在**内省（Introspection）**、真正深层推理和因果理解上严重不足。
- 当前AI更像“聪明但不稳定”的工具，而非通用智能。

### 3. **通往AGI的缺失拼图与挑战**
- **智能体（Agents）**：未来AGI的重要形态，需要具备自主规划、工具使用和长期目标执行能力。
- **科学突破潜力**：AGI应能在未知领域主动生成新假设，推动下一场重大科学发现（类似相对论级别）。
- **2030年AGI愿景**：Hassabis对2030年实现AGI持相对务实但坚定的态度，视频强调需超越当前LLM的“华丽外衣”。

### 4. **算力与经济现实**
- **杰文斯悖论（Jevons Paradox）在AI上的体现**：推理成本降低反而会刺激更多需求，导致**算力短缺**更严重。
- **端侧模型（Edge AI）** 被视为关键：本地运行能保护隐私、降低延迟，是普及AI和缓解云端压力的前提。

### 5. **对普通人和创业者的生存建议**
- 面对2030年可能出现的**超级协调员（Super Coordinator）**，人类不应直接竞争纯计算/逻辑任务。
- **最佳策略**：构建**极高壁垒的垂直DeepTech工具**（深科技、特定领域高门槛应用），在AGI浪潮中“半路接应”（Meeting AGI Halfway）。
- 视频提问：当AGI接管大部分计算任务后，人类最不可替代的核心竞争力（“灵魂”）是什么？

**整体中心思想**：  
当前大模型的炒作掩盖了通往真正AGI的巨大鸿沟。Hassabis的观点强调需要**动态学习、因果推理、自主假设生成**等新范式，而非单纯Scaling。普通人/创业者应提前布局高壁垒垂直领域，与未来的AGI协同而非被取代。

视频时长未知，但内容属于深度科技解析类，适合对AGI未来、AI局限性和产业机会感兴趣的人观看。如果你需要更具体的某个部分（如智能体细节或生存策略）的展开分析，或者想让我帮你找相关Hassabis原采访，可以告诉我！

Ai启示录：https://youtu.be/LzH-_FFufXs?t=744文字交互只是过度