跳到正文
热点事件持续更新

研究者质疑AI递归自我改进催生超级智能

2 篇报道2 个报道来源15 小时前更新

先了解这件事

AI 综述

针对 Anthropic 与 OpenAI 内部关于递归自我改进(RSI)将催生人工超级智能(ASI)的讨论,有研究者从工程角度提出质疑:RSI 仍是推测性概念,且 GPT-4 之后模型规模扩张已出现收益递减。 据 IEEE Spectrum 基于 Georgetown 博士生研讨班的分析,训练已转向依赖大量输入输出配对数据的后训练阶段,使编程、数学等结构化领域进展快,而缺乏此类数据的领域明显滞后,训练数据瓶颈难以靠自动化编码智能体突破。 这一质疑直接指向两家公司内部讨论所依赖的前提,即模型能通过自我改进不断加速能力提升;研究者认为,现有工程证据尚不支持这一路径。

AI 根据报道生成 · 12 小时前更新

最新进展11月19日 20:17
AI 超级智能之争存在严重缺陷

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. Hacker News
    AI 超级智能之争存在严重缺陷

    针对 Anthropic 与 OpenAI 内部关于递归自我改进(RSI)将催生人工超级智能(ASI)的讨论,有研究者从工程角度提出质疑:RSI 仍是推测性概念,且 GPT-4 之后模型规模扩张已出现收益递减,训练数据瓶颈难以靠自动化编码智能体突破。

  2. RadarAI
    IEEE Spectrum 分析:AI 超级智能争论存在哪些工程层面的根本缺陷

    IEEE Spectrum 文章基于 Georgetown 博士生研讨班提出三项反对 AI 超级智能(ASI)可行性的工程意见,首条指递归自我改进(RSI)仍属推测。文章指出 GPT-4 之后继续扩大模型规模收益递减,训练转向依赖大量输入输出配对数据的后训练阶段,使编程、数学等结构化领域进展快,而缺乏此类数据的领域明显滞后。

本事件热度走势

可比范围当前
13
可比范围峰值
1911月19日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。