François Chollet：以科学为参照看 AI 递归自我改进，投入指数增长而产出线性

François Chollet· @fchollet · X·2026-10-10 01:54· 36 分钟前AI 评分55

AI 导读

François Chollet 提出应把科学建模为一个递归自我改进的智能系统，作为理解 AI RSI 的参照。

正文

现实世界中充满了递归自我改进的系统，但有一个尤其值得关注：科学，把它建模为一个系统（甚至可能是一个具有目标和资源的智能体）。如果你想真正理解 AI RSI，科学应当是你的参照点。

科学是一个智能系统，而且它显然是递归自我改进的：

1. 科学发现解锁了新技术，帮助建造更好的实验工具。这是几乎所有领域进步的首要驱动力。
2. 它们解锁了新的概念进展（思想、理论），帮助解决更多问题。
3. 它们提高社会的经济产出，使更多资源流入科学。
4. 它们解锁更好、更快的工具（例如通过更好的芯片与网络技术获得更多算力）。

因此，许多科学*投入*的衡量指标呈指数增长：

1. 人员规模（约每 15 年翻一番）
2. 全球 R&D 支出（翻倍稍快，约每 13 年翻一番）
3. 论文和专利（严格来说这是人员规模的衡量指标）
4. 用于科学的算力（约每 2 年翻一番）

但科学进步是指数的吗？从历史上看，自工业革命开始以来，科学影响力随时间的变化速率大致保持恒定（即科学进步是*线性的*）。1850-1900 与 1900-1950 或 1950-2000 一样具有戏剧性。

1850–1900：进化论、细菌学说与抗菌手术、热力学、电磁场方程、元素周期表、药物、电、电报与电话、内燃机、摩天大楼、机械化农业……

1900–1950：狭义与广义相对论、量子力学、核裂变与原子能、抗生素、遗传理论、电子计算机、信息论、合成聚合物与塑料、晶体管、航空……

1950–2000：DNA、基因工程、集成电路、微处理器与个人计算、互联网、载人航天、登月、卫星通信与 GPS、粒子物理标准模型……

按实际值衡量，比如预期寿命，自 1840 年以来以约每年 3 个月的显著线性方式增长，进步是一条直线。对于影响容易衡量的领域，如生物学、医学和农业，这一点尤其明显。

我于 2012 年首次撰文讨论这一现象及其成因，此后多年不断有研究证实了它。例子包括 Nielsen 和 Collison 2018 年的论文《Science Is Getting Less Bang for Its Buck》，以及 2020 年的经济学论文《Are Ideas Getting Harder to Find?》（事实上，我相信 Nielsen 那篇论文源于六个月前我与他关于这一想法的对话）

简而言之，主要原因是研究先解决影响最大、最容易的问题，而之后的每个问题要么更难，要么影响更低。而且是指数级地如此。提出信息论的论文并不难写（单一作者！），但你很难写出一篇在影响力上超越它的 CS 论文。

这就是为什么科学作为一个系统需要指数级的资源（投入）才能产生线性的影响（产出）。随着时间推移，它变得指数级地更难。

如果你正在思考 AI 的 RSI，这一点值得深思。我完全相信 AI 的 RSI 已经在发生，并将在未来加速。但我不认为这会导致“智能爆炸”——那将违背我对智能所知的一切，以及我对递归自我改进系统所知的一切。

来源：François Chollet · x.com