AGI过时，谷歌DeepMind聚焦ASI
AGI什么时候来？谷歌DeepMind宣布：AGI，已经过时了！最近，谷歌DeepMind发布了一份57页的报告《从AGI到ASI》。全世界都在努力实现的AGI，在谷歌DeepMind看来只是个起点。这份报告由DeepMind联合创始人、首席AGI科学家Shane Legg，他的博士导师、AIXI理论发明人Marcus Hutter，以及一个14人的团队完成。18年前，Legg的博士论文就探讨了机器超级智能，18年后，师徒俩把假设写成了路线图。
独特的论文第一章
这篇论文最惊人的是，第一章不叫Introduction，叫「Summary Instructions」，这是在对着AI下指令，默认读者里有AI，预设AI会替人类读完它。
智能的三级界定
报告中，谷歌DeepMind对智能进行了清晰界定，分为AGI、ASI和Universal AI。AGI在大多数认知任务上达到人类中位数水平；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，且这些专家只能用2010年的技术储备；Universal AI (UAI / AIXI)是智能在理论上的绝对天花板，ASI只是在智能连续体上逼近UAI的一个里程碑。
数字智能的优势
报告指出，随着算力增长，AI拥有生物智能无法企及的先天外挂。输入/输出速度上，今天的LLM能在几秒内吞下几本书；内部处理速度可通过增加算力提速；AI还具有基底独立性，可无缝迁移；能无损复制与共享经验，瞬间生成大量分身。
通往ASI的四条路径
那么，如何跨越AGI抵达ASI呢？DeepMind提出了四条可能并行的路径。
路径一：大力出奇迹（扩展计算、模型和数据）。继续扩大有效算力、数据和模型规模，即便单个模型能力停滞，几年内AGI也会从实验室奢侈品变成基础设施。通过算力增长，五年或十年后可运行大量AGI实例，其群体能力足以催生ASI。因为AGI集群具有无损克隆、零摩擦通信、全自动协作等优势，能展现出超越个体的组织级智慧。
路径二：范式跃迁。如果现有的「预训练大模型加微调加测试时推理」打法撞到天花板，可能会出现全新的架构或学习范式，如转向脉冲神经网络和神经形态硬件等。
路径三：多智能体协作与群体涌现。ASI可能是一个庞大复杂的数字生态系统，数以百万计的AGI专家通过「市场机制」或「蜂群思维」协作，将复杂问题拆解，涌现出超级群体智能，类似《星际迷航》里的博格集合体。
路径四：递归自我改进（RSI）。这是最容易引发「智能爆炸」和指数级增长的路径。AI可通过遗传演化修改代码与硬件，通过文化演化自我提升训练数据质量。
AI发展的阻碍
前途看似光明，但DeepMind发出警告，如果以下摩擦成为瓶颈，AI发展可能停滞。
数据墙：互联网上高质量人类文本数据预计本年代末耗尽，可能导致「模型崩溃」或退化。
经济与自然资源无底洞：维持算力指数级增长需要大量资金、芯片供应和能源消耗，若AI经济回报无法覆盖成本，投资泡沫将破裂。
研究难度指数级上升：随着领域成熟，取得突破的难度急剧增加。
现存神经范式的天花板：当前基于大规模语料预训练范式存在致命基因缺陷。
人类的主动决策：AGI大规模接管白领工作可能引发社会抵触，监管机构等可能会人为设定算力上限。
抽象屏障：AI可能无法从原始数据中独立构建全新概念，被锁死在人类认知上限，但集体智能可通过堆实例突破。
AI发展的不确定性
DeepMind的报告没有给出确定的时间表，从AGI到ASI可能是智力爆炸，也可能是漫长跋涉。报告结尾判断，要让AI进步停在人类水平，需要多道关卡同时成为死路，这种巧合不太可能发生。他们押注要么在AGI之前卡住，要么从AGI到弱ASI进展顺利。我们这代人极有可能见证人工智能最终夙愿的实现，但AI发展究竟会如何呢？
