Отличная статья от Google DeepMind про путь от AGI к ASI

В ней разбирают, как может произойти переход от AGI к ASI, и почему это не обязательно будет один резкий скачок.

Авторы выделяют 4 технических пути:

- дальнейшее масштабирование вычислений, размера моделей, данных и inference-time reasoning;

- новые алгоритмические парадигмы за пределами нынешнего transformer-based foundation-model стека;

- рекурсивное самоулучшение, когда ИИ ускоряет AI R&D и помогает создавать более сильные системы;

- мультиагентный коллективный интеллект, где большие группы специализированных агентов координируются в сверхчеловеческую групповую систему.

Масштабирование может ещё какое-то время работать, но у него есть пределы: данные, железо, энергия и снижающаяся отдача от простого увеличения моделей.

Рекурсивное самоулучшение - самый неопределённый путь. ИИ может ускорять исследования в ИИ, но этот цикл может замедлиться, если сложные задачи требуют реальных экспериментов, редкого железа или принципиально новых идей.

Самый недооценённый путь - мультиагентные коллективы. Общество компетентных цифровых работников может обойти одну гениальную модель за счёт специализации, скорости и координации.

Идея статьи в том, что ASI может прийти не как одно внезапное событие, а как цепочка всё более быстрых изменений, где ИИ помогает создавать более сильный ИИ и более мощные научные инструменты.

Ссылка:

https://arxiv.org/abs/2606.12683

Телеграм: t.me/ainewsline

Источник: arxiv.org

Комментарии: