DeepMind 聯創 Shane Legg：50% 概率 2028 見到 AGI，先學會準備

全文 2,000字 | 閱讀約 6 分鐘

（AGI會在2028到來嗎？Shane Legg最新訪談）

2025年12月11日，Google DeepMind 官方播客更新了一期對談。

坐在麥克風前的，不是科普解說員，而是 DeepMind 聯合創始人、首席AGI 科學家 Shane Legg。主持人是數學家 Hannah Fry。

他給出了一個時間預測：

到2028年，我們見到AGI的概率是50%。

這不是最新猜測。

2009 年，他就在博客里寫下這個預測。16年過去了，他既沒有改口，也沒有推遲時間線。

這份堅持的背后，是他對三件事的深刻洞察：

• AGI會最先沖擊誰？

• 我們如何確保它安全？

• 社會準備好了嗎？

Shane 的判斷是：AGI 不只是工具升級，而是一場社會變革。

第一節 | 2028，50%：為什么他16年來從未改口

Shane Legg 不是第一個預測 AGI 時間線的人，但他的預測值得特別關注。

那時 GPT 還沒出現，深度學習剛起步。如今他的態度依然堅定：我的定義沒有變，現實正在不斷接近。

那他所說的AGI，到底是哪種版本？

不是幻想級的全能人工智能，也不是情感化的仿生人機器人，而是他提出的一個標準：最小 AGI（Minimum AGI）。

它必須能完成大多數人類能做的認知任務，不再讓我們感到它不該會這個。

最小AGI有三個核心特征：

• 基準線設在人類平均值，而不是天才水平

• 強調能力覆蓋面，而非單點技能

• 判斷方法是失敗測試：是否仍在某項常識任務上掉鏈子？

這個定義的聰明之處在于：它繞開了“AGI是否要有意識”的哲學爭論，把標準錨定在可測試的能力邊界上。AGI不是一個有或沒有的開關，而是一條逐漸逼近的曲線。

按照最小AGI的標準，他認為當前主流AI系統已經做到了：

• 用150種語言交流（人類做不到）

• 處理跨學科常識問答（甚至包含新西蘭郊區冷門知識）

• 編程、寫文案、做規劃任務的速度與質量，已超過多數人類崗位

Shane 認為，離這個“最小AGI”只差兩個關鍵突破：

1. 持續學習能力，模型目前還不擅長在長期過程中逐步學會新技能，無法像人類那樣在工作中成長。

2. 復雜推理能力，尤其是視覺/結構性推理 面對一張圖表、一個三維空間或網絡圖譜，AI仍會犯我們認為不該犯的錯誤。

但他明確表示：這些不是本質障礙，只是工程問題和時間問題。

從過去五年的模型能力提升趨勢來看，Shane 給出的估算是：也許一年，也許五年，他傾向于兩三年。最小AGI的出現，不會是某天突然覺醒，而是在一次次功能測試中，逐漸不再犯錯。

2028年不是奇點，而是一個無法回避的節點。

第二節 | 誰先被沖擊？白領比水管工危險

雖然最小AGI還沒到，但它的影響已經開始了。

而它沖擊的第一站，不是所有人，而是特定人群。

AI不會在所有方面同步進化。它會在某些方向上遠超人類，在另一些領域則仍然很弱。他點名的正是這類群體：遠程辦公、主要靠腦力勞動賺錢的白領。

判斷標準很簡單：如果你的工作可以完全在電腦上完成，只靠筆記本和大腦，輸入是信息、輸出也是信息，那它遲早會被 AI 完成得更好。

而且這個“遲早”，比你想的更快。AI在語言、知識、工具調用等方面已經超過大多數普通人，僅剩的差距集中在結構性推理和實時學習。而這兩者，在職場大多數任務中并非剛需。

具體來說：

• 設計、寫作、翻譯，已被CoPilot接管

• 報表、研究、合約撰寫，被Agent執行

• 軟件工程從100人團隊縮減到20人+AI助手

整個白領階層的價值，正在不斷貶值。

這時候他拋出一個極具爭議的比較：

水管工比白領安全。

不是反諷，而是基于冷靜的技術評估：

• 認知類AI迭代迅速，且無邊際成本

• 實體機器人發展滯后，部署門檻高、維護成本高

• 具身智能尚未普及之前，現實世界的勞動者是最后一批被替代的

這也意味著：越是標準化的認知勞動，越容易被AI學習。反而是需要身體參與、需要應變的工作，暫時相對安全。

他不是在制造焦慮，而是在強調一個關鍵問題：在 AI 時代，什么才是你不可替代的邊界？

• 不是知識量（AI知道得更多）

• 不是執行速度（AI做得更快）

• 而是判斷力、人際信任、創造性決策。

這些邊界能守得住嗎？很難。而且不是未來的事，現在就在發生。

第三節 | 如何信任AI？系統二安全的答案

當 AI 的能力越來越強，隨之而來的問題是： 我們能信任它嗎？如果不能，怎么辦？

Shane Legg的回答是：與其不信任去限制 AI 能做什么，不如看懂 AI為什么這么做。

簡單來說，就是從“黑盒監管”轉向“推理可見”，也就是讓AI的決策過程可以理解、可以驗證。

這就是他提出的一個關鍵概念：系統二安全（System 2 Safety）。

靈感來自丹尼爾·卡尼曼的雙系統理論：

• 系統一：快、直覺、無意識，像看到3+3直接反應出等于6

• 系統二：慢、推理、有邏輯，像權衡是否應該撒一個善意的謊

目前很多 AI 模型都是系統一式的：反應快，但無法解釋為什么這么做。

但一旦AI涉及倫理判斷、行為選擇、跨情境適應，僅憑反射式輸出已經不夠。AI必須像人類那樣，能主動進入推理模式，識別情境、計算后果、對照規范，然后再做決定。

他舉了一個例子：

“我們通常認為撒謊是錯誤的。但如果撒謊可以救人一命呢？真正道德的決定，往往不來自直覺，而需要推理?！?/p>

如果一個AI遇到這個情境，它是套用規則，還是能像人一樣權衡后果、做出判斷？這就需要它具備可解釋、可追蹤、可對照的思維鏈。像人進入系統二那樣，展開多步推理、結構分析、價值選擇，并留下推理過程的腳印。

Shane 認為，這是當前 AGI 安全性的首要條件。

一個真正安全的AGI，不是做對事情，而是我們看得懂它做對的過程。

這也引出了他更進一步的思考： AI 能不能變得比人類更道德？

他認為可以。前提是：我們必須賦予它穩定的系統二能力，讓它在倫理推理上具備超人一致性和透明度。

但他也提醒：在這套機制成熟之前，我們對 AI 的部署必須極其謹慎。

因為，如果你連自己造出的系統怎么思考都不知道，怎么敢讓它替你判斷對錯？

第四節 | 社會準備好了嗎？從大學開始重構

即使我們能確保AGI是安全的，另一個更大的問題來了： 社會準備好了嗎？

如果AGI真在2028年左右實現，那么社會的準備時間，只剩下不到三年。

當AGI能做絕大多數人類認知工作，以勞動換資源這套制度將不再成立。

這是即將出現新的經濟困境。

AI 會把蛋糕做的更大，但我們還沒有決定這蛋糕怎么分。

后AGI時代面臨的不只是失業問題，而是制度性重構：

• 工作崗位不再是資源分配的基準線

• 教育不再是獲得社會回報的路徑保證

• 傳統勞動-報酬-消費閉環開始解體

最先需要行動的，不是政府，不是企業，他建議的是大學。

Shane曾在英國羅素集團（代表英國頂尖大學聯盟）的一場分享會上提出警告：你們大學的每個學院、每個系，都必須重新思考自己的教學目標。

每個學院都要思考AGI對本領域的沖擊：

• 法學院：法律規則如何應對非人類智能行為者？

• 醫學院：AI診斷后，醫生的職責邊界在哪里？

• 工程學院：當AI能設計和制造，工程師做什么？

• 人文學院：人類表達在AI同質化產出面前如何定位？

這些都是大學生畢業前必須考慮的問題。

因為最先被淘汰的不是崗位，而是路徑。當一整條價值獲取路徑失效時，個人的努力和學歷都不再是保障。

所以我們必須為每個行業重新定義：人的價值在哪里。

結語 | 先準備，因為它已經在路上了

50%的概率，2-3年的窗口。

Shane Legg 的看法是：AGI不會突然降臨，而是逐漸逼近。正因如此，我們更容易低估它。

它會先沖擊認知勞動者。

它需要推理可見才能被信任。

它要求社會重新定義人的價值。

這三件事，都不是2030年的問題，而是正在發生的現實。

識自AI

本文由AI深度研究院出品，內容整理自Shane Legg在Google DeepMind官方播客的訪談等網上公開素材，屬評論分析性質。內容為觀點提煉與合理引述，未逐字復制原訪談材料。未經授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

參考資料：

https://www.youtube.com/watch?v=l3u_FAv33G0&t=4s

https://www.dwarkesh.com/p/shane-legg

https://www.iheart.com/podcast/269-google-deepmind-the-podcas-48983807/episode/the-arrival-of-agi-with-shane-312178108/

https://www.linkedin.com/posts/shanelegg_agi-activity-7404935040796721152-rFPt

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編: 圖靈