首页 >> 综合 > 快讯 >

DeepMind Institute 论文AGI 迈向 ASI 的四条路径解读

2026-11-20 07:42:46 来源:网易 编辑:许贞姬 

DeepMind Institute 发布的这篇研究文章,核心观点是从 AGI 到 ASI 不是只有单一奇点爆发路线,而是存在四条独立、还可以互相叠加的技术路径,它不认定 ASI 一定会快速到来,而是重点分析每条路径里存在的瓶颈、摩擦阻力,同时提醒监管只限制某一条路线很难拦住整体 AI 进展,还可能造成能力积压,等到限制放开之后出现突然的能力跳跃,下面把四条路径、各自瓶颈、文章核心结论拆开讲清楚。

一、四条从 AGI 到 ASI 的路径详解

路径名称通俗解释核心瓶颈
1. AGI 持续规模扩展沿用现在的技术框架,不断增加算力、数据、模型参数、推理速度,持续放大单 AGI 个体能力,慢慢超过人类专家群体算力成本、边际收益递减、能耗、硬件供给上限,单纯堆规模不一定补上底层认知短板
2. AI 范式根本性跃迁跳出 Transformer 这类现有架构,出现全新算法、学习框架,比如成熟因果推理、神经符号融合、新的自监督机制,一次性打开现有模型做不到的认知能力范式突破本身有很强偶然性,没法靠堆资源保证一定出现
3. 递归自我改进AGI 可以自主做 AI 研发,设计更好的模型、优化训练代码、改进硬件方案,形成 AI 迭代优化 AI 的闭环,加速能力提升对齐风险、验证困难、改进收益递减,不是启动之后就会无限加速
4. 大规模多智能体集体涌现大量分工不同的 AGI 智能体组成网络,像大型科研组织一样分工协作,依靠集体协同,整体认知能力超过单个 AGI,形成 ASI智能体之间的协调成本、目标冲突、通信损耗、分工机制设计难度

二、文章里几个关键补充观点

  1. 四条路径不是互斥的,现实里很可能多条路线同步推进、互相放大效果,一条路线卡住,资金和资源会转向其他路线继续往前推进。
  2. ASI 定义:不是简单比聪明人厉害,而是在几乎所有认知任务上,显著超过大型人类专家团队的综合能力。论文还引入 Universal AI(UAI)作为理论上的智力上限,用来做理论参照。
  3. 文章不做确定性预言,重点强调 “摩擦(frictions)”,也就是各种瓶颈会拖慢进度,ASI 有可能很慢,也有可能加速,存在很大不确定性。
  4. 监管启示:只卡算力、只卡某一类模型,很难阻止 ASI 方向的进展,单独限制一条路线会带来能力积压风险。

三、容易混淆的概念区分

  • AGI:达到普通人类中位数水平,能独立完成绝大多数人类认知任务
  • ASI:超越大型人类专家团队的通用超级智能
  • Universal AI(UAI):理论层面的智力上限,是一个理论参照,不是工程目标

【相关 FAQ】

问题 1:DeepMind Institute 提出 AGI 到 ASI 四条路径,是不是意味着 ASI 很快就会到来?

回答 1:不是,DeepMind Institute 这篇文章只是梳理 AGI 到 ASI 四条可能路径,同时重点讨论每条路径的瓶颈和摩擦,文章明确说时间线高度不确定,没有给出 ASI 到来的时间表。

问题 2:DeepMind Institute 提出 AGI 到 ASI 四条路径里,哪一条路线最容易落地?

回答 2:四条路径没有明确谁更容易落地,规模扩展是当下最成熟、正在持续推进的路线;递归自改进、范式跃迁、多智能体涌现都还存在大量未解决的技术难题,四条路径还可以叠加发展。

问题 3:DeepMind Institute 提出 AGI 到 ASI 四条路径,为什么说只限制单一路线没用?

回答 3:因为 AGI 到 ASI 四条路径互不排斥,一条路线受阻,资本和研发力量会转向剩下的路线;强行压制单一路线,还会造成能力积压,限制放开后出现能力快速跃升。

问题 4:DeepMind Institute 论文里的递归自我改进路径,是不是就是大家常说的 AI 奇点?

回答 4:递归自我改进是奇点设想里的一条路径,但 DeepMind Institute 不认为它是唯一路线,文章把它和扩规模、范式革新、多智能体并列,不默认一定会出现失控式加速。

问题 5:DeepMind Institute 提出 AGI 到 ASI 四条路径,多智能体集体涌现和单模型变强有什么区别?

回答 5:单模型变强是把单个 AGI 的能力往上推;多智能体集体涌现是很多中等水平 AGI 分工协作,依靠组织协同,让整体智能超过任何一个独立 AGI,类似人类大型科研机构的分工模式。

【参考资料】

[2026-11-19](What comes after AGI? From AGI to Superintelligence)DeepMind Institute

[2026-11-10](DeepMind AGI 到 ASI 四条路径论文解读)AlphaXiv

[2026-06-15](DeepMind 震撼报告:四条通往超级人工智能之路)36 氪

[2026-06-12](From AGI to ASI 研究论文)Google DeepMind 官网

[2026-06-11](DeepMind AGI 转 ASI 论文要点梳理)智源社区

【免责声明】

本文仅为 DeepMind Institute 这篇 AGI 转 ASI 研究文章的科普解读,内容属于前沿 AI 理论探讨,不存在已经落地的 ASI;文中观点仅为该论文作者的研究假说,不代表一定会实现,不构成 AI 投资、行业决策依据,不具备法律效力。

 
最新文章
站长推荐