首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于

AGI之后会发生什么?

摘要

For decades, AI research has been focused on a monumental milestone: building artificial general intelligence, or AGI - machines that match humans across nearly all cognitive tasks. It was always clea...

that the and AGI human general intelligence could ASI artificial
2026-11-20 1 阅读 约5分钟阅读 jdkee
分享:
字号:
几十年来,人工智能研究一直专注于一个具有里程碑意义的里程碑:构建通用人工智能(AGI)——在几乎所有认知任务上与人类相匹配的机器。原则上,智能可以超越人类水平,这一点一直很明确,但通用人工智能的前景还很遥远,而且它本身还存在大量的不确定性,因此回顾这一点还为时过早。既然通用人工智能已经触手可及,我们就不能再认真考虑接下来会发生什么了。虽然还远未确定,但人工智能可以继续以目前的速度前进,甚至可能加速,迈向人工通用超级智能(ASI)。它可能对科学、经济和社会产生深远的影响,其规模和速度远远大于通用人工智能本身。为这种潜在的转变做好准备需要绘制从 AGI 到 ASI 的可能道路,并建立严格、可靠的方法来跟踪进展。通用智能的连续体 为了研究先进人工智能的发展可能如何展开,将通用智能(无论是生物智能还是人工智能)视为存在于一个连续体上会有所帮助。人类水平的通用人工智能只是这一范围内的一个点。 ASI 是一种先进的系统,在处理可能需要数年时间才能完成的任务时,ASI 始终优于大批人类专家,并且使用更少的资源和时间。例如,在很短的时间内就取得了与整个研究领域相同的科学进展,或者实现了与大公司一年内所能取得的技术进步相当的技术发展,例如芯片设计。 ASI 需要在人类感兴趣的几乎所有任务上满足这一标准,而不仅仅是某些狭窄领域的任务(当今的一些人工智能系统已经是这种情况,它们可以在国际象棋和围棋中击败任何人类,根据氨基酸序列预测蛋白质的结构,或者证明数十年来阻碍人类数学家的定理)。有趣的是,我们对智力连续体的最高端——一般智力的理论极限——有很好的数学理解。我们还知道人工智能所能实现的物理、逻辑和复杂性理论的严格限制,例如预测现实世界的复杂系统——从气候到免疫系统再到人类社会——如何以任意精度发挥作用。然而,知道这些上限并不能告诉我们在它们之前会发生什么。即使在理论上,也很难预测“足够好”的通用智能近似值的能力有多大。例如,完美地解决国际象棋需要比地球上更多的计算能力,但缩略图大小的芯片可以很好地玩这个游戏,足以击败任何人类。我们所知道的是,根本的限制远远超出了当今的人工智能系统和人类。但人类水平的人工智能与智能的理论极限之间的巨大空间,包括专家通用人工智能和越来越先进的超级智能系统的整个体系,在很大程度上是未知的。认知产业化即使您对人工智能能力前沿的进步将继续持悲观态度,也要考虑一下如果人工智能硬件和软件继续变得更加高效,会发生什么。在过去十年中,有效计算的稳定增长推动了人工智能的进步,而这又受到三个复合因素的推动: 硬件制造改进:根据摩尔定律和相关趋势,每美元的计算量在 60 年来每年增长约 1.5 倍 - 这意味着 18 个月后相同的投资可以购买两倍的计算量。算法效率:在过去十年中,达到固定 AI 性能水平所需的训练计算量 (FLOP) 每年下降约 3-6 倍,而推理算法效率每年提高约 3 倍。效率加倍实际上相当于物理计算量加倍。计算硬件投资:过去十年,人工智能硬件支出每年增长约 2.5 倍。例如,最大的前沿训练运行的训练计算量每年增长超过 4 倍。将这三个因素相乘,全球有效计算存量的总体增长率至少为每年 10 倍——十年内增长 100 亿。想象一下这种趋势持续存在。十年后,对于您今天可以运行的每个人工智能代理,假设您能够运行的相同质量的代理数量比世界上的人口还要多。与此同时,仅持续的硬件和软件(推理)效率改进就能将运行人工智能工作负载的计算需求每年减少约 4 倍。当今的人工智能系统可以花费 10 亿美元的计算代币来执行认知工作负载,十年后只需花费 1000 美元。仅查看过去几年,就会得出更陡峭的估计:最近的一项 Epoch 研究发现,自 2023 年以来,在一组基准上达到固定分数的消费者价格每年下降超过 13 倍。将这两种趋势外推到 n
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱