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
