[AI]《From AGI to ASI》T Genewein, M Franklin, A Lerchner, L Orseau… [Google DeepMind] (2026)

在人工智能领域，从人类水平的通用人工智能(AGI)向超级智能(ASI)的过渡路径充满不确定性。过去的预测方法受困于缺乏历史数据和理论基础，本质原因是我们既不清楚AGI之后的技术演进机制，也无法量化递归自改进、多智能体协作等非线性动力学的影响。

本文的核心洞见是：把ASI进化看作四条并行且可能相互强化的技术路径——算力、模型与数据的持续扩展，算法范式转变，递归自改进循环，以及群体智能体的涌现协作。由此，系统地识别每条路径上的潜在摩擦因素(如数据墙、经济资源约束、抽象障碍)并将其转化为可验证的研究问题，使问题得以解开。

这项工作真正留下的遗产是为后AGI时代的技术预测提供了一个结构化框架，将模糊的"奇点"讨论转化为可量化追踪的指标(如多智能体扩展律、递归改进动力学)。它为后来者打开的新门是跨学科的预测科学——结合复杂系统理论、经济学和AI理论来持续更新能力预测模型，但尚未跨过的门槛是如何在理论上严格刻画递归改进的收敛条件，以及如何在实践中建立超越人类专家水平的通用基准测试体系。

arxiv.org/abs/2606.12683 #机器学习# #人工智能# #论文# #AI创造营#