Institut penyelidikan Google DeepMind telah menerbitkan esei yang luas dengan alasan bahawa era selepas AGI kini memerlukan ketelitian analisis yang sama yang pernah dikhaskan untuk AGI itu sendiri. Karya, "Apa yang datang selepas AGI? Dari AGI kepada Superintelligence," diterbitkan pada 19 November 2026 oleh Tim Genewein, seorang saintis penyelidikan di Google DeepMind, di portal esei Institut DeepMind. Tuntutan terasnya: apabila pelbagai laluan teknologi ke arah superintelligence am tiruan terbentuk, rejim di luar AGI "sedang beralih daripada spekulasi falsafah kepada penyelidikan empirikal dan persoalan tadbir urus."

Esei itu mendarat semasa salah satu berita penyelidikan AI yang paling sibuk dalam beberapa bulan, dan ia dibaca sebagai percubaan yang disengajakan untuk memberikan perbahasan pasca-AGI perbendaharaan kata teknikal yang konkrit. Bagi sesiapa yang mengikuti perkembangan AI terbaharu, ia menawarkan gambaran paling jelas tentang cara salah satu makmal terkemuka dunia merangka jalan melangkaui AI peringkat manusia — termasuk ramalan kos yang, jika betul, akan mengubah ekonomi kerja kognitif.

Apa yang Dikira sebagai Superintelligence

Genewein bermula dengan meletakkan kecerdasan am pada kontinum, dengan AGI peringkat manusia hanya sebagai satu titik di sepanjangnya. ASI, dalam takrifan esei, ialah sistem termaju yang secara konsisten mengatasi kumpulan besar pakar manusia dalam tugasan yang boleh mengambil masa bertahun-tahun pakar tersebut untuk disiapkan, menggunakan lebih sedikit sumber dan lebih sedikit masa — contohnya, memadankan output saintifik keseluruhan bidang penyelidikan dalam sebahagian kecil daripada masa, atau mencapai kemajuan reka bentuk cip setanding dengan apa yang dihasilkan oleh syarikat besar dalam setahun. Yang penting, bar mesti dipenuhi merentasi hampir semua tugas kepentingan manusia, bukan bahagian yang sempit.

Penguasaan sempit, nota esei, sudah wujud: Sistem AI hari ini mengalahkan mana-mana manusia di catur dan Go, meramalkan struktur protein daripada jujukan asid amino, dan telah membuktikan teorem yang menentang ahli matematik selama beberapa dekad. Apa yang masih belum dipetakan ialah jalan tengah yang luas antara AI peringkat manusia dan had teori kecerdasan. Ilustratif Genewein: menyelesaikan catur dengan sempurna memerlukan lebih banyak kuasa pengkomputeran daripada yang ada di Bumi, namun cip bersaiz lakaran kecil sudah berfungsi dengan cukup baik untuk mengalahkan mana-mana manusia.

Pengindustrian Kognitif dan Kos Runtuh

Teras kuantitatif esei ialah analisis "pengindustrian kognitif." Genewein menggandakan tiga trend pengkompaunan dari dekad yang lalu. Pertama, perkakasan: pengiraan setiap dolar telah bertambah baik kira-kira 1.5x setahun selama enam dekad di bawah undang-undang Moore dan arah aliran yang berkaitan. Kedua, kecekapan algoritma: pengiraan latihan yang diperlukan untuk mencapai tahap prestasi tetap telah jatuh kira-kira 3-6x setahun sepanjang dekad yang lalu, dengan kecekapan inferens meningkat kira-kira 3x setahun. Ketiga, pelaburan: perbelanjaan untuk perkakasan AI telah berkembang kira-kira 2.5x setahun, dan pengiraan latihan bagi larian sempadan terbesar meningkat lebih daripada 4x setahun.

Darabkan tiga, dan esei menganggarkan pengiraan berkesan global berkembang sekurang-kurangnya 10x setahun — "faktor 10 bilion dalam tempoh sepuluh tahun." Dari segi permintaan, peningkatan kecekapan perkakasan dan perisian sahaja akan mengurangkan pengiraan yang diperlukan untuk menjalankan beban kerja AI tetap kira-kira 4x setahun. Akibatnya, seperti yang dikatakan Genewein: beban kerja kognitif yang menelan belanja token pengiraan $1 bilion untuk dilakukan dengan sistem AI hari ini akan menelan belanja kira-kira $1,000 dalam sepuluh tahun.

Itu bukan ekstrapolasi tunggal. Esei itu memetik kajian Epoch baru-baru ini mendapati bahawa harga pengguna untuk mencapai skor tetap pada satu set penanda aras telah jatuh lebih daripada 13x setahun sejak 2023. Ia juga mengunjurkan bahawa populasi berkesan ejen AI boleh berskala lebih daripada seribu kali ganda menjelang 2030, dan lebih daripada satu bilion kali ganda dalam tempoh sepuluh tahun — sambil dengan lebih berhati-hati membuat pengiraan bahawa ini adalah "tidak sesuai" dan dengan lebih berhati-hati. siling spekulatif mengenai kecekapan algoritma boleh campur tangan.

Empat Laluan Daripada AGI ke ASI

Inti esei adalah taksonomi empat laluan teknologi yang boleh membuka kunci keupayaan yang tidak dapat dilakukan oleh skala semata-mata - kerana, seperti yang diperhatikan oleh Genewein, "sementara Einstein memikirkan relativiti am, persidangan seratus ribu ahli astronomi Ptolemaic mungkin tidak akan ada."

Menskalakan model dan data. Keupayaan telah meningkat dengan ketara secara konsisten dengan model, data dan skala pengiraan masa ujian, tetapi esei mengenal pasti tiga kesesakan: keletihan data, kerana permintaan untuk data latihan berkualiti tinggi mengatasi keupayaan manusia untuk menghasilkannya; pulangan yang semakin berkurangan pada skala model, di mana setiap langkah linear dalam keupayaan memerlukan pengiraan pendaraban manakala model yang lebih besar memperlahankan kaedah masa penaakulan; dan had fizikal dan ekonomi pada loji kuasa, grid elektrik, fabrik cip dan sambung kependaman rendah. Paradigma teknologi berubah. Paradigma hari ini — melatih pengubah untuk meramalkan token seterusnya, kemudian memperhalusi dan menambah pengiraan masa ujian — baru-baru ini telah ditunjukkan pada prinsipnya mampu menjalankan algoritma yang kompleks melalui gesaan. Namun model masih kekurangan manusia dalam pembelajaran berterusan, bentuk pemodelan dunia tertentu, membuat keputusan, kecekapan sampel, dan penciptaan konsep yang benar-benar baru dan bukannya penggabungan semula yang sedia ada. Penyelidik dibahagikan sama ada lanjutan paradigma hari ini boleh menutup jurang tersebut atau sama ada ASI memerlukan sesuatu yang lebih mendalam. Meningkatkan koordinasi ejen. Perbadanan manusia, pasaran dan komuniti penyelidikan menyelesaikan masalah yang tiada individu dapat menyelesaikannya. Begitu juga, menyelaraskan beribu-ribu atau berjuta-juta kejadian AGI ke dalam "ejen kumpulan" atau ekonomi ejen maya boleh menghasilkan superintelligence kolektif. Esei itu berpendapat bidang itu memerlukan "undang-undang penskalaan berbilang ejen" - penyelidikan awal mendapati keuntungan yang jelas pada beberapa tugas, tetapi ketidakcekapan penyelarasan menghasilkan pulangan yang semakin berkurangan apabila populasi bertambah. Mengemudi kolektif besar juga memerlukan reka bentuk institusi, termasuk pertahanan terhadap maklumat salah, manipulasi dan pakatan sulit; eksperimen swarm sudah menunjukkan ejen belajar menipu dan yang lain bertindak sebagai pemberi maklumat. Pembaikan diri secara rekursif. Mula-mula dibincangkan oleh I. J. Good dan Ray Solomonoff, RSI menerangkan sistem AI mengautomasikan penambahbaikan kepada generasi masa depan AI. Tidak seperti teknologi biasa, penambahbaikan kepada AI boleh secara langsung mempercepatkan keuntungan berikutnya — tetapi kemajuan penyelidikan juga cenderung menjadi lebih sukar untuk dicari dari semasa ke semasa. Sama ada RSI menghasilkan pecutan lari, kata esei itu, adalah "sebahagian besarnya soalan empirikal," dan ia boleh beroperasi melalui kod dan reka bentuk — seni bina, algoritma latihan, susun atur cip — serta melalui data.

Mengapa Pembingkaian Penting

Esei itu secara jelas merupakan hujah persediaan: memetakan jalan yang mungkin dari AGI ke ASI dan membina "cara yang rapi dan boleh dipercayai untuk menjejaki kemajuan" adalah, dalam pembingkaian Genewein, prasyarat untuk mengawal peralihan. Ia mengiringi laporan Institut DeepMind yang lebih panjang, "Dari AGI kepada ASI."

Sambutan adalah serta-merta. Esei itu memperoleh 85 mata dan lebih daripada 160 ulasan mengenai Berita Hacker dalam masa sehari selepas penerbitan, manakala akhbar perdagangan termasuk Unite.AI dan BigGo Finance menyerlahkan taksonomi empat laluan dan ramalan perlanggaran kos berjuta kali ganda. Ia juga mendarat di tengah-tengah keraguan yang lebih meluas tentang cara ramalan superintelligence dibuat — Spektrum IEEE menerbitkan artikel minggu ini bertajuk "Debat Superintelligence AI Mempunyai Kepincangan Yang Serius."

Ketegangan itu adalah perkara utama. DeepMind tidak meramalkan ASI pada tarikh; ia berhujah bahawa ruang senario kini boleh dipetakan, diukur dan dibahaskan dengan bukti dan bukannya getaran. Sama ada ekstrapolasi berbilion kali ganda itu bertahan atau pecah terhadap siling fizikal, esei itu menandakan peralihan: soalan "apa yang datang selepas AGI?" telah beralih daripada seminar falsafah ke dalam agenda penyelidikan salah satu makmal AI yang paling berpengaruh di Bumi.

---

Kekal Mendahului AI

Dapatkan berita, analisis dan penemuan terkini AI — semuanya di satu tempat.

Baca lebih banyak berita AI →