从 AGI 到 ASI:通往超级智能的四条路

Google DeepMind 编译:深潮 TechFlow 深潮导读: 数十年来,人工智能研究始终聚焦于一个划时代的里程碑:构建具备人类智力水准的通用人工智能(AGI)。然而,随着前沿模型的推理能力与认知边界以指数级速度跨越式演进,人类必须直面一个更具深远影响的时代课题:AGI 之后究竟会发生什么?

Google DeepMind 研究科学家 Tim Genewein 发表长文,将通用智能置于连续演进的宏大坐标系中,全面解构了驱动认知工业化的底层飞轮,并详尽剖析了从专家级 AGI 迈向全面超越人类群体智慧的超级智能(ASI)所依赖的四条技术路径。

数十年来,整个人工智能学术界与工业界的研究焦点,始终牢牢锁定在一个极具象征意义的宏伟里程碑之上:打造出达到人类智慧水平的通用人工智能(AGI)。 随着底层算力基础设施与大语言模型架构的迅猛突破,AGI 正在从遥不可及的理论假说,逐步演变为触手可及的现实可能。

此时此刻,我们再也无法回避一个更为关键的严肃叩问:在 AGI 达成之后,技术与文明究竟将驶向何方? 从 AGI 向超级智能(ASI)的跃迁绝非一蹴而就的单一事件,而是一场由多条互补交织的技术路线共同驱动的长周期演进。为了理清这幅复杂的未来图景,我们需要建立起严密的认知坐标系。

通用智能的连续谱系若要推演高级人工智能的未来展开方式,最清晰的方法是将不论是生物学还是机器承载的通用智能,视作存在于一条连续平滑的光谱之上。 处于中段的人类水平 AGI,仅仅是这条漫长光谱上的一个特定节点。在此之前,人类已经研发出了狭义非通用 AI,以及处于萌芽期和发展期的各类基础大模型系统。

而超级智能(ASI)则坐落在这条光谱更靠右侧的高阶位置,它被定义为一种在绝大多数经济、科研与决策领域,能够全面且稳定地超越由人类顶尖专家群体构成的集体智慧的高级实体。 图:通用智能的连续谱系从人类水平延伸至理论上限(Google DeepMind) 从纯数学角度来看,我们对于智能光谱最顶端的理论物理与数学极限已经有了相对严谨的理解,例如理论计算机科学中的最优化计算与信息熵界限。

然而,仅仅知晓终极上限,并不能清晰描绘出通往峰顶的具体山径。即便是理论上被证明为最优的算法,其完全落地往往也需要超出地球上所有算力总和的天文数字资源。 现实中更具实用价值的飞跃,往往发生在次优启发式算法与高效工程架构的交汇处。在专家级 AGI 与全面超越人类的 ASI 之间,存在着一片亟待技术先驱深入探索的无人区。

认知工业化:有效算力的三重复合飞轮即使部分观察者对前沿模型单点能力突破的持续性持有悲观态度,整个产业界正在发生的一场更深层次的变革同样不可阻挡:认知工业化(Cognitive Industrialization)。 在过去十年中,推动人工智能突飞猛进的根本燃料,是有效算力(Effective Compute)的复合指数级增长。

这一持续膨胀的飞轮由三大互为乘数效应的核心支柱共同铸就: 其一,硬件制造工艺迭代: 在摩尔定律及其衍生物理架构的演进下,单位美元所能购买的硬件计算浮点性能在过去几十年中保持着年均约 1.5 倍的复合增长。 其二,算法效率质的跃升: 在过去十年中,训练出同等智力基准表现模型所需的绝对算力消耗,以每年 3 至 6 倍的速度断崖式下降;而在模型推理端,算法与量化部署的效率提升每年也达到了约 3 倍。

其三,算力基础设施投资规模暴增: 全球针对人工智能专用算力硬件的资金投入以每年约 2.5 倍的速度急剧放大,大模型训练集群正在向数十万卡规模全速迈进。

问币润 AI:这条消息对行情有什么影响?
你怎么看这条消息?来投第一票

评论

0/500
免责声明:本文内容仅供参考,不构成任何投资建议。
更多快讯