AGI已过时谷歌DeepMind推演未来机器走向谷歌DeepMind发布57页报告《从AGI到ASI》带队的是DeepMind联合创始人、首席AGI科学家Shane Legg及其博士导师、AIXI理论发明人Marcus Hutter还有一个14人的团队。报告推演了假设AGI实现后机器的走向、速度以及阻碍因素。这篇论文第一章不叫Introduction叫「Summary Instructions」是对着AI下指令预设AI会替人类读完报告。智能分级AGI、ASI和Universal AI报告对智能进行了清晰界定分为三级。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」的产出且这数万名专家只能用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是在智能连续体上不断逼近UAI的一个里程碑。数字智能优势硅基智能碾压碳基生物随着算力增长AI拥有生物智能无法企及的先天外挂差距会随算力增多而增大。包括输入/输出速度快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基底独立性强可无缝迁移和分布式部署能无损复制与经验共享瞬间生成大量分身。通往ASI的四条黄金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一亿个AGI实例或加快其思考速度这种规模量变足以催生ASI级群体能力。路径二范式跃迁。如果当前「预训练大模型加微调加测试时推理」打法到天花板可能逼出全新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协同效应可能涌现超级群体智能类似《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设计更好的神经网络架构和节能芯片通过文化演化像AlphaZero一样自我博弈和测试生成、过滤并提炼高质量训练数据。锁死未来的六道“墙”报告警告如果以下摩擦成绝对瓶颈AI发展可能在AGI阶段甚至更早停滞。前五道墙分别是数据墙高质量文本快耗尽、资源墙算力等成本指数级膨胀、范式墙预训练Transformer打法可能撞顶、研究变难低垂的果子摘完、人为刹车监管等因素。第六道是抽象屏障AI可能无法脱离人类语料独立构建新概念被锁死在人类认知上限但集体智能可堆实例冲过去。AGI不是终点未来充满变数DeepMind报告未给出确定时间表描绘了充满变数的路线图。从AGI到ASI可能是智力爆炸也可能陷入泥沼。报告结尾判断让AI进步停在人类水平需多道关卡同时成死路这种巧合不太可能发生结局要么在AGI之前卡住要么从AGI到弱ASI较顺利。我们这代人极有可能见证人工智能最终夙愿实现。