在最近一期《The Future of Intelligence》的访谈中，Demis Hassabis提到了一件看似不起眼、却极具象征意义的小事。
在谈论Evolution in simulation时，他突然回忆起：
“Santa Fe used to run lots of cool experiments on little grid worlds.”
如果你只是把这句话当成一次学术怀旧，那你很可能错过了这期访谈里最重要的线索之一。
一、Santa Fe 的“格子世界”，并不是为了更聪明的模型
Santa Fe Institute并不研究更大的模型，也不追逐更高的 benchmark。
他们长期做的一件事是：
构建极其简化的模拟世界（grid worlds）
- 放入一群规则很简单的 agent
- 让系统运行足够久
- 不预设目标、不设计行为
只是观察：会涌现出什么
结果往往是：
- 市场结构
- 分工协作
- 博弈均衡
- 社会秩序
这些并不是被“写”出来的，而是跑出来的。
Santa Fe 关心的，从来不是“这个 agent 聪不聪明”，而是：
复杂性，是否会在足够简单的规则之上，自行出现。
二、Demis 反复强调 simulation，其实是在放弃“模型中心论”
在这期访谈里，Demis 多次回到 simulation，但每一次语境都非常一致：
- 当 scaling 遇到边际收益递减
- 当模型能力开始呈现 jagged intelligence
- 当单一模型无法覆盖真实世界的复杂因果
他的答案不是“换一个更大的模型”，而是：
给智能一个可以反复试错、长期演化的世界。
Simulation 在这里，并不是为了逼真，而是为了三件事：
可重复：同样的世界可以无数次重来
可加速：把进化、学习、失败压缩在可控时间内
可观察：第一次系统性地观察“智能是如何长出来的”
这正是 Santa Fe 那套方法论，在 AI 时代的延续。
三、从 AlphaGo 到 World Models：同一条路径
如果把 Demis 过去十几年的工作串起来，其实是一条非常干净的主线：
AlphaGo：在严格规则世界中自我博弈
强化学习：在环境中学习长期策略
World Models：学习世界的内在结构
Simulation：让智能在世界中“活过多次”
这也是为什么，Demis 谈 simulation 时，几乎一定会同时谈到：
- 多 agent
- 社会行为
- 协作与博弈
- 演化而非一次性优化
在他的语境里，AGI 从来不是“一个超级模型”，而是：
一个能在复杂世界中长期生存、学习、适应的系统。
四、这对今天的 AI Agent 与产品意味着什么？
如果你把这个视角拉回到当下的 AI 产品讨论，会发现一个明显的断层：
今天我们大量讨论的是：
- Workflow
- Tool calling
- Prompt
- Agent orchestration
但 Demis 真正在关心的是：
- 世界是否足够丰富
- 反馈是否真实存在
- 行为是否会产生长期后果
- 多个 agent 是否会相互影响
换句话说：
如果 Agent 只是执行流程，它永远不会进化。
而 simulation 提供的，正是一个“允许犯错、允许失败、允许涌现”的系统空间。
五、一个被反复忽略的判断
也许 Demis 提到 Santa Fe Institute 的真正意义在于这一点：
智能不是被设计出来的，而是被允许生长出来的。
当我们今天谈论 AGI、Agent、下一代 AI 系统时，真正的分水岭，可能不在模型参数，而在于：
- 我们是否愿意构建世界，而不仅是工具
- 是否愿意接受涌现，而不仅是可控
- 是否理解：复杂性本身，才是智能的土壤
尾声
当 Demis 再次提起那些“little grid worlds”，他其实是在提醒我们：
AI 的未来，也许不是更会说话，而是终于有机会真正“活过一次”。
