Demis Hassabis 预测 2026 年 AI 三大趋势

正文翻译

Google DeepMind CEO Demis Hassabis 认为，接下来一年 AI 会在三个方向出现明显进展：

1. 多模态模型继续突破
2. 可交互的视频世界 / 世界模型继续发展
3. 更可靠的 AI agents 更接近落地

Hassabis 在 Axios AI+ 峰会上表示，Gemini 现有的多模态能力已经开始支撑新一类应用。

他举了《搏击俱乐部》（Fight Club）中的一个场景来说明：过去的模型也许只能描述画面里“发生了什么动作”，但新的多模态 AI 不只是看见一个人摘下戒指，而是能把这一动作解释成一种哲学意义上的象征——即对日常生活的一种放弃与脱离。

这说明模型不再只是“识别图像内容”，而是在做更高层次的语义理解。

文中还提到，Google 最新图像模型也体现了类似能力：它能更精确地理解视觉内容，因此可以生成更复杂的结果，比如信息图表（infographics），而这在之前并不容易做到。

关于 agents，Hassabis 说：在一年左右的时间内，AI agent 有望“接近”能够自主处理复杂任务。 这个判断与他早在 2024 年 5 月给出的预测基本一致。

他的目标是构建一种“通用助手”：

• 能跨设备工作
• 能协助处理日常事务
• 能在不同任务与场景间流动

此外，DeepMind 也在推进所谓的“世界模型”（world models），例如 Genie 3 这类系统。它们可以生成可交互、可探索的视频空间，而不只是线性播放的视频内容。

核心观点压缩

如果只提炼这篇短文的重点，大概就是三句话：

• 多模态理解会越来越强，不只是看图说话，而是理解语义与象征层。
• AI agent 正在从“会聊天”走向“能办事”，但前提是可靠性明显提高。
• 视频生成的下一步不是更像真的短片，而是更像“可进入的世界”。

简短备注

这篇原文篇幅不长，更像新闻摘要。信息密度最高的地方在于 Hassabis 给出的三条主线，它们基本也代表了 DeepMind 对未来一年研发方向的优先级判断。