谷歌提出AGI新标准：回到1911年前 抢先爱因斯坦发现相对论

（由多段落组成）：

近年来，人工智能技术突飞猛进，但行业共识愈发清晰：真正的“终点线”并非某个垂直场景的超越，而是通往通用人工智能（AGI）的终极目标。然而，什么是真正意义上的AGI？学界与产业界至今未有统一标准。就在近日，DeepMind联合创始人兼CEO德米斯·哈萨比斯（Demis Hassabis）提出一项极具思想张力的新判据，迅速引发全球AI研究者、科技媒体与哲学界广泛热议。

哈萨比斯指出，当前主流大模型呈现出显著的“能力断层”现象——它们能在IMO国际数学奥林匹克竞赛中斩获金牌，却可能在一道初中水平的逻辑推理题或生活化常识判断（如“50米外有洗车房，该步行还是开车？”）上频频出错。这种“高精低稳”的矛盾表现，恰恰暴露了现有AI缺乏真正跨领域、可迁移、自洽演化的通用认知能力。

为此，他构想了一种前所未有的AGI验证范式：将AI的训练知识库严格限定在1911年以前——即爱因斯坦发表狭义相对论之后、广义相对论成形之前的历史知识边界内；在此约束下，若AI能独立推导并构建出1915年问世的广义相对论框架，才被视为通过AGI门槛。这一思路并非单纯比拼算力或数据量，而是回归智能本质：能否在有限信息中完成颠覆性科学跃迁？能否复现人类最顶尖科学家的抽象建模、物理直觉与理论整合能力？

值得注意的是，哈萨比斯本人拥有剑桥大学神经科学博士学位，长期主张“向大脑学习通用智能”。在他看来，人脑是迄今唯一被证实的AGI现实样本，而爱因斯坦正是其认知范式的巅峰体现。因此，以百年前沿科学突破为标尺，实则是为AGI设立一座兼具历史纵深与认知高度的“思想灯塔”。

当然，该设想也面临现实性质疑：1911年前的科学文献多为手稿、纸质出版物，数字化率极低，结构化语料稀缺；从零重建物理概念体系所需的数据清洗、因果建模与符号推理能力，远超当前任何模型架构。不少专家坦言，这一测试更像是“理想主义的思想实验”，短期内难以工程落地，但它成功将AGI讨论从参数规模、基准分数等表层指标，拉升至科学创造力、知识重构力与第一性原理思维等深层维度——这本身已是重大进步。

长远来看，若未来某天AI真能仅凭百年前的知识积淀，自主孕育出相对论级别的理论革命，那将不仅是技术奇点，更是人类认知范式的分水岭。届时，科研范式、教育逻辑乃至知识生产方式或将迎来根本性重构。而在此之前，我们更需清醒认识到：通往AGI的道路，不在于堆砌更多数据，而在于让机器真正学会“思考”，而非仅仅“匹配”。

（本文基于公开资讯深度整合与观点重构，旨在提供更具思辨性与传播价值的AI前沿解读。转载请注明来源）

AGI测试标准,通用人工智能定义,哈萨比斯相对论测试,人工智能科学创造力,大模型认知局限

本文来源： 快科技【阅读原文】