据動察 Beating 監測,谷歌 DeepMind 發布最新研究報告,指出從通用人工智能(AGI)向超級智能(ASI)的跃迁可能並非單一社會劇變,而是一系列跨越多個科學領域的連續突破。針對傳統的科研難度遞增瓶頸,報告指出,雖然維持摩爾定律所需的研發人員數量已是上世紀七十年代的十八倍,但數位智能體可以被無限複製,使人類能在數小時內將研究資源增加二十倍,從而系統性抵消科研生產力的衰退。
邁向超級智能存在擴展規模、演進算法、遞迴自我提升以及多智能體協同四條平行路徑。然而,轉型過程面臨著資料牆、資源開銷、神經網絡範式局限、科研難度遞增以及抽象屏障五大瓶頸。限制科學發現的核心制約在於抽象屏障,即僅基於人類已有資料訓練的系統難以脫離現有的概念框架。智能體若要發現新概念,必須通過與真實物理世界互動來克服具身瓶頸。驗證過程受限於物理延遲,從而將硬體的遞迴自我提升循環限制在真實世界的實驗速度之內。
在社會與組織結構方面,數位智能所具備的無損複製與高頻寬信息共享,使超級智能傾向於以群體智能而非單一模型的形態出現。通過多智能體協同,AGI 智能體能以價格信號形成虛擬經濟體或全自動公司。由於 AI 之間的高頻寬通訊能讓一個 AI 決策者瞬間與所有成員溝通,傳統人類組織中為了克服溝通瓶頸而設計的深層官僚層級結構,在超級智能組織中將被徹底抹平。