新智元报道 编辑：KingHZ 桃子 【新智元导读】谷歌DeepMind掌门人断言，2030年AGI必至！不过，在此之前，还差1-2个「Transformer级」核爆突破。恰在NeurIPS大会上，谷歌甩出下一代Transformer最强继任者——Titans架构。 2025年即将进入尾声，下一年AI将走向何方？ 最近，谷歌DeepMind CEO Hassabis在一场访谈中，对未来12个月的「关键趋势」做出重磅预测。 划重点！！！主要有以下五大核心点—— 多模态融合彻底打通 类人的视觉智能 语言+视频深度融合 世界模型成为主流 智能体达到可靠应用水平 Hassabis强调，我们应尽快Scaling现有的AI系统，至少它们会成为最终AGI的「关键部件」。 甚至，它可能会成为那个终极的AGI系统。 不过话说回来，我们至少还需要1-2个像Transformer、AlphaGo这样级别的突破才可以。 八年前，谷歌Transformer奠基之作出世，彻底改变了AI界。 如今，谷歌另一个极有潜力成为Transformer的全新架构——Titans，正式在NeurIPS 2025亮相。 它完美融合了「RNN极速响应+Transformer强大性能」，集两者之大成。 即便在200万token上下文中，Titans召回率和准确率最高。博客一出，在全网掀起了海啸级地震。 正如Hassabis所言，「颠覆性」AGI已近在眼前！ DeepMind掌门人：2030年，AGI必至 今年早些时候，Hassabis就曾预测，具备或超越人类能力的AGI，可能会在2030年之前实现。 在周四的公开对话中，Hassabis再度强调： AGI很可能是人类历史上最具颠覆性的时刻之一，如今它正在加速逼近。 若要我给出一个时间，人类距离实现AGI仅剩下5到10年。 在谈及未来愿景时，Hassabis的声音饱含憧憬： 我一直以来最大的梦想、也是我奋斗一生的目标，是实现「丰饶时代」的理想社会。 一个人类面临的最大问题都已被解决的世界。 比如，免费的、可再生的清洁能源，也许人类解决了核聚变，或者造出了更优的电池、太阳能材料、半导体，在材料科学上取得突破；人类也攻克了许多疾病。 那样一来，人类将进入一个全新的时代，一个后稀缺时代，人类很可能繁荣发展，走向星空，将意识播撒到银河系。 但即使是那种乌托邦式的图景，也伴随着一些问题：如果这些技术能解决所有难题，那么我们人类存在的目的又是什么？还会剩下什么问题让我们去解决？ 作为一个科学家，Hassabis为此感到担忧，甚至对科学方法本身也是如此。这是其一。 而通往AGI的道路注定不会一帆风顺。 Hassabis指出，恶人和错误使用AI的风险真实存在，甚至「灾难性后果」已开始显现。 比如，对能源或供水系统的网络攻击，这些都已经是显而易见的攻击目标。 也许，目前还没用上非常先进的AI，但这种事基本已经在发生了。 AI带来最严重的后果，可能是灭绝级风险。他强调，没人确切知道人类灭亡概率P(doom)，但直言： 这个风险不是零。只要不是零，那就必须认真对待，投入资源应对。 对Gemini 3探索不足10% Hassabis认为，最被低估的能力是Gemini能够「观看」视频并回答相关概念性问题。 他举例说，曾询问Gemini电影《搏击俱乐部》中的一个场景： 「打架前摘下了戒指，这个动作有什么象征意义？」 Gemini回答，这代表主角脱离日常生活的象征，是对社会规范的拒绝，是一种「放弃身份」的宣言。 Gemini的这类「抽象理解」能力出乎他的意料。Hassabis认为Gemini已经具备某种「元认知」。 还有另一个例子是Gemini Live功能。他认为，多模态AI的潜力，远比大多数人今天所理解的要大得多。 每次DeepMind推出新版模型时，Hassabis都会有种强烈的遗憾感：自己可能连这个系统的十分之一都没来得及深入测试，就已经要投入下一个版本的研发了。 而用户们往往会比Gemini开发人员更快地发掘新功能，把模型用到连他们都没想到的地方。 最核心的观点 Hassabis最核心的观点可能是AGI的实现路径问题。 他认为，我们距离真正的AGI还有大约5到10年的时间。 DeepMind对AGI的定义要求很高：要称得上「通用」，AI系统必须全面具备人类的所有认知能力，其中包括「创造力」和「发明能力」。 现在的LLM在某些领域已经非常惊艳，堪比博士水平，甚至能拿奥林匹克金牌；但在另外一些领域，它们仍然存在明显缺陷，呈现出「参差不齐」的智力表现。 真正的AGI应当拥有「各项能力均衡发展」的稳定智能。 这包括当前模型所缺失的几个关键能力：持续学习（continual learning）、在线学习（online learning）、长期规划和多步推理。 目前，大语言模型完全不具备这些能力。 他承认存在一种可能性，即规模扩展「可能就是AGI系统的全部」，尽管他认为这种情况可能性较小。 这需要我们必须将规模扩展推向绝对极限。 退一步说，规模扩展至少会成为最终AGI的「关键构件」。 Hassabis相信，它们未来会具备这些能力，但我们可能还需要一两个重大技术突破。 而谷歌似乎已经有了Transformer级的重大突破。 最强「Transformer」出世 几天前，NeurIPS大会上一场对谈中，谷歌首席科学家Jeff Dean和AI教父Hinton同框。 关于LLM和研究路线，Hinton当场提出了一个尖锐的问题—— 谷歌是否后悔发表Transformer论文？ Jeff Dean给出了干脆的回应：「不后悔！这项研究对世界产生了重大的影响」。 几乎同一时间，谷歌放出了全新的架构Titans，成为Transformer的最强继任者！ 此外，还有一个全新的MIRAS框架。 两者的结合，可以让 AI模型在运行过程中动态更新核心记忆，跑得更快，也能处理超长规模的上下文。 众所周知，Transformer最大瓶颈在于，上下文无限扩展，会导致计算成本飙升。 除了业界迭代的RNN、Mamba-2等架构，谷歌也提出了新一代解决方案—— 如上所述，Titans+MIRAS，就是一套把RNN速度和Transformer准确性，结合起来的架构与理论思路。 Titans（MAC）架构：通过一个长时记忆模块来压缩历史数据，并将生成的摘要加入当前上下文，再交由注意力机制处理 Titans是具体的模型架构（工具），而MIRAS 是用于泛化这些方法的理论框架（蓝图）。 它们合起来，实现了一种「测试时」记忆的能力。 在运行时，模型不再只是把信息压成一段静态状态，而是在数据不断输入时主动学习，即时更新自己的参数。 这个关键机制，可以让模型立刻把新的、具体的信息加入到核心知识里。 值得一提的是，清华姚班校友钟沛林参与了两项工作。他博士毕业于哥伦比亚大学，2021年起加入谷歌任研究科学家。 Titans：即时掌握新上下文 一个高效的学习系统，需要既独立又互相关联的「记忆模块」。 这一机制，就像人脑会将短期记忆和长期记忆区分开来一样。 为此，Titans引入了一种全新的神经长期记忆模块，本质上是一个深层神经网络（一个多层感知机MLP）。 它拥有更强的表达能力，在不丢失关键信息的同时，总结海量内容。 有了Titans，LLM不只是记笔记，而是在真正理解并串联整个故事。 论文地址：https://arxiv.org/pdf/2501.00663 更重要的是，Titans并非被动存储数据，而会主动学习如何识别并保留贯穿整个输入的重要关系和概念主题。 衡量这一能力的核心指标之一，谷歌将其称之为「惊奇度」（surprise metric）。 假设遇到「高惊奇」度的信息时，会被优先写入长期记忆。而且，会随着不断学习，自适应管理权重，主动遗忘不再需要的信息。 MIRAS：统一视角，序列建模 序列建模的每一次重大突破，本质上都在使用同一种底层机制：高度复杂的联想记忆模块。 MIRAS独到之处和实用价值在于，它看待AI建模的方式—— 把各种架构视为解决同一个核心问题的「不同手段」。 如何在融合新信息与旧记忆的同时，不让关键概念被遗忘。 MIRAS框架 MIRAS通过四个关键设计维度，来定义序列模型： 记忆架构（Memory architecture）：承担信息存储的结构，例如向量、矩阵，或像Titans深层多层感知机。 注意偏置（Attentional bias）：模型内部优化的学习目标，决定优先关注哪些信息。 保留门（Retention gate）：一种记忆正则化机制。MIRAS将传统「遗忘机制」重新解释为正则化形式，用于在学习新知识与保留旧知识之间取得平衡。 记忆算法（Memory algorithm）：用于更新记忆状态的优化算法。 以MIRAS框架的视角审视近期序列模型 超越注意力 几乎所有现行成功的序列模型，在处理偏置和保留机制时，都依赖于均方误差（MSE） 或点积相似度。这种依赖导致模型对异常值（outliers）过于敏感，并限制了其表达能力。 MIRAS突破了这一局限。 借鉴优化理论与统计学文献，它构建了一个生成式框架，开拓了更丰富的设计空间。 基于MIRAS，谷歌构建了三款独特的无注意力（Attention-free）模型： YAAD MONETA MEMORA 在语言建模和常识推理任务中，Titans架构在同等规模下，优于最先进的线性循环模型（如Mamba-2和Gated DeltaNet）以及Transformer++基线模型。 新颖的MIRAS变体（MONETA、YAAD、MEMORA）相比这些基线模型也提升了性能，验证了探索稳健的非MSE优化机制的优势。 重要的是，这些模型保持了高效的并行化训练和快速的线性推理速度。 这些新架构最显著的优势在于其处理超长上下文的能力。 这在BABILong基准测试中得到突出体现，该任务需要对分布在超长文档中的事实进行推理。 在BABILong基准上，Titans以更少的参数量，表现优于包括GPT-4等超大型模型在内的所有基线模型。 Titans进一步展示了可有效扩展到超过200万token上下文窗口的能力。 Titans在超长上下文推理任务上的性能表现 有Reddit网友预测，或许我们在明天，就可以看到采用Titans架构的Gemini 4。 正如网友所言，这可能是谷歌继Transformer之后，首个重大突破！ 在架构层面，Titans+MIRAS补上了「记忆与持续学习」。 而在多模态能力层面，Gemini显露「元认知」的边缘形态。 也许，AGI正加速到来。