DeepMind之父警示：我创造的人工智能或毁灭人类，却已无法阻止
3月31日消息，近日，DeepMind创始人德米斯・哈萨比斯坦言，其研发的超级人工智能存在灭绝人类的风险，而当前AI发展竞赛已进入无法停止的状态，人类难以通过外部治理手段有效管控。他彻底放弃此前依赖制度、伦理委员会约束AI的构想，承认治理结构在关键决策中难以发挥作用，只能依靠自身争取话语权来把控AI安全走向。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
哈萨比斯一直是AI安全的坚定倡导者，早年曾设想通过独立监督、秘密研发等方式打造绝对安全的超级智能。
2014年将DeepMind出售给谷歌时，还明确要求保留AI安全独立决策权、设立外部监督委员会并禁止军事应用。但这些安全构想接连落空，马斯克参与相关集会后转而创立OpenAI，打破了单一主体管控AI的设想，后续与谷歌的治理权谈判也以失败告终。
2024年ChatGPT的出现，彻底打乱了AI研发节奏，谷歌陷入竞争焦虑，DeepMind与谷歌大脑合并，安全规范让位于研发速度，此前的安全防线逐步失效。
哈萨比斯由此认清现实，在商业竞争与技术竞赛压力下，依附于商业巨头的非营利治理机制难以存续。
如今哈萨比斯转变思路，核心主张是让自己占据核心决策位置，凭借对AI风险的敬畏之心，在关键节点把控技术方向。
他一边推进Gemini等模型研发，一边坚守安全底线，试图以个人影响力降低AI失控风险。
业内分析认为，这一转变折射出全球AI竞赛的残酷现状，统一治理难以实现，AI安全窗口持续收窄，人类正面临关乎文明存续的巨大挑战。
相关攻略
这项由Google DeepMind与北卡罗来纳大学教堂山分校合作的前沿研究，已于2026年3月25日正式发布，其完整论文可在arXiv预印本平台通过编号2603 22529v1查阅。 想象一下：一个AI助手能熟练地操作网页，却对你眼前真实世界的一切视而不见。例如，你透过AR眼镜看中一款包，却无法让
谷歌DeepMind推出“魔法指针”AI技术，能智能理解屏幕内容与用户意图。用户只需用鼠标指向目标并说出指令，系统即可执行复杂操作，例如指向视频中的餐厅直接生成预订链接。该功能已在AIStudio演示，并将逐步集成至Chrome浏览器，实现更自然的交互体验。
2026年2月，一篇编号为arXiv:2602 10177v1的预印本论文悄然发布，它来自Google DeepMind。这篇论文所揭示的进展，或许标志着人工智能在科学探索领域的一个分水岭：AI不再仅仅是解决预设问题的工具，而是开始涉足人类知识的前沿——自主进行数学研究。 回想AlphaGo战胜世界
2024年12月，Google DeepMind团队在arXiv预印本平台发布了一项编号为arXiv:2412 17747v1的突破性研究，为提升大语言模型的推理能力开辟了一条全新的技术路径。这项研究首次实现了让AI在“隐形思考空间”中进行深度推理，无需逐字表达即可解决复杂问题。 提到人工智能的推理
人工智能的学习方式，正经历一场静默但深刻的范式转移。长久以来，我们习惯于为AI模型精心准备“学习资料”，就像为一位天赋异禀但记忆有限的学生，从海量信息中筛选出最精华的部分。然而，随着新一代长文本模型的出现，其“记忆容量”已能轻松容纳数百万词汇，旧有的规则是否依然适用？一项由韩国科学技术院（KAIST
热门专题
热门推荐
领克首款GT概念跑车亮相北京车展，由中欧团队联合打造。新车采用经典GT比例与低趴宽体设计，配备液态金属蓝涂装与2+2座舱，设有高性能模式按键可激活空气动力学套件。车辆采用后驱布局与AI智能运动控制系统，百公里加速约2秒，设计融合瑞典极简美学并参考全球用户反馈。
英伟达推出12GB显存版RTX5070移动GPU，与8GB版同步上市。两者均基于Blackwell架构，核心规格相同，仅显存容量不同。此举旨在缓解GDDR7芯片供应压力，为OEM提供灵活配置，加速笔记本产品布局，更大显存可更好满足游戏与AI应用需求。
微星将于5月15日推出两款26 5英寸雾面WOLED显示器MAG276QRY28和276QRDY54，售价分别为2499元和6299元。均采用第四代WOLED面板，具备QHD分辨率、VESADisplayHDRTrueBlack500认证、1500尼特峰值亮度及99 5%DCI-P3色域覆盖。276QRY28刷新率为280Hz，高阶款276QRDY54支持4
中芯国际2026年第一季度营收176 17亿元，同比增长8 1%；净利润13 61亿元，同比增长0 4%。公司预计第二季度收入环比增长14%至16%，毛利率指引上调至20%至22%。这反映出公司在行业复苏中展现出财务韧性，并通过运营优化增强了短期增长势头。
手机修图、相机降噪、视频去雾……这些我们日常使用的图像处理功能，其背后都离不开人工智能（AI）技术的驱动。通常，AI模型的训练逻辑是：向模型展示大量“低质图像”与“优质图像”的配对数据，让它学习如何将前者转化为后者。然而，天津大学计算机视觉团队近期发表的一项研究（arXiv:2604 08172）揭