DeepMind谈AGI之后:人类水平只是起点,ASI还有多远?

资讯 腾讯网 作者:机器之心 全文 2595 字 · 约 7 分钟读完 配图 1 张 分类GoogleAGIDeepMind

机器之心编辑部最近,Google DeepMind Institude 发布了最新博客文章《AGI 之后是什么?》,探讨了人工通用智能(AGI)之后的技术演进方向,以及人类可能通过哪些路径迈向人工超级智能(ASI)。文章链接:https://institute.deepmind.com/essays/what-come

所属频道 大厂动态前沿研究
编辑部


近来,一篇名为《AGI 之后是什么?》的文章讨论了人工通用智能(AGI)之后技术会往哪个方向走,以及人类可能经由哪些路径迈向



  • 文章链接:https://institute.deepmind.com/essays/what-comes-after-agi/


文章提到,AGI 并非人工智能发展的尽头,它或许只是一个


DeepMind 从智能能力的边界、


AGI 不是终点,ASI 还有多远?


几十年来,人工智能研究始终围绕一个核心目标:做出能在人类几乎所有认知任务上达到人类水准的 AGI。


不过 DeepMind 的看法是,AGI 并非人工智能发展的终点。人类水平的智能只是整个



文章将


比方说,一个科研领域要花好几年才能取得的进展,ASI 或许极短时间就能做完;大型科技公司一年才完成的芯片设计与技术研发成果,它也可能用更少资源实现。


其实,现在的 AI 在国际象棋、围棋、蛋白质结构预测以及部分数学证明任务上,已经表现出超过人类的能力。可这些还都是特定领域里的突破,离全面的超级智能差得远。


DeepMind 强调,人类已能从数学和物理学角度研究智能的理论极限,不过从人类水平的 AGI 到这些极限,中间到底有多大的能力空间,眼下仍是一个没被充分探索的问题。


模型自身能力突破之外,DeepMind 还提到,算力持续增长、运行成本快速下降,同样可能成为 AI 走向超级智能的重要推力。


文章由此引出了「


文章指出,过去十年,AI 有效计算能力的增长主要靠三个因素:


  • 硬件性能提升:每美元能买到的计算能力,长期保持每年约 1.5 倍的增长速度。

  • 算法效率提高:达到相同性能所需的训练计算量不断下降,推理算法的效率也在快速改善。

  • 计算基础设施投资增加:AI 硬件投资过去十年高速增长,全球计算资源随之不断扩张。


三者叠加,全球有效计算资源的年增长速度约为 10 倍甚至更高。



DeepMind 进一步推演:如果相关趋势再持续十年,今天要花 10 亿美元 AI 计算成本才能完成的认知工作,将来可能只需约 1000 美元。


当然,这个预测的前提是效率提升的趋势能够延续,并不等于成本一定会按这个速度往下降。


更关键的是,即便 AI 模型的基础能力没有重大突破,只靠更低的运行成本、更快的处理速度和更多的智能体数量,知识工作和社会经济结构也可能被明显改变。


在这种设想下,几十亿个能高速运转、彼此持续配合的 AI 智能体,合起来的生产能力可能远远超过单个人类或者单个 AI 系统。


换句话说,从 AGI 走向 ASI,未必非得等某一次颠覆性的模型突破。智能体数量、运行速度、协作规模一路往上走,同样可能把智能水平推上一个台阶。


二、从 AGI 到 ASI,

DeepMind 提出了四条技术路线


但智能体变多、跑得更快,并不能补上 AI 在所有认知能力上的短板。DeepMind 的判断是,想真正走到 ASI,关键技术上得有所突破。


文章据此梳理出四条可能的发展路径。


第一条:把模型和数据的规模做大。


这是眼下 AI 发展的主线:增加训练数据、扩大模型规模、加大训练算力,再叠加推理阶段的计算投入,以此不断提升系统能力。问题在于,这条路同样受制于高质量数据不够用、模型扩张带来的收益递减,以及能源、芯片等基础设施的约束。


高保真模拟环境、合成数据、强化学习,加上推理阶段的计算,未来或许能成为绕开这些瓶颈的办法。


第二条:推动技术范式发生转变。


目前主流大模型主要建立在


通往 ASI 到底只需在现有技术上不断打磨,还是非得靠全新的模型架构和学习范式,目前仍有争论。


第三条:提升


单打独斗的 AI 能力或许有限,可一旦把大量智能体组织成协作系统,集体智能就有机会被放大。企业、科研机构、市场都能解决单个人类搞不定的问题,未来成千上万个 AGI 智能体同样可能靠任务分工、信息共享与相互配合,去完成更复杂的认知任务。


但多智能体系统并不是规模越大就越灵。通信开销、协调效率、信息失真、群体行为这些麻烦,都会拖住能力的上限。


第四条:实现递归自我改进。这条路径也是文章着墨较多的地方。



递归自我改进(RSI)


AI 的研发能力上去之后,模型架构设计、算法优化、芯片设计与训练数据生成的效率都可能被它继续推高,后面的技术迭代也就跟着加速。这种反馈循环要是能一直转下去,AI 进步的快慢就不再完全看人类研究人员的工作效率了。


DeepMind 进一步指出,这个过程可能分三个层面落地:一是代码与设计优化,改模型架构、训练算法和芯片设计;二是数据驱动改进,借模拟、推理和实验产出质量更高的训练数据,


DeepMind 把这三套机制分别比作生物进化中的


文章也强调,递归自我改进不一定就会滑向失控的指数增长。技术越成熟,找到新的有效改进往往越难;缺少可靠的评估与反馈机制,自我改进还可能停住,甚至倒退。


所以,数学证明这类能自动验证的领域,可能先走到程度更高的递归自我改进;要靠复杂现实判断的任务,进展大概会慢一些。


DeepMind 强调,上面四条路线彼此并不孤立,它们可能互相促进,一起把 AI 能力往上推。哪怕某条路线卡住了,其他路径仍可能继续往前走。


这也就意味着,只去限制模型训练算力这类单一因素,恐怕不足以管住整体 AI 的发展速度。受限的那一环一旦被突破,能力甚至可能突然跳升。未来 AI 治理因此得同时盯住模型规模、算法效率、


三、构建新的衡量与预测体系


文章收尾处,DeepMind 把话题拉回一个更实际的问题:一旦 AI 走到超越人类智能那一步,人该怎么办?


给出的主线是建模、测量、预测,再不断迭代。可超级智能的本事或许会超出人类专家的判断范围,现有的测试手段届时会不够用,所以未来得建起更可靠的评估办法。



在 DeepMind 看来,未来十年 AI 保持快速发展的可能性,值得认真对待。从专家级 AGI 走向超级智能,医学、材料、清洁能源等领域的科学突破可能因此提速。即便超级智能不会很快出现,AGI 也不是人工智能发展的终点;比起只盯着怎么把 AGI 做出来,人们更该提前弄明白 AGI 之后技术会往哪走、跑得多快、对社会影响有多深。


本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Gemini 4 Neon发布:跑分逼近旗舰,单任务成本砍半

    作者|Wildcard编辑|靖宇谷歌,这次是真的回来了。11 月 18 日,Google DeepMind 点亮了Gemini 4 Neon的霓虹灯牌。这是 Gemini 4 系列在短短 7 周内甩出的第 4 款元素模型。如果看一眼官方放出的基准跑分长表和社区实测反馈,你会发现它精准卡在了一个极其舒服的「甜点」位上,既

    来源 腾讯网
  2. 谷歌RSI新论文:自带记忆、自主迭代!

    智东西(公众号:zhidxcom) 作者 | 江宇 编辑 | 李水青智东西11月19日报道,近日,谷歌云AI、谷歌DeepMind与美国宾夕法尼亚州立大学的研究团队联合发布论文《自改进记忆,实现持续递归式自改进》(Self-Improvement Memory Enables Continual Recursive S

    来源 腾讯网
  3. 谷歌Gemini 4 Neon发布:100万Token上下文,每百万输出15美元

    智东西(公众号:zhidxcom)编译 | 杨京丽编辑 | 李水青智东西11月19日消息,刚刚,谷歌发布Gemini 4系列新模型Gemini 4 Neon,面向复杂软件工程、知识工作和科学研究,主打在前沿智能水平下,更快、更经济地完成多步骤任务。这是谷歌7周内发布的第四款Gemini 4系列模型。▲谷歌发布Gemin

    来源 腾讯网
  4. 上市前一天,80余位学界与AI大佬联合声明:“Anthropic不是一家安全的AI公司”

    【TechWeb】11月18日,Anthropic正式确定IPO发行价为每股83美元,高于此前70-78美元的指导区间;公司连同部分股东共发行约9.8亿股A类普通股,公开发行筹资约813亿美元,叠加向谷歌、英伟达、微软等战略投资者的260亿美元私募配售,合计融资规模突破944亿美元,超越SpaceX今年6月创下的纪录,

    来源 AI 行业观察
  5. 谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进

    模型一换,精心优化的 agent harness 可能立刻“水土不服”。专为 Claude 演化的 harness 甚至可能给 Gemini 带来“负收益”。因此,模型迁移后需要重新评估继承的修改,判断哪些仍然有效,哪些需要修订。 harness 管理 agent 的上下文、工具和执行流程。递归自我改进(RSI)虽会依

    来源 AI 行业观察
  6. MIT“AI炒作指数”:AI像皮疹蔓延,人还能做主吗?

    MIT Technology Review发布“AI炒作指数”,指出人工智能已渗透日常生活每个角落:Google不惜损失数十亿美元广告收入强推AI Overviews,人形机器人开始被搬进家庭清洁场景,超市、街道、手机屏幕处处是AI。文章剖析这场全民AI热潮背后的商业逻辑、技术现实与泡沫隐忧,追问当AI像皮疹

    来源 AI 科技快讯
  7. 谷歌Android开发者验证2027年1月全球铺开:七大渠道同步

    IT之家 11 月 20 日消息,谷歌今日宣布,Android 开发者身份验证机制将于 2027 年 1 月启动全球推广,覆盖 Google Play、三星、荣耀、OPPO、vivo、小米、传音七大应用分发渠道。这意味着,未来在经过认证的 Android 设备上安装应用,无论应用来自官方应用商店还是第三方渠道,都将逐步

    来源 腾讯网
  8. 谷歌推Gemini Tasks智能体:覆盖2.5亿用户,大摩看好其10亿用户基础

    智通财经APP获悉,谷歌母公司Alphabet(GOOGL.US,GOOG.US)正式推出Gemini人工智能(AI)智能体新功能“Tasks”,将AI助手从回答问题进一步升级为能够代替用户执行购物、预订、支付等实际任务的数字助理。摩根士丹利在11月18日发布的研报中指出,谷歌凭借Gemini庞大的现有用户基础、深度整

    来源 腾讯网
  9. Claude 杀疯了,催生了一场海外租电脑的狂欢

    最近在开发者圈子里,发生了一件挺有意思的怪事。 Google Cloud 这类海外云厂商正在满世界送 300 美元的试用额度,广告铺天盖地。 但国内不少天天靠 AI 写代码的工程师,对这些白送的机器却提不起太大兴趣。有人宁可每个月掏小几百块钱,托人在美国或澳洲机房租一台真正的物理 Mac mini,甚至直接买台苹果小主

    来源 AI 行业观察
  10. 刚刚,Gemini 4 Neon 突袭发布,性价比一夜斩杀 Opus 5.5

    谷歌发布 Gemini 4 Neon,主攻软件工程、知识工作与科学推理,提供百万上下文窗口,每百万输入、输出 Token 分别为 3 美元和 15 美元。新模型发布当天上线 Gemini App、AI Studio 和企业端 API,文章对比了其与 Claude Opus 5.5 等模型的表现。

    来源 爱范儿
  11. 谷歌出手:Play 应用商店 2027 年起安卓应用必须适配折叠屏手机

    IT之家 11 月 19 日消息,谷歌昨日(11 月 18 日)发布公告,宣布 Google Play 全新“自适应应用质量标准”,将折叠屏和大屏体验从“加分项”变成“准入门槛”,并计划从 2027 年 4 月开始,开发者必须满足折叠屏和大屏设备的最低适配要求,否则应用将无法在 Google Play 发布或更新。IT

    来源 腾讯网
  12. 北大校友出题考AI蛋白质序列:Claude答上,GPT和Gemini落败

    11月19日晚 Anthropic 在纳斯达克敲钟,代码 ANT,发行价 83 美元。上周它刚发了 Claude Fable 5.2,这几天不管打开哪个群,聊的都是它写代码又强了多少,这个模型的定价贵不贵。 APPSO 是昨天在 Hacker News 首页刷到这篇博客的。它不聊代码,也不聊股价,标题就一句话,「Cla

    来源 AI 行业观察
  13. Gemini登陆Mac桌面:AI代理可代操作电脑,隐私风险几何?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险

    来源 AI 科技快讯
向下滚动自动加载更多