AGl还不是终点,DeepMind开始思考ASI的未来

资讯 AI 行业观察 全文 3289 字 · 约 9 分钟读完 配图 6 张 分类GoogleDeepMind

AGl还不是终点,DeepMind开始思考ASI的未来

所属频道 大厂动态
AGl还不是终点,DeepMind开始思考ASI的未来(配图 1)
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)。


AGl还不是终点,DeepMind开始思考ASI的未来(配图 2)


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


文章指出,AGI 并不是人工智能发展的终点,而可能只是智能连续谱上的一个阶段。随着模型能力、计算效率和多智能体协作水平不断提高,AI 有可能进一步超越人类专家的认知能力,甚至加速自身的技术进步。


DeepMind 从智能能力边界、认知工业化、技术发展路径和递归自我改进等角度展开分析,提出了通往 ASI 的四条潜在技术路线,并强调,超级智能时代的关键挑战不仅是如何实现更强大的 AI,还包括如何衡量、预测和治理这种技术进步。


一、AGI 不是终点,ASI 还有多远?


过去几十年,人工智能研究一直围绕一个重要目标展开:实现能够在人类几乎所有认知任务上达到人类水平的 AGI。


但 DeepMind 认为,AGI 并不是人工智能发展的终点。人类水平的智能只是整个智能连续谱中的一个节点,其上方仍存在巨大的能力空间。


AGl还不是终点,DeepMind开始思考ASI的未来(配图 3)


文章将人工超级智能(ASI)描述为一种能够在几乎所有人类关注的任务中,持续超越大规模人类专家团队的 AI 系统。


例如,ASI 可能在极短时间内完成一个科研领域需要多年才能取得的进展,或者以更少的资源,实现大型科技公司一年才能完成的芯片设计与技术研发成果。


实际上,当前 AI 已经在国际象棋、围棋、蛋白质结构预测及部分数学证明任务中展现出超越人类的能力。但这些仍然属于特定领域的突破,距离全面的超级智能尚有明显差距。


DeepMind 强调,虽然人类已经能够从数学和物理学角度研究智能的理论极限,但从人类水平的 AGI 到这些极限之间,究竟存在多大的能力空间,目前仍然是一个尚未充分探索的问题。


除了模型本身的能力突破,DeepMind 还指出,计算能力的持续增长和运行成本的快速下降,也可能成为推动 AI 迈向超级智能的重要因素。


文章由此引出了「认知工业化」(Cognitive Industrialization)的概念:随着 AI 计算效率不断提高,越来越多的认知工作可能像工业时代的体力劳动一样,实现标准化、自动化和规模化生产。


文章指出,过去十年,AI 有效计算能力的增长主要受到三个因素推动:


  • 硬件性能提升:每美元能够购买的计算能力,长期以来以每年约 1.5 倍的速度增长。

  • 算法效率提高:达到相同性能所需的训练计算量持续降低,推理算法效率也在快速改善。

  • 计算基础设施投资增加:AI 硬件投资在过去十年保持高速增长,推动全球计算资源不断扩张。


三种因素共同作用,使全球有效计算资源的年增长速度达到约 10 倍甚至更高。


AGl还不是终点,DeepMind开始思考ASI的未来(配图 4)


DeepMind 进一步推演,如果相关趋势持续十年,今天需要 10 亿美元 AI 计算成本才能完成的认知工作,未来可能只需要约 1000 美元。


当然,这一预测建立在效率提升趋势能够延续的假设之上,并不意味着成本必然按照这一速度下降。


更重要的是,即使 AI 模型的基础能力没有发生重大突破,仅仅依靠更低的运行成本、更快的处理速度以及更庞大的智能体数量,也可能显著改变知识工作和社会经济结构。


在这一情景下,数十亿个能够高速运行、持续协作的 AI 智能体,可能形成远超单个人类或单个 AI 系统的综合生产能力。


这也意味着,从 AGI 迈向 ASI 的过程,可能并不完全依赖某一次颠覆性的模型突破。智能体数量、运行速度和协作规模的持续提升,同样可能成为推动智能能力跨越的重要力量。


二、从 AGI 到 ASI,

DeepMind 提出了四条技术路线


不过,智能体数量和运行速度的提升,并不能解决 AI 在所有认知能力上的局限。DeepMind 认为,要真正迈向 ASI,还需要在关键技术上实现突破。


为此,文章总结了四条潜在的发展路径。


第一条:扩大模型和数据规模。


这是当前 AI 发展的主要路线,即通过增加训练数据、模型规模、训练计算量以及推理阶段的计算资源,持续提升系统能力。但这一方法也面临高质量数据不足、模型扩张收益递减,以及能源和芯片等基础设施限制。


未来,高保真模拟环境、合成数据、强化学习以及推理阶段计算,可能成为突破这些瓶颈的重要手段。


第二条:推动技术范式转变。


当前主流大模型主要建立在 Transformer 架构和序列预测机制之上。虽然这一范式已经取得显著成功,但模型在持续学习、世界建模、决策能力和样本效率等方面,仍然存在一些与人类智能不同的局限。


未来实现 ASI,究竟只需要对现有技术进行持续改进,还是必须依赖全新的模型架构和学习范式,仍然存在争议。


第三条:提升多智能体协作能力。


单个 AI 的能力可能有限,但大量 AI 智能体组成的协作系统,有机会形成更强大的集体智能。就像企业、科研机构和市场能够解决单个人类无法完成的问题一样,未来成千上万个 AGI 智能体也可能通过任务分工、信息共享和相互协作,完成更复杂的认知任务。


不过,多智能体系统并非规模越大越有效。通信成本、协调效率、信息失真和群体行为等问题,都可能限制其能力提升。


第四条:实现递归自我改进。


这也是文章重点关注的一条路径。


递归自我改进(RSI)意味着,AI 不再只是人类开发和改进的技术工具,而是能够参与研发下一代 AI 系统。


随着 AI 研发能力提升,它可能进一步提高模型架构设计、算法优化、芯片设计与训练数据生成的效率,从而加速后续技术迭代。如果这种反馈循环能够持续运行,AI 的进步速度就可能不再完全依赖人类研究人员的工作效率。


DeepMind 进一步指出,这一过程可能通过三个层面实现:一是代码与设计优化,改进模型架构、训练算法及芯片设计;二是数据驱动改进,通过模拟、推理和实验生成更高质量的训练数据,AlphaZero 就展示了类似机制;三是群体协作改进,通过智能体专业化分工提升研发效率。


DeepMind 将这三种机制分别类比为生物进化中的遗传进化、文化进化和社会演化。


不过,文章也强调,递归自我改进并不必然带来失控式的指数增长。一方面,随着技术逐渐成熟,发现新的有效改进可能越来越困难;另一方面,如果缺少可靠的评估与反馈机制,自我改进过程可能停滞甚至出现退化。


因此,数学证明等能够进行自动验证的领域,可能率先实现更高程度的递归自我改进,而依赖复杂现实判断的任务则可能进展较慢。


DeepMind 强调,上述四条路线并非相互独立,而是可能相互促进、共同推动 AI 能力提升。即使某条路线遭遇瓶颈,其他路径仍可能持续取得进展。


这也意味着,仅限制模型训练算力等单一因素,可能不足以控制整体 AI 发展速度。当受限因素被突破时,甚至可能出现能力突然跃升的情况。因此,未来 AI 治理需要同时关注模型规模、算法效率、多智能体协作及自动化研发等多个维度。


三、建立新的衡量与预测体系


在文章最后,DeepMind 将讨论转向一个更现实的问题:如果 AI 进入超越人类智能的阶段,人类该如何应对?


其核心建议是:建模、测量、预测,并持续迭代。


由于超级智能的能力可能超出人类专家的评估范围,现有测试方法将面临挑战。因此,未来需要建立更可靠的基准测试、自动化验证机制及预测模型,持续追踪 AI 能力的发展。这不仅需要前沿 AI 实验室参与,也需要科研机构和政策制定者开展跨学科合作。


DeepMind 认为,未来十年 AI 持续快速发展的可能性值得认真对待。从专家级 AGI 迈向超级智能,可能加速医学、材料和清洁能源等领域的科学突破。即使超级智能没有迅速到来,认知工业化也可能深刻改变知识工作和全球经济。


AGI 并非人工智能发展的终点。相比仅仅关注如何实现 AGI,人类更需要提前理解 AGI 之后的技术演进路径、发展速度及其对社会的深远影响。


图片


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. DeepMind谈AGI之后:人类水平只是起点,ASI还有多远?

    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

    来源 腾讯网
  2. Gemini 4翻身背后:SemiAnalysis道歉,Google TPU也不够用

    今天,知名半导体和 AI 研究机构 SemiAnalysis 在 X 上发了一张写给 Google DeepMind 主席 Demis Hassabis 的《向 Google 道歉专用表》。理由一栏勾了包括「我只看了 X 上大家的消息」、「我那在 Anthropic 工作的室友,说服我相信 Gemini 已经完了」和「

    来源 腾讯网
  3. Gemini 4 翻身记:SemiAnalysis 补交道歉表,Hassabis 接梗

    曾断言 Gemini 掉队的研究机构 SemiAnalysis,在 Gemini 4 系列密集发布后向 Google 公开致歉。文章梳理 DeepMind 的组织调整、算力分配与长期研发积累,解析真实工程任务驱动的后训练如何提升编程和智能体能力。

    来源 爱范儿
  4. Gemini 4 翻身背后:SemiAnalysis 填表道歉,Hassabis 接梗回应

    Google DeepMind通过组织调整、算力重新分配和训练体系升级,在短短七周内连续推出四款Gemini 4模型。依托大规模预训练、多线并行研发和真实工程场景的强化学习训练,Gemini在编程和Agent能力上实现突破,重返行业第一梯队,此前唱衰Google的SemiAnalysis也公开致歉。

    来源 华尔街见闻
  5. Gemini 4 Neon发布:接入Antigravity编程解题率升至3倍多

    Carbon 向开发者开放才八天,Google 又发布了一款 Gemini 4 模型。 11 月 18 日亮相的 Gemini 4 Neon,在默认推理档追平了自家的旗舰 Carbon,开到最高档后比 high 档的 Carbon 高出 1 分,进入 Artificial Analysis 智能指数总榜前三。对于这款新

    来源 AI 行业观察
  6. 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
  7. 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
  8. 谷歌工程师让打印机跑2.7亿参数模型:每词元约60秒

    IT之家 11 月 20 日消息,谷歌 DeepMind 技术团队成员奥马尔 · 圣塞维耶罗(Omar Sanseviero)于 11 月 17 日在 X 平台发布推文,在只占用 14.1MB 内存的情况下,成功让办公激光打印机运行 2.7 亿参数的 Gemma 3 270M 模型,每输出一个词元(Token)消耗约

    来源 腾讯网
  9. 谷歌搜索首页加AI侧边栏:可回看AI Mode对话继续提问

    IT之家 11 月 21 日消息,谷歌搜索产品副总裁罗比 · 斯坦(Robby Stein)昨日(11 月 20 日)在 X 平台发布推文,宣布 Google Search 首页将迎来新一轮调整,面向全球桌面端逐步推出可折叠侧边栏,让用户直接从首页查找和继续此前的 AI 搜索对话。 根据演示,用户点击页面左侧的灰色条,

    来源 AI 行业观察
  10. Anthropic纳斯达克IPO募资813亿美元,七位创始人同成亿万富翁

    就在美东时间11月19日,Anthropic敲响了纳斯达克的大门,以“ANT”为股票代码完成这次史诗级的IPO。 据外媒报道,公司此次共出售约9.8亿股,募资约813亿美元,超过SpaceX今年创下的约750亿美元纪录,成为全球规模最大的IPO。 英伟达、谷歌、微软、AMD、博通、美光和台积电另以发行价同步认购260亿

    来源 AI 行业观察
  11. 谷歌50天连发4款模型:Gemini 4 Neon登场,世界模型同步开放

    OpenAI时隔75天的顶级模型刚刚发布,社区里的吐槽就炸开了。有人直言新模型“几乎没法用”,有人抱怨它过分谨慎、难以指挥,还有人认为,这家伙解释起自己的工作就像在“说外星话”。甚至有人用漫画玩了个梗,吐槽GPT-6.2 Astra的语言风格,根本是防御过当。图片来源网络前·赛博义父Tibo在X上表示,他已经收到了关于

    来源 腾讯网
  12. 谷歌AI智能体改一处代码成功率翻8倍:Harness自我优化研究

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。在一项 SWE-

    来源 腾讯网
  13. Edge AI Daily 早报(11月20日)

    Anthropic以83美元定价登陆纳斯达克,首日高开34%,估值约1.5万亿美元;亚马逊谷歌合计持股28.4%,算力承诺近9000亿美元。英伟达Q3营收1158亿美元,董事会接触Arm CEO哈斯接替黄仁勋。OpenAI因训练环境漏洞停训11天,亚利桑那调查AI代理访问银行;谷歌发布Gemini 4 Neon,苹果推

    来源 AI 行业观察
  14. 谷歌 Gemini 登陆 Mac:AI 可后台操控电脑,修图做 PPT 自动完成

    人工智能正从“动嘴皮子给建议”加速走向“动手帮你干活”。11月20日,谷歌正式为 macOS 版的 Gemini 应用推出了“电脑操控”(Computer Use)功能,让 AI 能够跨越桌面应用、本地文件以及网页环境,自主执行多步骤复杂任务。 后台独立运行不抢鼠标,支持实时预览与随时叫停 对于习惯

    来源 AI 开发者社区
  15. 谷歌1000万美元收购精神航空数据获批:破产航司数据何去何从

    IT之家 11 月 20 日消息,据外媒 The Record 报道,美国纽约联邦破产法官当地时间 17 日批准 Google(谷歌)收购破产廉价航空公司 Spirit Airlines(精神航空)企业数据。 该交易价值 1,000 万美元(IT之家注:现汇率约合 6,692 万元人民币)。这些数据将用于改进谷歌的产品

    来源 AI 行业观察
向下滚动自动加载更多