TechFlow Logo
Войти/ Регистрация
Газ ETH
Gwei
Страх
gas
От AGI к ASI: четыре пути к сверхинтеллекту

От AGI к ASI: четыре пути к сверхинтеллекту

2026.11.20
Поделиться
AGI не является конечной целью: масштабирование моделей, сдвиг парадигм, механизмы взаимодействия и рекурсивная саморефлексия формируют эволюционную лестницу, ведущую к ASI.

Автор: Tim Genewein, Google DeepMind

Адаптация: TechFlow

TechFlow вводит: На протяжении десятилетий исследования в области искусственного интеллекта были сосредоточены на одной эпохальной веха: создании общего искусственного интеллекта (AGI), соответствующего уровню человеческого интеллекта. Однако по мере экспоненциального прорывного развития способностей к рассуждению и когнитивных границ передовых моделей человечеству необходимо вплотную заняться более глубоким и значимым вопросом эпохи: что именно произойдет после достижения AGI?

Научный сотрудник исследовательской группы Google DeepMind Tim Genewein опубликовал объемную статью, в которой помещает общий интеллект в масштабную координатную сетку непрерывной эволюции, полностью деконструирует фундаментальные движущие механизмы когнитивной индустриализации и подробно разбирает четыре технологических пути, необходимых для перехода от экспертного уровня AGI к суперинтеллекту (ASI), всеобъемлюще превосходящему коллективный разум человеческих экспертов.

На протяжении десятков лет основной фокус исследований всего академического и промышленного сообщества в сфере ИИ неизменно был прикован к одной крайне символичной грандиозной вехе: созданию общего искусственного интеллекта (AGI), достигающего уровня человеческого разума.

Благодаря стремительным прорывам в базовой вычислительной инфраструктуре и архитектуре больших языковых моделей AGI постепенно превращается из недостижимой теоретической гипотезы в реальность, до которой можно дотянуться. В данный момент мы больше не можем избегать более важного и серьезного вопроса: куда именно повернут технологии и цивилизация после достижения AGI?

Переход от AGI к суперинтеллекту (ASI) — это вовсе не единовременное событие, которое можно совершить мгновенно, а длительный процесс эволюции, движимый несколькими взаимодополняющими и пересекающимися технологическими направлениями. Чтобы упорядочить эту сложную картину будущего, нам необходимо построить строгую когнитивную систему координат.

Непрерывная система общего интеллекта

Самый четкий способ смоделировать будущее развитие высокоразвитого искусственного интеллекта — рассматривать общий интеллект, будь он биологическим или искусственным, как нечто существующее в пределах непрерывного плавного спектра.

AGI на уровне человека, находящийся в середине этого спектра, — это лишь конкретная точка на этой длинной шкале. До него человечество уже создало узкоспециализированный (необщий) ИИ, а также различные базовые системы больших моделей, находящиеся на стадиях зарождения и развития.

Суперинтеллект (ASI) занимает гораздо более правую, высокую позицию на этом спектре. Он определяется как высокоуровневая сущность, которая во всех ключевых экономических, научных и управленческих областях способна всесторонне и стабильно превышать коллективный разум, образуемый группой ведущих человеческих экспертов.

Рис.: Непрерывная система общего интеллекта варьируется от человеческого уровня до теоретического максимума (Google DeepMind)

С чисто математической точки зрения мы обладаем относительно строгим пониманием теоретических физических и математических пределов на самой вершине шкалы интеллекта, таких как пределы оптимальных вычислений и информационной энтропии в теоретической информатике.

Однако одного лишь знания конечного предела недостаточно для четкого описания конкретных путей, ведущих на вершину. Даже алгоритмы, доказательно оптимальные в теории, для своего полного внедрения часто требуют астрономических ресурсов, превышающих совокупную вычислительную мощность всей Земли.

Более практичные рывки на практике чаще всего происходят на пересечении субоптимальных эвристических алгоритмов и высокоэффективных инженерных архитектур. Между экспертным уровнем AGI и всесторонне превосходящим человека ASI существует обширная «земля ничьих», требующая углубленного изучения со стороны технических пионеров.

Когнитивная индустриализация: тройной составной механизм эффективных вычислений

Даже если некоторые наблюдатели скептически относятся к устойчивости прорывов в отдельных функциях передовых моделей, другой, более глубокий процесс, происходящий во всем индустриальном секторе, столь же неудержим: когнитивная индустриализация (Cognitive Industrialization).

За последнее десятилетие фундаментальным топливом, подпитывающим стремительный прогресс ИИ, стало компаундное экспоненциальное рост эффективных вычислений (Effective Compute). Этот постоянно расширяющийся механизм состоит из трех основных столпов, создающих мультипликативный эффект друг для друга:

Во-первых, итерации производственных процессов аппаратного обеспечения: Под влиянием закона Мура и его производных физических архитектур средние темпы компаундного роста производительности аппаратных вычислений в плавающей запятой на каждый доллар США за последние десятилетия составляли около 1,5 раза в год.

Во-вторых, качественный скачок в эффективности алгоритмов: За последнее десятилетие абсолютные затраты вычислительных ресурсов, необходимых для обучения моделей с одинаковыми показателями интеллекта, резко снизились в среднем в 3–6 раз ежегодно; а в части вывода моделей эффективность алгоритмов и развертывания с квантованием также увеличивалась примерно в 3 раза в год.

В-третьих, кратный рост масштабов инвестиций в вычислительную инфраструктуру: Глобальные инвестиции в специализированное оборудование для ИИ стремительно увеличиваются примерно в 2,5 раза ежегодно, а крупные кластеры для обучения моделей активно наращивают масштаб до сотен тысяч графических процессоров (карт).

Рис.: Составные движущие силы обеспечивают экспоненциальное расширение эффективных вычислений (Google DeepMind)

При наложении этих трех факторов предложение глобальных эффективных вычислений демонстрирует поразительное увеличение более чем на порядок величины ежегодно. Это означает, что даже при временном застое передовых базовых архитектур маржинальная стоимость уже существующих возможностей уровня AGI будет быстро сжиматься почти до нуля.

Такая индустриальная доступность когнитивной производительности наделяет общество способностью параллельно использовать миллионы цифровых экспертов, чтобы в сжатые сроки решать научные задачи и инженерные проекты, которые ранее требовали нескольких поколений людей.

Четыре основные пути от AGI к ASI

Однако шаги технического прогресса никогда не остановятся на масштабном копировании имеющихся возможностей. В процессе движения к настоящему суперинтеллекту Google DeepMind выделил четыре совершенно разных, но высоко комплементарных ключевых пути эволюции:

Рис.: Четыре ключевых пути эволюции от AGI к суперинтеллекту (Google DeepMind)

Путь первый: Масштабирование модели и данных (Scaling)

Первый путь — это наиболее известный и очевидный для человека сейчас закон масштабирования (Scaling Laws). Заключается в непрерывном увеличении параметрической емкости нейронных сетей, вливании значительно большего объема качественных многомодальных данных и сопоставлении их с соответствующими объемами тренировочных FLOPs.

Сила законов масштабирования заключается в их поразительной предсказуемости и подтвержденной эффективности. По мере ежегодного Компаундного роста эффективных вычислений в несколько раз, способность модели к глубокому представлению сложных концепций и переносу знаний между различными областями будет только укрепляться.

Тем временем расширение вычислений во время вывода (Inference-time Compute) на этапе пост-обучения (Post-training) и исследования в области обучения с подкреплением открывают совершенно новую вторую кривую роста, выходящую за рамки традиционной емкости модели.

Путь второй: Сдвиг технологических парадигм (Paradigm Shifts)

Второй путь касается фундаментального сдвига парадигм в глубоких алгоритмах и базовых архитектурах. Исторический опыт показывает, что отдача от единственной технологической парадигмы неизбежно замедляется, и на смену ей приходят новые революционные архитектуры.

Преобладающая на сегодня чистая самоорекурсивная архитектура Transformer все еще демонстрирует присущие ограничения при решении задач долгосрочного каузального планирования, активных проверок гипотез в условиях неопределенности и физической интеракции с окружающей средой.

Потенциальные прорывы парадигм в будущем могут включать: основанные на поиске фреймворки глубокого планирования с интегрированными моделями мира, гибридные нейро-символические системы, а также новые нейроморфные архитектуры, не являющиеся Transformer-ом, вдохновленные нейрофизиологическими механизмами мозга.

Путь третий: Улучшение механизмов координации агентов (Agent Coordination)

Третий путь фокусируется на распределенной системе сотрудничества, состоящей из множества гетерогенных интеллектуальных агентов. Люди смогли создать блестящую современную цивилизацию не потому, что индивидуальные мозги стали в разы мощнее мозга древнего Homo sapiens, а благодаря высоко точному социальному разделению труда и институциональной координации.

Когда десятки тысяч специализированных агентов AGI смогут взаимодействовать, используя стандартизированные протоколы связи, согласованные механизмы координации и многоаспектное разделение ролей, коллективный интеллект, возникающий во всей сети, далеко превзойдет любые верхние пределы вычислительной мощности одиночных моделей.

Такая система множественных агентов способна не только самостоятельно организовываться для решения сложных научно-исследовательских задач, но и в условиях динамичных игровых взаимодействий среды значительно снижать частоту появления изолированных галлюцинаций и ошибок рассуждения благодаря взаимному контролю и кросс-проверке.

Путь четвертый: Рекурсивное самосовершенствование (Recursive Self-Improvement)

Четвертый путь представляет собой самое противоречивое и глубокое ядро двигателей, ведущее к суперинтеллекту: рекурсивное самосовершенствование (RSI).

В рамках традиционных исследовательских парадигм именно человеческие ученые становились основным узким местом в улучшении систем ИИ; однако когда сам AGI обретет способность читать новейшие статьи, автономно проектировать архитектуры моделей, писать эффективные низкоуровневые компиляторы и проводить масштабные эксперименты по алгоритмам, эволюция интеллекта полностью замкнется в цикл.

Каждое обновление и итерация системы будут создавать более мощных разработчиков ИИ следующего поколения, что приведет к ускоренному появлению более продвинутых алгоритмических прорывов. Эта усиливающая сама себя петля положительной обратной связи является именно тем главным источником двигателя, который предсказывали математики и пионеры компьютерных наук для взрыва интеллекта.

Множественные пути эволюции к суперинтеллекту

Настоятельно важно подчеркнуть, что эти четыре эволюционных пути представляют собой не взаимоисключающую разобщенность, а демонстрируют крайне тесный эффект синхронизированного резонанса.

Масштабирование создает вычислительную и информационную базу для зарождения совершенно новых технологических парадигм; тогда как более эффективная архитектура координации агентов, в свою очередь, способна радикально ускорить параллельную эффективность исследований и разработок в процессе рекурсивного самосовершенствования.

Эволюция от человеческого интеллекта к суперинтеллекту — это не недосягаемая мифическая мечта и не мгновенное появление единой сингулярности, а грандиозный технический марш, вместе написанный инженерными изысканиями, математическими обоснованиями и отраслевой координацией.

Только глубоко поняв физические законы и пути эволюции, поддерживающие этот процесс, человеческое общество сможет полностью подготовиться, чтобы достойно управлять им и ответственно направлять его, когда восход суперинтеллекта наконец наступит.

TechFlow Logo

Платформа для поиска перспективных активов Главное о Web3, AI, золоте, акциях США и мировой экономике

Предложить статьюemail
Предложить темуmsg

Предупреждение о рисках: материалы сайта не являются инвестиционной рекомендацией. TechFlow не даёт торговых сигналов, не побуждает к совершению сделок и не оказывает связанных с торговлей услуг. В соответствии с уведомлением Народного банка Китая и ещё девяти ведомств о дальнейшей профилактике и пресечении рисков спекулятивной торговли виртуальными валютами просим читателей осознавать связанные с ними риски.

© 2024 TechFlow. Все права защищены.

Контакты: [email protected]

ICP-лицензия: 琼ICP备2022009338号