DeepMind 研究員梳理 AGI 通往超人工智慧的四條路徑
ChainCatcher 消息,Google DeepMind 研究科學家 Tim Genewein 在 DeepMind Institute 發表文章,探討人工通用智能(AGI)之後可能出現的發展路徑。文章將超人工智能(ASI)描述為能夠在廣泛的人類關切任務上,持續超越大規模人類專家群體的系統,並提出從 AGI 到 ASI 的四條技術路徑:擴大模型與數據規模、出現技術範式轉變、提升智能體協同能力,以及遞歸自我改進。文章還討論了硬體投入、算法效率和算力增長對 AI 系統規模及認知任務成本的影響,並指出模型與數據擴展可能面臨高品質數據供給、規模收益遞減及電力、晶片等資源限制。作者表示,評估 AI 能力進展需要新的基準與建模方法,並需要前沿實驗室及各級機構參與。文章基於 Tim Genewein 等人共同撰寫的《From AGI to ASI》技術報告;DeepMind Institute 說明,其文章不應被視為 Google 的官方觀點。