Google DeepMind описала четыре сценария перехода от AGI к искусственному суперинтеллекту

Google DeepMind выпустила исследование «От AGI к ASI». В нём AGI (Artificial General Intelligence) рассматривается не как конечная точка развития технологий, а как промежуточный этап на пути к искусственному суперинтеллекту (ASI). При этом ASI описывается не как «более умный человек». Речь идёт о системе, которая превосходит суммарные когнитивные возможности крупных организаций и экспертных сообществ. Поэтому сравнение смещается: вместо отдельного человека исследователи предлагают смотреть на коллективную интеллектуальную инфраструктуру общества.

Авторы связывают развитие ИИ с экспоненциальным ростом «эффективных вычислений». Этот показатель складывается из трёх источников: развития вычислительного оборудования, роста инвестиций в инфраструктуру и повышения алгоритмической эффективности. По мере роста доступных вычислительных мощностей формируется траектория движения к ASI. Предполагается, что такая система может возникнуть в том числе благодаря масштабированию, самопереписыванию и коллективному поведению миллионов ИИ-агентов.

В работе описаны четыре возможных пути перехода к суперинтеллекту. Первый связан с масштабированием моделей и вычислений на основе законов масштабирования. Второй предполагает смену архитектурной парадигмы, включая системы с непрерывным обучением и расширенным контекстом. Третий путь, рекурсивное самосовершенствование, когда ИИ оптимизирует собственные алгоритмы и код. Четвёртый основан на мультиагентной координации, где множество моделей формирует распределённый коллективный интеллект. Среди ограничений текущего подхода упоминается «стена данных» (data wall), то есть истощение высококачественных данных для обучения. Это может подтолкнуть исследователей к использованию синтетических данных и обучению в симулированных средах. Методологическая база работы опирается на формализм универсального ИИ (AIXI) и шкалу Легга, Хаттера.