DeepMind 发布《AGI 之后是什么》:四条通往 ASI 的路径

AGI Hunt · wechat · 2026-11-20

DeepMind 联合创始人、首席 AGI 科学家 Shane Legg 转发 DeepMind Institute 新文章《AGI 之后是什么?》,改写自研究科学家 Tim Genewein 的 arXiv 报告《From AGI to ASI》(14 位作者含 Marcus Hutter、Allan Dafoe 和 Legg 本人)。

文章把智能视为连续谱,定义 ASI 为在几乎所有任务上持续胜过一群人类专家且资源更少、时间更短;提出「认知工业化」概念——全球有效算力每年增长约 10 倍,十年后同样认知工作成本可从 10 亿美元降到 1000 美元。通往 ASI 有四条路径:扩大模型与数据(受数据墙、收益递减、物理资源约束)、范式转移(持续学习与样本效率仍是短板)、大规模智能体协作(需多智能体 Scaling Law)、递归自我改进(在可自动验证的领域如数学和代码推进最快)。文章还指出单靠限制算力拦不住多路径叠加的进步,反而会造成能力「悬压」,主张以建模—测量—预测的循环严谨追踪进展。

所属事件:DeepMind 发布《AGI 之后是什么》,探讨通往超级智能路径(4 条相关)→

原文链接 →

「漫话AGI」频道最新

更多「漫话AGI」频道 AI 资讯 →