日前，Google DeepMind CEO Demis Hassabis 接受 Lex Fridman 的采访。在这场对话中，Hassabis 分享了一个大胆的判断：大自然的一切规律，都有可能被 AI 学会，甚至超越。
Hassabis 认为，如果自然界中的任何结构都可能通过经典的学习算法被高效建模，那么流体动力学、蛋白质折叠，甚至复杂的生命起源，都有望被 AI 解构重建。像 DeepMind 的 Veo 这样的模型，已经能惊人地还原液体运动与光影物理，表明 AI 正在「逆向工程」物理世界中的规律。
而在复杂性理论上，Hassabis 致力于提出一个新的复杂性类别——「可学习自然系统」。他认为，那些经过进化筛选、具有结构性且稳定存在的自然现象，其实是可被现代算法模拟与预测的，只要我们找到正确的「搜索策略」。
关于 AGI 的路径，Hassabis 提到 DeepMind 团队在过去一年中，从似乎落后到迅速反超，在 Gemini 系列模型上取得弹性进展。他强调「速度就是护城河」，强调构建更广、更深、更快获取反馈的研究文化和团队体系。
