裁剪｜Panda
本年 2 月，谷歌 DeepMind CEO 德米斯·哈萨比斯在印度 AI 峰会上发表了一番令东说念主屏息的预言：「AGI 到来后，将产生工业调动十倍的影响，但以十倍的速率发生——大约在十年内伸开，而不是一个世纪。」他还合计，AGI 可能将在 5 年内到来。
这不是科幻演义的台词。说这话的东说念主是亲手打造 AlphaGo、AlphaFold 的阿谁东说念主。
而在哈萨比斯的身旁，还有另一个更耐东说念主寻味的存在——他的纠合首创东说念主 Shane Legg，自 2009 年起就在公开形势宣称：「AGI 在 2028 年到来的概率是 50%。」这个预测，他坚握了 17 年。
视频畅通：https://mp.weixin.qq.com/s/Edm6YuvvINa5h6ewoM14bg?click_id=126
节选自 Shane Legg 客岁底插足的播客《The arrival of AGI》
就在前两天，这位 Legg 与十余位谷歌 DeepMind 顶尖估量员联手发布了一份长达 57 页的论说：《从 AGI 到 ASI》。论说的中枢问题不再是「AGI 何时到来」，而是当咱们果然造出了与通常东说念主类解析水平相当的 AI 之后，会发生什么？
这是一个比「AGI 何时到来」更难回应、也更值得认真对待的问题。
论文标题：From AGI to ASI
论文地址：https://arxiv.org/abs/2606.12683
一齐被跳过的追问
曩昔几年，「AGI 时刻线」险些成了科技圈最热的话题游戏。马斯克说 2026 年即是奇点之年，OpenAI 的奥特曼预测 2028 年，就连一向握怀疑气派的 LeCun 也将我方的预测从「远方将来」拉近到了 2030~2035 年。
但在这场预测竞赛中，有一个问题险些没东说念主认真回应：就算 AGI 果然来了，它会停在那儿吗？
东说念主类历史上，每一种不错自我强化的时期从未确切停在原地。炸药引出大炮，蒸汽机引出工业调动，互联网引出智高手机期间。当咱们在磋商「AGI 到来的那一刻」时，咱们可能冷漠了更挫折的问题：AGI 到来之后的十年，会是什么神志？
这份新论说给这个问题起了一个肃肃的名字：从 AGI（通用东说念主工智能）到 ASI（超等东说念主工智能）的过渡。
所谓 ASI，按照论说的界说，是「在险些悉数任务和规模中，超越数见不鲜磨砺有素的东说念主类人人构成的融合集体」的系统。不是卓绝某个天才，而是卓绝悉数这个词专科规模的集体贤达。
数字智能的自然上风
在肃肃磋商旅途之前，论说用一张表格刺破了一件容易被冷漠的事：数字智能与生物智能在本色上是分别称的竞争。
东说念主类的大脑是碳基的、速率受限的、无法复制的。而 AI 则不同。
一个 AI 系统不错以越来越高的带宽摄入信息：今天的大模子如故能在几秒内「读完」一整本书。它的里面处理速率不错随算力增多而提高，不受神经元放电速率的管制。它的牵挂容量不错比东说念主类大得多，况兼不会淡忘。
更关键的是：AI 不错被无缺复制，不仅复制它的「代码」，还不错复制它的「东说念主生阅历」（即模子的权重景色）。若是需要，不错在几小时内从一个实例形成一百万个。
这些上风会跟着算力的增多而不断扩大，而东说念主类在这一维度上险些莫得平等的反制妙技。
论说忖度，当前 AI 的「灵验算力」（抽象了硬件跳跃、投资增长和算法恶果三个身分）每年增长约 10 倍。曩昔十年，这个增速相当闲暇。
四条通往 ASI 的旅途
论说的中枢是系统梳理了从 AGI 迈向 ASI 的四条可能旅途。它们并不互斥，很可能同期鼓动。
第一条：握续扩大范畴。
这是当前 AI 跳跃的主要驱能源：更大的模子、更多的数据、更多的算力。论说指出，若是「更多算力等于更高智能」的逻辑建树（就像海外象棋引擎那样），那么仅凭量变就可能触发质变。
最极点的场景是：假定东说念主类水平的 AGI 每次运行老本较高，领先只可运行 1000 个实例。但跟着算力每年增长 10 倍，五年后就能运行 1 亿个实例，或者让不异的 1 百万个实例运行速率快 100 倍。这么的扩大，算不算超等智能？
第二条：算法范式变调。
当前的 AI 范式是用海量数据预磨砺大型 Transformer 模子，再辅以种种微融合推理增强；但是，这一范式可能并不及以径直到达 ASI。估量者们正在探索的目的包括：确切真义上的握续学习（不再淡忘旧常识）、能在灵通环境中可靠决策的智能体、以及基于神经形态硬件或强化学习的全新磨砺范式。
这条旅途最难预测，因为确切的范式变调络续是一会儿发生的。但论说指出，刚巧因为难以预测，它更不应该被冷漠。
第三条：递归自我纠正。
这是最令东说念主郁勃、也最令东说念主不安的旅途。
设思这么一个闭环：AI 匡助纠正 AI 的估量与征战，这产生了更强的 AI，更强的 AI 又进一步加快了估量推崇……如斯轮回。论说把这个历程类比为东说念主类的「基因进化」（更好的代码和硬件联想）、「文化进化」（更好的磨砺数据和常识蓄积）和「单干进化」（专科化的 AI 融合系统）三种机制的同步运转。
AlphaZero 如故展示了这种机制的雏形：它通过与我方对弈，不断用搜索放手来纠正我方的「直观」（即战略收罗），从而以极低的盘算代价大幅提高棋力。访佛的逻辑，在 AI 估量自己中是否也能发生？
最新的「AI 科学家」系统（如 AlphaEvolve）如故展示了 AI 不错自主发现新的数学构造和算法。论说合计，若是这一智商进一步熟悉，递归自我纠正就不再是科幻，开云体育而是工程学问题。
第四条：多智能体融合显现。
单个东说念主类的智识有限，但一家领稀有万名顶尖人人的估量机构却能惩处任何一个个体齐无法寂然攻克的肃肃。AI 的集体，是否也能产生访佛的显现？
论说建议了一个道理的宗旨：「解析单干」。当成百上千个专科化的 AGI 实例构成融合收罗，判辨复杂任务、并行鼓动、高带宽交换放手，集体智能可能远超任何单一成员。
与东说念主类组织不同的是，AI 集体的通讯带宽极高，不需要用复杂的层级结构来弥补换取瓶颈。论说致使半开打趣地提到：一个「AGI 首席实践官」在某种字面真义上，果然不错径直与每一个「职工实例」换取，排斥官僚摩擦。
六说念可能的延缓关卡
旅途描摹理会了，但论说并不乐不雅地合计哪条路一定畅达无阻。估量者们列出了六个可能成为确切瓶颈的隔断。
数据墙。互联网上的高质地文本已接近摧折，瞻望本世纪 20 年代末就会碰到天花板。AI 生成的合成数据若是不加甄别地反复磨砺，会导致「模子崩塌」，就像一个只读我方作文的学生，越来越像在原地打转。惩处有计算是通过仿真、交互学习和搜索增强来生成更高质地的磨砺数据，但能否跑赢扩大范畴的速率，现在仍是未知数。
经济与资源的极限。握续扩大范畴需要握续增长的投资、芯片坐褥、能源和数据中心。论说致使提到了「轨说念数据中心」这么的极点有计算，但就地指出其带来的风险：火箭辐照会裁汰臭氧层，退役硬件在大气层点燃会改变高空大气，而轨说念拥堵可能导致横祸性的碰撞四百四病。扩大范畴的代价，可能不仅仅电费单。
神经收罗范式的天花板。大型预磨砺模子，重复再多后处理和推理增强，可能依然到不了 AGI。这一担忧并非口耳之学，而是来自对当前架构深层局限性的分析。
估量变得越来越难。经济学家 Bloom 等东说念主的估量标明，大多数熟悉规模的「每估量员产出」齐在随时现时落。AI 估量也不会例外。但反制力量不异存在：若是 AI 能大范畴自动化估量职责，那么「再多雇 18 倍的估量员」这件事，用算力来替代，可能只需要一年多的算力增长就能竣事。
抽象壁垒。这是论说中最具玄学深度的一个宗旨。建议者 Lerchner 合计：当前 AI 系统本色上是在「东说念主类已有抽象框架」内职责。它们的超东说念主之处，主要来自更快的速率和更大的牵挂，而不是确切能从原始感知数据中「发明新宗旨」。
论说举了一个发东说念主深省的例子：若是把一个顶尖当代大模子放到牛顿之前的科学环境中，给它不异的数据，它能推导出广义相对论吗？谜底险些不错笃定是否，因为它枯竭「力」、「因果性」、「曲率」这些宗旨的原初构建历程，而这些宗旨是东说念主类花了几个世纪、通过与物理宇宙的反复交互才索要出来的。
这意味着，若是「发明确切新颖的宗旨框架」是通往 ASI 的必要要求，那么 AI 可能需要一种截然相悖的学习模式：径直与物理宇宙互动。
主动延缓。临了一个隔断与时期无关，而是政事性的：监管机构、公众公论、紧要事故，以及海外竞争，齐可能成为改变 AI 发展速率的力量。论说承认，在莫得灵验人人融合的情况下，单边延缓面对「武备竞赛」压力，但不异承认：若是发生填塞大的 AI 联系事故，公众气派的逆转可能使进一步扩大范畴在政事上、法律上或买卖上齐变得不能行。
结语
论说以图灵 1950 年的一句话当作书签：「咱们只可看清前线很短的一段距离，但咱们能理会地看到，那儿有多半需要完成的职责。」
这种克制，在当下充斥着「奇点宣言」的 AI 谈话场中，显得特地罕有。
谷歌 DeepMind 这份论说并莫得给出「ASI 什么时候到来」的预测，也莫得断言哪条旅途一定会胜出。它作念的，是更塌实也更重荷的一件事：把「从 AGI 到 ASI」这段旅程的地形图，尽可能理会地画出来，包括那些可能走通的峡说念，也包括那些可能让一切止步的陡壁。
当 AI 智商驱动接近东说念主类水平时，东说念主类最需要的不是预测，而是准备。
你准备好了吗？开云体育中国官网入口
- 上一篇：开云体育 林诗栋黄友政授奖全程无神采! 国乒5项0冠收场 博主: 成长阵痛并非末日
- 下一篇：没有了
备案号: