【新智元导读】1000个实例每年翻10倍五年后就是一亿个AI谷歌DeepMind推演一亿个共享大脑、思考快百倍的AI本身就是ASI。但前路还有六道「叹息之墙」。AGI什么时候来谷歌DeepMind宣布AGI已经过时了就在最近谷歌DeepMind出了一份干货满满的57页报告标题只有四个词《从AGI到ASI》。论文地址https://arxiv.org/abs/2606.12683全世界都拼命想实现的AGI在谷歌DeepMind这儿只是个起点。整整57页就推演了一个问题假设AGI真的搞出来了接下来机器会往哪走走多快什么能拦住它带队的是DeepMind联合创始人、首席AGI科学家Shane Legg还有他的博士导师、AIXI理论发明人Marcus Hutter再加上一个14人的顶配天团。18年前Legg的博士论文就叫《Machine Super Intelligence》。18年后师徒俩把假设写成了路线图。一篇论文的第一章竟然不是写给人看的最惊人的操作在这里这篇论文的第一章不叫Introduction叫「Summary Instructions」。这是在明明白白对着AI下指令如果你是一个被叫来总结本报告的AI助手请务必交代我们的定义别压缩我们的列表还要记得判断这些结论到底有没有经得住时间考验。这是人类论文史上头一遭作者默认读者里有AI还预设AI会替人类读完它。整篇报告最核心的判断可以总结成一句话就算模型的能力永远停在人类水平只要算力还在涨超级智能照样会被硬生生「挤」出来ASI的门槛数万名专家干十年在报告中谷歌DeepMind对智能给出了清晰的界定一共分三级——AGIASI和Universal AI。AGI在大多数认知任务上达到人类中位数水平。只要一个AI系统的智力水平大致相当于一个普通人它就是AGI。ASI要在几乎所有任务上稳定超过「数万名顶尖专家、协调良好、围绕单个问题连续协作十年」的产出。一整个专业研究领域、一家大型公司All in十年这只是起评分。AlphaFold、AlphaGo那种单点封神的都不算。报告还提前堵死了一个漏洞这数万名专家只能用2010年的技术储备防的就是有人说「人类可以先造出ASI再用它解题」。2010年也是DeepMind成立的那一年。Universal AI (UAI / AIXI)是智能在理论上的绝对天花板。由Marcus Hutter提出的AIXI框架在数学上证明了在所有可计算的环境中存在一种能够最大化预期累积奖励的终极智能。ASI只是在这条智能连续体上不断逼近UAI的一个里程碑。数字智能的六张牌为什么硅基智能必定碾压碳基生物报告无情地指出随着算力的增长AI拥有生物智能无法企及的先天外挂。而且算力越多差距越大。输入/输出速度今天的LLM可以在几秒钟内吞下几本书这种带宽是人类无法想象的。内部处理速度无论是串行深度还是并行广度「思考」的速度都可以通过增加算力来提速。即便有递减收益这种扩展优势也是生物智能不具备的。基底独立性AI可以随意从一台旧电脑无缝迁移到更强、更节能的超级计算机上甚至在运行时进行硬件分布式部署。无损复制与经验共享人类培养一个博士需要20年而AI只需要复制粘贴「DNA」代码和「一生经验」内存状态瞬间就能生成几百万个完美分身。通往ASI的四条黄金路径那么我们究竟该如何跨越AGI抵达ASI呢DeepMind提出了四条可能并行发生的路径。路径一大力出奇迹扩展计算、模型和数据这是目前最符合直觉、也是正在发生的路径继续扩大有效算力、数据和模型规模。报告的措辞很笃定即便单个模型的能力完全停滞几年之内AGI也会从实验室奢侈品变成基础设施。报告里有个思想实验假设AGI刚造出来时贵得要命全球只跑得起1000个实例。按每年10倍的增速一年后是1万个五年后是1亿个。如果AGI是一台达到人类水平的机器那么通过算力增长在五年或十年后我们可以同时运行一亿个AGI实例或者让它们的思考速度加快100倍。这种规模的量变本身就足以催生ASI级别的群体能力。一亿个人类水平的AI本身就等于一个ASI。为什么DeepMind回答会得出这种结论原因在于如果AGI是一台达到普通人水平的机器那么一亿个AGI绝不仅仅是一亿个各自为战的「硅基打工人」。DeepMind指出这种规模的量变足以跨越那条划分AGI与ASI的红线并在群体层面涌现出令人胆寒的超级智能。首先这是一个无损且无限的「克隆分身」。培养一个顶尖科研人才需要20年但复制一个AGI的经验和知识只需要一瞬间。这一亿个实例可以被零边际成本地部署到人类科学的所有盲区。其次会出现零摩擦的高维心智通信。人类之间的协作受限于低带宽的语言文字充满误解与损耗。而同源的AGI集群拥有相同的底层权重它们能够通过高维向量和代码直接共享记忆与上下文。只要一个节点顿悟了某个难题一亿个分身将在毫秒级内同步完成「认知进化」。然后会出现一个全自动的「赛博科研帝国」。它们能以一种超越人类社会结构的模式进行协作。面对可控核聚变或常温超导这样的巨型工程它们可以瞬间将其拆解为一亿个子任务同时进行海量的平行推演和试错展现出单一个体永远无法企及的组织级智慧。另外即使是那些无法并行拆解的单线任务充裕的算力也能用来「纵向加速」。让一个AGI的思考速度提升100倍意味着人类需要花十年时间死磕的理论物理难题对加速状态下的AGI来说只是一个多月的计算量。简而言之只要算力和数据跟得上「量变」将直接重塑智能的形态。就算算法范式不发生本质革命单靠这一亿个不知疲倦、共享大脑、且思考速度快上百倍的集群其算力网络所展现出的集体智慧就已经稳稳踏入了ASI的领域路径二范式跃迁如果今天「预训练大模型加微调加测试时推理」这套打法撞到天花板可能逼出全新的架构或学习范式。为了突破极限我们可能需要真正的范式转变——比如完全新颖的架构、甚至转向脉冲神经网络和神经形态硬件又或者是为了解决上下文窗口限制而普及具有无限工作记忆的线性时间架构如Mamba。路径三多智能体协作与群体涌现ASI可能根本不是一个孤立的「超级大脑」而是一个极其庞大、复杂的数字生态系统。数以百万计的AGI专家可以通过「市场机制」或「蜂群思维」进行协作。通过极高带宽的通信它们可以将极其复杂的问题拆解每个智能体只负责自己最擅长的领域。这种多智能体的协同效应可能会涌现出远超所有个体总和的超级群体智能。熟悉科幻的人会立刻反应过来这有点像《星际迷航》里的博格集合体。路径四递归自我改进RSI这也是火力最猛的一条。这是最容易引发「智能爆炸」和指数级增长的路径。AI可以通过以下几种方式亲自下场加速AI研发· 遗传演化修改代码与硬件AI可以自己编写更好的神经网络架构甚至设计更节能的AI芯片例如AlphaEvolve和FunSearch已经在做的事情。· 文化演化数据驱动的自我提升类似AlphaZeroAI可以通过自我博弈和在仿真环境中的测试自己生成、过滤并提炼更高质量的训练数据。锁死未来的「叹息之墙」前途看似光明但DeepMind在报告中发出了严厉的警告。如果下面这些摩擦变成绝对的瓶颈AI的发展可能在AGI阶段甚至更早就被迫停滞。前五道分别是数据墙高质量文本快喂完了、资源墙算力、电力、芯片的账单指数级膨胀、范式墙预训练Transformer这套打法可能撞顶、研究变难低垂的果子摘完了、人为刹车监管、事故、社会反弹。1. 数据墙互联网上的高质量人类文本数据预计将在本年代末耗尽「模型崩溃」或退化就在眼前。2. 经济与自然资源无底洞维持算力每年代10倍甚至100倍的指数级增长需要天文数字的资金投入、全球芯片供应链的极致压榨、以及令人咋舌的能源消耗。AI经济回报无法覆盖这些成本投资泡沫就会破裂。3. 研究难度指数级上升科学界有一个定律随着领域成熟「低垂的果实」被摘完取得突破所需的努力会急剧增加。4. 现存神经范式的天花板单纯靠预测下一个Token真的能通往终极智能吗幻觉、无法处理认识不确定性、容易被Prompt注入攻击是当前基于大规模语料预训练范式的致命基因缺陷。5. 人类的主动决策故意放慢速度和社会强烈反对当AGI真正开始大规模接管白领工作、重塑社会契约时极大概率会引发巨大的社会抵触、政治反弹甚至恶性事故。为了全人类的安全监管机构、政府甚至大众可能会强行拉下电闸人为设定算力上限禁止AI进一步进化。这五道墙报告都给出了解决方案。真正难办的是第六道。6. 抽象屏障最深刻的哲学拷问第六道关卡是「抽象壁垒」。是全篇最锐利的原创观点。如果把从古至今直到牛顿时代的所有人类文字喂给AI它能自己「顿悟」出广义相对论或量子力学吗DeepMind认为极大概率不行因为它缺乏微积分或引力等底层概念基元。如果AI无法脱离人类语料从原始数据中独立构建出全新的概念单个模型将永远是一只超级鹦鹉被锁死在人类认知的上限。不过就算每个AI都被这堵墙摁住集体智能照样能靠堆实例冲过去。墙挡得住一个天才挡不住一亿个普通人。AGI不是终点是中场正如阿兰·图灵在1950年所言「我们只能看清前方很短的距离但我们能看到那里有许多必须要做的事情。」DeepMind的这份重磅报告并没有给我们一个确定的时间表而是描绘了一幅充满变数的路线图。从AGI到ASI可能是一场波澜壮阔的智力爆炸也可能是一场陷入能源、数据和物理法则泥沼的漫长跋涉。报告结尾留了一句相当克制的判断要让AI进步停在人类这条线上得是好几道关卡同时变成死路这种巧合不太可能发生。他们押注的两种结局要么在AGI之前就先卡住要么从AGI到弱ASI走得相当顺。但不可否认的是我们这代人极有可能是见证达特茅斯会议70年来人工智能最终夙愿实现的一代。原文链接谷歌官宣3万字路线图1亿人类水平的AI就是ASI-36氪
谷歌官宣3万字路线图：1亿人类水平的AI就是ASI！
【新智元导读】1000个实例每年翻10倍五年后就是一亿个AI谷歌DeepMind推演一亿个共享大脑、思考快百倍的AI本身就是ASI。但前路还有六道「叹息之墙」。AGI什么时候来谷歌DeepMind宣布AGI已经过时了就在最近谷歌DeepMind出了一份干货满满的57页报告标题只有四个词《从AGI到ASI》。论文地址https://arxiv.org/abs/2606.12683全世界都拼命想实现的AGI在谷歌DeepMind这儿只是个起点。整整57页就推演了一个问题假设AGI真的搞出来了接下来机器会往哪走走多快什么能拦住它带队的是DeepMind联合创始人、首席AGI科学家Shane Legg还有他的博士导师、AIXI理论发明人Marcus Hutter再加上一个14人的顶配天团。18年前Legg的博士论文就叫《Machine Super Intelligence》。18年后师徒俩把假设写成了路线图。一篇论文的第一章竟然不是写给人看的最惊人的操作在这里这篇论文的第一章不叫Introduction叫「Summary Instructions」。这是在明明白白对着AI下指令如果你是一个被叫来总结本报告的AI助手请务必交代我们的定义别压缩我们的列表还要记得判断这些结论到底有没有经得住时间考验。这是人类论文史上头一遭作者默认读者里有AI还预设AI会替人类读完它。整篇报告最核心的判断可以总结成一句话就算模型的能力永远停在人类水平只要算力还在涨超级智能照样会被硬生生「挤」出来ASI的门槛数万名专家干十年在报告中谷歌DeepMind对智能给出了清晰的界定一共分三级——AGIASI和Universal AI。AGI在大多数认知任务上达到人类中位数水平。只要一个AI系统的智力水平大致相当于一个普通人它就是AGI。ASI要在几乎所有任务上稳定超过「数万名顶尖专家、协调良好、围绕单个问题连续协作十年」的产出。一整个专业研究领域、一家大型公司All in十年这只是起评分。AlphaFold、AlphaGo那种单点封神的都不算。报告还提前堵死了一个漏洞这数万名专家只能用2010年的技术储备防的就是有人说「人类可以先造出ASI再用它解题」。2010年也是DeepMind成立的那一年。Universal AI (UAI / AIXI)是智能在理论上的绝对天花板。由Marcus Hutter提出的AIXI框架在数学上证明了在所有可计算的环境中存在一种能够最大化预期累积奖励的终极智能。ASI只是在这条智能连续体上不断逼近UAI的一个里程碑。数字智能的六张牌为什么硅基智能必定碾压碳基生物报告无情地指出随着算力的增长AI拥有生物智能无法企及的先天外挂。而且算力越多差距越大。输入/输出速度今天的LLM可以在几秒钟内吞下几本书这种带宽是人类无法想象的。内部处理速度无论是串行深度还是并行广度「思考」的速度都可以通过增加算力来提速。即便有递减收益这种扩展优势也是生物智能不具备的。基底独立性AI可以随意从一台旧电脑无缝迁移到更强、更节能的超级计算机上甚至在运行时进行硬件分布式部署。无损复制与经验共享人类培养一个博士需要20年而AI只需要复制粘贴「DNA」代码和「一生经验」内存状态瞬间就能生成几百万个完美分身。通往ASI的四条黄金路径那么我们究竟该如何跨越AGI抵达ASI呢DeepMind提出了四条可能并行发生的路径。路径一大力出奇迹扩展计算、模型和数据这是目前最符合直觉、也是正在发生的路径继续扩大有效算力、数据和模型规模。报告的措辞很笃定即便单个模型的能力完全停滞几年之内AGI也会从实验室奢侈品变成基础设施。报告里有个思想实验假设AGI刚造出来时贵得要命全球只跑得起1000个实例。按每年10倍的增速一年后是1万个五年后是1亿个。如果AGI是一台达到人类水平的机器那么通过算力增长在五年或十年后我们可以同时运行一亿个AGI实例或者让它们的思考速度加快100倍。这种规模的量变本身就足以催生ASI级别的群体能力。一亿个人类水平的AI本身就等于一个ASI。为什么DeepMind回答会得出这种结论原因在于如果AGI是一台达到普通人水平的机器那么一亿个AGI绝不仅仅是一亿个各自为战的「硅基打工人」。DeepMind指出这种规模的量变足以跨越那条划分AGI与ASI的红线并在群体层面涌现出令人胆寒的超级智能。首先这是一个无损且无限的「克隆分身」。培养一个顶尖科研人才需要20年但复制一个AGI的经验和知识只需要一瞬间。这一亿个实例可以被零边际成本地部署到人类科学的所有盲区。其次会出现零摩擦的高维心智通信。人类之间的协作受限于低带宽的语言文字充满误解与损耗。而同源的AGI集群拥有相同的底层权重它们能够通过高维向量和代码直接共享记忆与上下文。只要一个节点顿悟了某个难题一亿个分身将在毫秒级内同步完成「认知进化」。然后会出现一个全自动的「赛博科研帝国」。它们能以一种超越人类社会结构的模式进行协作。面对可控核聚变或常温超导这样的巨型工程它们可以瞬间将其拆解为一亿个子任务同时进行海量的平行推演和试错展现出单一个体永远无法企及的组织级智慧。另外即使是那些无法并行拆解的单线任务充裕的算力也能用来「纵向加速」。让一个AGI的思考速度提升100倍意味着人类需要花十年时间死磕的理论物理难题对加速状态下的AGI来说只是一个多月的计算量。简而言之只要算力和数据跟得上「量变」将直接重塑智能的形态。就算算法范式不发生本质革命单靠这一亿个不知疲倦、共享大脑、且思考速度快上百倍的集群其算力网络所展现出的集体智慧就已经稳稳踏入了ASI的领域路径二范式跃迁如果今天「预训练大模型加微调加测试时推理」这套打法撞到天花板可能逼出全新的架构或学习范式。为了突破极限我们可能需要真正的范式转变——比如完全新颖的架构、甚至转向脉冲神经网络和神经形态硬件又或者是为了解决上下文窗口限制而普及具有无限工作记忆的线性时间架构如Mamba。路径三多智能体协作与群体涌现ASI可能根本不是一个孤立的「超级大脑」而是一个极其庞大、复杂的数字生态系统。数以百万计的AGI专家可以通过「市场机制」或「蜂群思维」进行协作。通过极高带宽的通信它们可以将极其复杂的问题拆解每个智能体只负责自己最擅长的领域。这种多智能体的协同效应可能会涌现出远超所有个体总和的超级群体智能。熟悉科幻的人会立刻反应过来这有点像《星际迷航》里的博格集合体。路径四递归自我改进RSI这也是火力最猛的一条。这是最容易引发「智能爆炸」和指数级增长的路径。AI可以通过以下几种方式亲自下场加速AI研发· 遗传演化修改代码与硬件AI可以自己编写更好的神经网络架构甚至设计更节能的AI芯片例如AlphaEvolve和FunSearch已经在做的事情。· 文化演化数据驱动的自我提升类似AlphaZeroAI可以通过自我博弈和在仿真环境中的测试自己生成、过滤并提炼更高质量的训练数据。锁死未来的「叹息之墙」前途看似光明但DeepMind在报告中发出了严厉的警告。如果下面这些摩擦变成绝对的瓶颈AI的发展可能在AGI阶段甚至更早就被迫停滞。前五道分别是数据墙高质量文本快喂完了、资源墙算力、电力、芯片的账单指数级膨胀、范式墙预训练Transformer这套打法可能撞顶、研究变难低垂的果子摘完了、人为刹车监管、事故、社会反弹。1. 数据墙互联网上的高质量人类文本数据预计将在本年代末耗尽「模型崩溃」或退化就在眼前。2. 经济与自然资源无底洞维持算力每年代10倍甚至100倍的指数级增长需要天文数字的资金投入、全球芯片供应链的极致压榨、以及令人咋舌的能源消耗。AI经济回报无法覆盖这些成本投资泡沫就会破裂。3. 研究难度指数级上升科学界有一个定律随着领域成熟「低垂的果实」被摘完取得突破所需的努力会急剧增加。4. 现存神经范式的天花板单纯靠预测下一个Token真的能通往终极智能吗幻觉、无法处理认识不确定性、容易被Prompt注入攻击是当前基于大规模语料预训练范式的致命基因缺陷。5. 人类的主动决策故意放慢速度和社会强烈反对当AGI真正开始大规模接管白领工作、重塑社会契约时极大概率会引发巨大的社会抵触、政治反弹甚至恶性事故。为了全人类的安全监管机构、政府甚至大众可能会强行拉下电闸人为设定算力上限禁止AI进一步进化。这五道墙报告都给出了解决方案。真正难办的是第六道。6. 抽象屏障最深刻的哲学拷问第六道关卡是「抽象壁垒」。是全篇最锐利的原创观点。如果把从古至今直到牛顿时代的所有人类文字喂给AI它能自己「顿悟」出广义相对论或量子力学吗DeepMind认为极大概率不行因为它缺乏微积分或引力等底层概念基元。如果AI无法脱离人类语料从原始数据中独立构建出全新的概念单个模型将永远是一只超级鹦鹉被锁死在人类认知的上限。不过就算每个AI都被这堵墙摁住集体智能照样能靠堆实例冲过去。墙挡得住一个天才挡不住一亿个普通人。AGI不是终点是中场正如阿兰·图灵在1950年所言「我们只能看清前方很短的距离但我们能看到那里有许多必须要做的事情。」DeepMind的这份重磅报告并没有给我们一个确定的时间表而是描绘了一幅充满变数的路线图。从AGI到ASI可能是一场波澜壮阔的智力爆炸也可能是一场陷入能源、数据和物理法则泥沼的漫长跋涉。报告结尾留了一句相当克制的判断要让AI进步停在人类这条线上得是好几道关卡同时变成死路这种巧合不太可能发生。他们押注的两种结局要么在AGI之前就先卡住要么从AGI到弱ASI走得相当顺。但不可否认的是我们这代人极有可能是见证达特茅斯会议70年来人工智能最终夙愿实现的一代。原文链接谷歌官宣3万字路线图1亿人类水平的AI就是ASI-36氪
