算力堆砌就能制造超级智能

有一个关于报告的核心判断, 它是极为直接的, 其内容是, 即便模型能力始终停留在人类水平, 然而只要算力持续上涨, 那么超级智能还是会被强硬地挤压出来。这个结论致使许多人的幻想破灭, 这些人原本认为算法突破才是唯一的出路。在2025年, 算力成本相较于2020年已经下降了90%, 全球数据中心电力消耗突破了5000亿千瓦时, 这些数据都在为前述的判断提供支撑, 句末标点为句号。

AGI被定义为在多数认知任务方面达到人类中位数水准, 而ASI却需要稳定超越数万名顶尖专家, 且协调良好, 围绕单个问题持续协作十年所产生的成果。这样的定义直接提升了门槛, 避免有人用低标准来充数。

智能的先天外挂

对于AI而言, 其占据有的、那些生物智能根本无法达到的、与生俱来的优势。比如说输入输出速度这块, 就像当下的大语言模型, 于几秒钟之内能够接纳几本图书, 这样的带宽是人类完全没法去想象的。到了2026年的时候, GPT – 5等级的模型每秒能够加工突破10万字符, 然而人类的阅读速度仅仅大约是每秒20字。

其内部处理速度同样令人惊叹不已, 不管是串行深度, 还是并行广度, 思考速度能够借助增加算力来实现提速, 无损复制与经验共享更是极具威力的手段, 人类培养一名博士需耗费20年, 然而AI只需复制粘贴代码以及内存状态, 刹那间便能生成几百万个毫无瑕疵的分身。

量变如何跨越红线

给出的报告之中, 提出了这样一个思想方面的实验, 其内容呈现为, 基于一种假设情况, 即当AGI刚刚被制造出来的时候, 其价格高昂到令人难以承受, 在全球范围之内, 仅仅只能够承担得起1000个实例得以运行。凭借着算力不断地增长, 在五年之后或者是十年之后, 我们能够同时运行一亿个AGI实例, 又或者是能够让它们的思考速度加快, 达到100倍这样的程度。

一亿个AGI可不是仅仅一亿个各自为战的、用硅基材料制造出来的打工者。有这样规模的量变, 足以跨过那条区分AGI和ASI的红线, 会在群体这个层面出现超级智能。它们能够以一种超越人类社会结构的样式来协作, 对付可控核聚变或者常温超导这类巨型工程时, 能够瞬间被拆解成一亿个子任务。

纵向加速与横向并行

针对没办法并行拆解的那种单线任务, 充足的算力可以用来进行纵向加速。使得一个AGI的思考速度获得提升100倍, 此意味着人类要耗费十年时间全力以赴钻研的理论物理难题, 对于处于加速状态下的AGI而言仅仅只是一个多月的计算量。

2026年, 谷歌的TPU v6达成了单芯片每秒具备2千万亿次运算的成绩, 相较于五年之前的TPU v3, 提升幅度达到了50倍。在这样的速度情形下, AI一年能够完成人类五十年的脑力劳动, 并且能够24小时持续不间断地运行。

范式转变的可能性

今日若预训练大模型, 再经微调与测试, 推理此打法时撞上天花板, 或许能逼出全新架构或学习范式。报告表明, 为突破极限, 我们兴许需真正的范式转变, 像全然新颖的架构, 转向脉冲神经网络以及神经形态硬件。

多智能体协同效应同样有其紧迫性, ASI或许压根儿就并非一个孤立独一无二的超级大脑, 而是一个极为庞大繁杂的数字生态系统。凭借极高带宽的通信, 它们能够把复杂问题予以拆解, 每一个智能体仅仅负责自身最为拿手的领域。这种协同有可能呈现出远远超越所有个体加起来总和的超级群体智能。

挡在路上的五道关卡

报告罗列了五道有可能致使AI提前陷入停滞状态的关卡, 其中数据墙处于首要位置, 互联网里预计在本年代末期会耗尽的高质量人类文本数据, 使得模型面临崩溃或者退化的状况近在眼前, 资源墙的形势同样严峻, 算力、电力以及芯片的账单呈现指数级膨胀的态势。

范式墙属于第三道, 预训练的那种打法存在撞顶的可能性。研究难度加大是第四道, 低垂的果子已经被摘完了。人为刹车是第五道, 监管、事故以及社会反弹有可能强行拉下电闸。但报告最后给出判断: 要使得AI进步停止在人类这条线上, 需要好几道关卡一同成为死路, 而这种巧合不太容易发生。

试问, 咱俩思考一下, 我这一代的人们真的能够亲眼目睹超级智能现身吗? 在评论区域阐述一下你的见解, 进行点赞以及分享, 把此番即将降临的变更让更多的人去获悉。