@rohanpaul_ai:“如果你实现递归自我改进,该曲线将走向超指数增长,而这是投资……的关键部分”
摘要
Google DeepMind首席战略官Jasjeet Sekhon讨论了AI基础设施支出如何由对递归自我改进的期望所驱动,并引用AlphaEvolve的有限收益,例如将Gemini训练时间缩短1%。
查看缓存全文
缓存时间: 2026/08/05 14:24
“如果实现递归自我改进,这条曲线将走向超指数增长,而这正是投资论点、科学论点的关键所在,也是社会为何进行当前投资的关键原因。”
Google DeepMind首席战略官Jasjeet Sekhon表示,AI基础设施支出正在为一个人们期望的自我改进循环提供资金。
在最强的形态下,递归自我改进(RSI)将使AI能够设计、评估和训练能力更强的后继者,而所需的人类监督将越来越少。
目前的证据仍然较为有限:例如,谷歌的AlphaEvolve提出算法,然后由自动评估器根据人类定义的目标运行并打分。
谷歌表示,其产生的内核更改将Gemini的训练时间减少了1%,这是一个有界改进的例子,而非自主式后继设计。
来自“Berkeley RDI”YouTube频道(完整视频链接见评论)
相似文章
当AI自我构建:我们在递归自我改进方面的进展
Anthropic研究院发布了一项关于递归自我改进进展的分析报告,显示AI已在加速AI开发——工程师每季度的代码产出提升了8倍——并预测具备完全自主自我改进能力的AI系统或将比大多数机构所预期的更早到来。
递归自我改进的经济学 [pdf]
本文探讨了AI系统中递归自我改进的经济激励和动态,分析了此类过程如何扩展及其对治理与安全的影响。
@tferriss: “我们只需要在未来几年保持领先,因为到2028年,我们将实现递归自我改进,届时…”
Sebastian Mallaby预测,到2028年,AI将实现递归自我改进,前沿模型将自主编写下一代模型,带来垂直进步,并终结超级智能竞赛。
@IntuitMachine: https://x.com/IntuitMachine/status/2078419526354378975
本文分析了AI代理从单循环到基于图形的自我改进架构的行业转变,解释了为什么优化单一指标常常失败,以及改进循环网络如何提供更稳健的解决方案。
@t_blom: 很多人现在都在试图理解递归自我改进的公司。我来分析一下我们目前看到的……
对Y Combinator观察到的递归自我改进公司的分析,探讨AI驱动的自动化如何使公司能够持续自我优化。