三天前，YouTube上出现了一段让整个AI社区沸腾的视频。Two Minute Papers频道——拥有181万订阅者的AI研究解读标杆——受邀走进Google DeepMind总部，与2024年诺贝尔化学奖得主、DeepMind CEO Demis Hassabis面对面坐下来，聊了整整20分钟。这不是一场普通的采访。Hassabis在镜头前抛出了几个足以重新定义AI发展方向的判断：AI驱动的Co-Scientist系统已在Nature发表，并正在全球实验室里加速从肝纤维化到衰老逆转的突破；他提出的"爱因斯坦测试"被认为是目前最诚实的AGI衡量标准；而他关于AI可能在2028年前实现递归自我改进的预测，则让整个行业打了个寒颤。
这不是营销视频。这是一个花了三十年研究AI和神经科学的诺贝尔奖得主，在自家客厅里对全人类科技走向的冷静判断。
| 项目 | 内容 |
|---|---|
| 视频标题 | DeepMind's Insane AI Breakthroughs With CEO Demis Hassabis |
| 频道 | Two Minute Papers（Károly Zsolnai-Fehér） |
| 发布日期 | 2026年5月25日 |
| 时长 | 约20分钟 |
| 播放量 | 97,000+（3天内） |
| 核心主题 | DeepMind最新AI突破：Co-Scientist、爱因斯坦测试与AGI路线图 |
视频开场讨论的是DeepMind在Google I/O 2026上发布的Gemini Health Scans。这不是普通的医疗影像分析——Med-Gemini是一套专门针对医疗场景微调的Gemini模型家族，能同时处理CT、MRI、病理切片、基因数据等多模态医学信息。
值得关注的是DeepMind发布的AI Co-clinician基准测试：6项核心医疗指标显示，该系统在部分诊断任务上的表现已接近甚至超过资深专科医生。Hassabis在I/O大会上甚至直接说出了"solve all disease"（治愈所有疾病）这句话。
[延伸分析] 这不是第一次有科技领袖做出大胆医疗承诺。但Hassabis的不同之处在于：AlphaFold已经在药物发现领域证明了AI的实际价值——DeepMind的AI设计药物正在进入人体试验阶段。"治愈所有疾病"仍是一个愿景，但底层技术的进展速度确实超出预期。
这个概念特别巧妙。Hassabis提出的"Second Order Nobel"指的是：AlphaFold获得诺贝尔奖只是第一步，真正的突破是那些因为AlphaFold而成为可能的发现所获得的诺贝尔奖。换句话说，AI本身获奖不算什么——被AI赋能的人类科学家获奖才是终极目标。
这反映了DeepMind对AI定位的根本转变：从"AI做科学"到"AI作为科学伙伴"。这也是Co-Scientist项目诞生的哲学基础。
这是视频最核心的内容，也是DeepMind在5月19日发表在Nature上的重磅论文。
Co-Scientist不是一个单独的AI模型，而是一个由6个专业智能体组成的多智能体系统，基于Gemini构建：
整个系统由一个Supervisor Agent协调，采用自由规划器（freeform planner）而非线性思维——这意味着它可以同时探索多条研究路径。
[延伸分析] Co-Scientist的核心创新在于"Tournament of Ideas"（想法锦标赛），灵感来自AlphaGo和AlphaStar。但区别在于：AlphaGo下棋，Co-Scientist搞科研。它不是在博弈树上搜索最优解，而是在假设空间中进行对抗性辩论和演化。目前已有超过100个机构的研究人员参与测试。
Hassabis在视频中展示了几项令人震撼的实际成果：
肝纤维化药物重定位：Co-Scientist帮助斯坦福大学的Gary Peltz教授发现了一种被忽视的药物重定位候选物，在实验室测试中成功阻断了91%的纤维化相关反应，成果发表在Advanced Science上。Peltz的评价是："感觉像是一个读完了所有生物医学文献的合作者。"
ALS新疗法：MIT的Ritu Raman和Ryan Flynn的实验室原本各自独立研究ALS，Co-Scientist帮助她们发现互补的RNA方法，促成了原本不可能发生的跨学科合作。
细胞衰老逆转：Abudayyeh-Gootenberg实验室利用Co-Scientist加速衰老相关基因靶点的筛选，将原本需要数月的数据分析缩短到几天。Abudayyeh说："感觉像拥有一支50人的团队在一天内完成所有工作。"
传染病跨物种传播：剑桥大学的Clare Bryant利用Co-Scientist快速锁定导致流感、COVID-19从动物跨物种传播的关键蛋白——将数年的实验工作缩短到数月。
[延伸分析] 这些不是论文里的模拟数据，而是真实实验室里的真实结果。这才是AI for Science最令人信服的证明——不是AI能做什么，而是人类科学家用AI做到了什么。
这是一个出人意料但极其聪明的合作。DeepMind与EVE Online（一个拥有20年历史的沙盒MMO游戏）合作，利用游戏玩家解决科研问题。这不是第一次——foldit（蛋白质折叠游戏）和EVE之前的Project Discovery都证明了游戏社区可以成为强大的科研助力。
Hassabis将这种模式描述为"大规模人类-AI协作"：AI生成假设和方向，人类（通过游戏化的界面）提供直觉判断和验证。这种模式可能成为未来科学研究的标准范式之一。
这是整个视频中最具思想深度的部分。
Hassabis在2026年2月的印度AI影响力峰会上提出了"爱因斯坦测试"（Einstein Test）：
用1911年之前的所有人类知识训练一个AI系统，然后看它能否独立发现广义相对论——就像爱因斯坦在1915年做到的那样。
如果AI能做到，我们就拥有了AGI。如果做不到，我们拥有的只是一个"非常复杂的模式匹配器"。
Hassabis坦率地说："今天的系统显然做不到这一点。"
[延伸分析] 爱因斯坦测试的精妙之处在于它区分了两种截然不同的能力： 1. 插值（Interpolation）：在训练数据的范围内找到模式并重新组合——这是LLM擅长的事 2. 外推（Extrapolation）：得出训练数据中不存在的全新结论——这是AGI需要做到的事
广义相对论不是一个从已有物理学"推论"出来的结果。它需要一种全新的时空观，一种在任何已知文献中都找不到的思维方式。这正是当前AI系统最根本的短板。
Hassabis还描述了当前AI的"锯齿状智能"（Jagged Intelligence）问题：同一个系统可以在国际数学奥林匹克中拿金牌，却在简单得多的数学问题上犯错——仅仅因为问题的表述方式不同。"真正的通用智能不应该有这种锯齿状的表现。"
视频中最令人不安的部分。Hassabis讨论了递归自我改进（Recursive Self-Improvement）——AI系统开始改进自身的能力。
Anthropic和DeepMind的研究人员预测：AI可能在2028年前后实现自我改进能力。一旦跨越这个阈值，改进速度将从线性变为指数级——这就是所谓"奇点"的技术基础。
但Hassabis对此的态度出人意料地冷静。他指出了三个当前AI缺失的关键能力，这些是递归自我改进的前提条件：
[延伸分析] 这三点恰好解释了为什么爱因斯坦测试如此重要。广义相对论的发现需要全部三种能力：真正的创造力（全新的时空概念）、持续学习（爱因斯坦花了十年时间反复修正）和长期规划（从狭义相对论到广义相对论的理论框架演进）。
视频尾声的这段话很打动人。Hassabis谈到，被科学界批评和质疑是一种"荣誉徽章"（Badge of Honor）。作为诺贝尔奖得主，他依然认为科学最重要的品质是知道自己不知道什么。
Two Minute Papers的主持人Károly Zsolnai-Fehér（维也纳工业大学计算机图形学博士）在视频最后展示了幕后花絮——DeepMind总部看起来就像一个巨大的科研游乐场，到处都是白板和正在辩论的研究员。
mindmap
root((DeepMind 2026<br/>AI突破全景))
科学发现
Co-Scientist
6智能体协作
想法锦标赛
Nature论文
实际成果
肝纤维化·91%阻断
ALS·跨学科协作
衰老逆转·数月→数天
传染病·跨物种传播
医疗AI
Gemini Health Scans
Med-Gemini多模态
AI Co-clinician
治愈所有疾病愿景
AGI路线图
爱因斯坦测试
1911年前知识
独立发现相对论
外推vs插值
锯齿状智能
三个缺失能力
真正创造力
持续学习
长期规划
递归自我改进
2028临界点预测
指数级改进
人类AI协作
EVE Online合作
大规模众包科研
Second Order Nobel
游戏化科学验证
Co-Scientist的多智能体架构值得研究。 它采用的不是单一LLM调用，而是一个类似AlphaGo的对抗性搜索框架——6个智能体在"假设空间"中进行锦标赛式辩论。这种模式可以迁移到任何需要复杂推理的场景：产品策略制定、技术方案评估、甚至代码架构设计。如果你正在构建AI应用，思考如何用多个智能体的对抗和协作来提升输出质量，而不是简单依赖单次提示。
立即关注Gemini for Science平台。 Co-Scientist正在通过labs.google/science开放注册。从视频中展示的案例看，它在文献综合、假设生成、跨领域发现方面表现出色。斯坦福和MIT的团队已经用它在数周内完成了原本需要数月的工作。如果你的研究涉及生物医学、材料科学或工程领域，这将是一个改变游戏规则的工具。
区分"AI能做什么"和"AI还需要多久才能做什么"。 爱因斯坦测试提供了一个清晰的框架：如果一家AI公司声称接近AGI，问他们一个问题——"你的系统用1911年之前的数据能发现广义相对论吗？"答案会让你立刻看清营销和现实之间的距离。Hassabis自己的判断是：本十年末有50%概率实现AGI。这个概率意味着还有50%的概率不会——足以让你在做战略决策时保持审慎。
Hassabis的"锯齿状智能"概念是理解当前AI的关键。 同一个系统可以在数学竞赛中获奖，却因为问题表述稍有不同而犯错。这意味着在使用AI时，永远不要把它的回答当作确定性的真理——它可能在你最意想不到的地方犯下最愚蠢的错误。将AI视为一个博学但不稳定的合作者，而不是一个可靠的专家。
Hassabis用20分钟讲清楚了一件事：AI已经从"帮助科学家"进化到"成为科学家"的合作伙伴，但距离"超越科学家"还有至少一个爱因斯坦的距离。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。