Back to top
  • 공유 Share
  • 인쇄 Print
  • 글자크기 Font size
URL copied.

DeepMind提出AGI邁向ASI的4條路徑

桌上的金屬硬幣與列印文件 / TokenPost.ai

Google(GOOGL)旗下DeepMind的研究團隊提出了從通用人工智慧(AGI)邁向超級人工智慧(ASI)的四條可能技術路徑,分別是模型與資料擴張、技術典範轉移、代理人協作,以及遞迴式自我改進(RSI)。

Google DeepMind研究科學家Tim Genewein在DeepMind Institute發表文章,探討AGI之後的發展路徑。文章將ASI定義為:在人類廣泛關注的各類任務上,能持續勝過大規模人類專家群體的系統。這篇文章以研究團隊共同撰寫的技術報告《From AGI to ASI》為基礎,DeepMind Institute也強調,文章內容不應被視為Google的官方立場。

Google DeepMind曾於6月12日公開這份報告,並將遞迴式改進列為AGI發展為ASI的路徑之一。這次的文章則列出AGI之後的四條路徑,並對其中的模型與資料擴張點出了限制因素。

第一條是「模型與資料擴張」,也就是擴大模型與資料規模來提升效能。文章指出,高品質資料供應不足、規模放大後報酬遞減,以及電力、晶片等資源限制,都可能成為阻礙。

第二條是「技術典範轉移」,指出現與當前不同的技術性轉折。文章將這條路徑列為四條路徑之一。

第三條是「代理人協作」,透過提升AI代理人的協作能力來拉高整體表現。DeepMind研究團隊先前也提出過經濟情境,認為代理人之間的協作一旦跨過臨界點,就業與薪資可能出現劇烈變動,與這條路徑的脈絡相近。

第四條是「遞迴式自我改進」,由AI參與演算法設計、程式撰寫、模型架構改良與實驗自動化等工作,協助提升下一代AI的效能。

文章也討論了硬體投資、演算法效率與運算能力的提升,會如何影響AI系統的規模,以及處理認知工作的成本。

Genewein表示,若要評估AI能力的進展,需要新的基準測試與建模方法。他也提到,這需要前沿研究機構與各級單位共同參與。

<Copyright ⓒ TokenPost, unauthorized reproduction and redistribution prohibited>

Most Popular

Other related articles

Comment 0

Comment tips

Great article. Requesting a follow-up. Excellent analysis.

0/1000

Comment tips

Great article. Requesting a follow-up. Excellent analysis.
1