資料來源#
問題#
Anthropic 的 When AI builds itself(遞迴自我改進)提出了 三種 RSI 未來。DeepMind 的 From AGI to ASI(從 AGI 到 ASI 的路徑)提出了 三種成長形狀與六種摩擦力(智能爆炸動力學)。請調和這兩種框架,並回答兩份報告都提出、卻都未直接回答的問題:哪種摩擦力會先成為瓶頸——也就是究竟是什麼會讓曲線彎折,以及何時發生?
簡短答案#
這兩種框架是 同一個三分法的兩種描述——Anthropic 從 政策/角色 角度出發(人類最終會做什麼),DeepMind 則從 動力學/數學 角度出發(曲線的形狀)。兩者對選項一致,唯一的差異在於是否排序:Anthropic 給出機率;DeepMind 拒絕排序,稱每種摩擦力的權重都是「一個開放的研究問題」。
至於「哪種會先成為瓶頸」,兩個實驗室雖然使用不同詞彙,卻收斂到相同的結構性洞見:速度由無法加速的最慢步驟決定,而那個步驟不是認知。 模型的思考是迴圈中 最便宜 的輸入,而且正在飛速發展(Anthropic:「我們尚未看到那條曲線彎折」)。真正的瓶頸摩擦力是迴圈與 現實的耦合——今天 是組織規模下的驗證/監督,到了 ASI 前沿則是物理實驗加上制度延遲。Anthropic 稱之為 Amdahl's law;DeepMind 稱之為 Embodied Bottleneck。這是同一個論點。
一個三分法,兩種框架#
DeepMind 的三種成長制度幾乎完全對應 Anthropic 的三種未來——請注意機率排序顛倒,以及觀點互換:
| DeepMind 成長形狀 | = Anthropic 未來 | 意義 | Anthropic 的機率 |
|---|---|---|---|
| S 型曲線——摩擦力在任何奇點出現前就使成長彎折 | Future 1:趨勢停滯,能力擴散 | 判斷差距不會因規模擴張而消失;或供應鏈/後 Transformer 架構成為高牆。世界仍會在凍結的能力水準上轉變。 | 不太可能——「我們尚未看到那條曲線彎折」 |
| 指數型——持續的有界乘法成長 | Future 2:效率複合增長,人類設定方向 | AI 研發大幅自動化;人類判斷結果;受 Amdahl's law(瓶頸轉移)限制。 | 可能 |
| 雙曲線型——成長速率隨數量增加;在有限時間內出現奇點 | Future 3:完整 RSI,速度由算力決定 | 迴圈閉合;人類轉而監督不斷擴大的「虛擬實驗室」。對齊結果是 Anthropic「最不確定」的部分。 | 不能排除;最不確定 |
觀點互換才是有用之處。Anthropic 的未來以 人類角色 為索引(人類是否仍設定方向?是否仍進行審查?);DeepMind 的制度則以曲線的二階導數為索引。它們是相同的三個世界,因為人類角色正是無法加速的摩擦力所保護的東西——人類之所以仍是承重部分,正是因為迴圈無法加速那些步驟。
摩擦力就是造成彎折的機制#
DeepMind 的六種摩擦力是會將曲線從雙曲線型 → 指數型 → S 型推動的候選機制。Anthropic 提出了一組規模較小、以組織為框架的煞車;它們是 DeepMind 清單的壓縮版:
| DeepMind 摩擦力 | Anthropic 對應的煞車 | 兩個實驗室對其是否會成為瓶頸的判斷 |
|---|---|---|
| 資料牆(有效算力擴展) | (納入 Future 1 的「供應鏈」) | 兩者皆降級處理——合成/模擬/蒸餾回流資料會隨算力擴展(AlphaZero 迴圈);「是摩擦力,而非根本阻礙」 |
| 研究日益困難(Bloom et al.) | Anthropic 證據直接反駁的事物 | 兩者皆降級處理——「廉價的人工研究者」以小時而非年為單位增長 20 倍;Anthropic 的8 倍程式碼/工程師正是這種摩擦力未能成為瓶頸 |
| 經濟與資源需求 | 「供應鏈——能源、晶片廠、電網、互連」(Future 1) | 有條件——若進展需要原始規模擴展,就會強烈成為瓶頸;若進展來自演算法效率,則影響邊際化。取決於路徑。 |
| 神經網路典範不足 | 「可能需要 Transformer 之後的新架構」(Future 1) | 有條件/變數——如果區分優秀與卓越研究者的判斷力無法透過規模擴展取得,就會得到 Future 1 |
| 抽象化屏障(抽象化屏障) | (Anthropic 沒有乾淨的對應物) | DeepMind 認為最可能的根本阻礙——而且它會重新設定速度,而非讓進展停止:見下文 |
| 刻意放慢(前沿暫停驗證) | 整體治理回應(建立暫停驗證) | 反轉——Anthropic 想要安裝的唯一一種摩擦力;DeepMind 懷疑能否讓其成為瓶頸的唯一一種摩擦力 |
哪種會先成為瓶頸——分層判斷#
兩份報告都沒有排序。但綜合兩者後,可以依照各種摩擦力實際開始產生影響的時間,提出一個站得住腳的排序:
1. 已經成為瓶頸(組織規模,2026 年年中)。 Amdahl's law/驗證與監督的耦合。Anthropic 已經碰到它:隨著更多程式碼流經組織,人類程式碼審查成為新的瓶頸(驗證成為新瓶頸)。這是經驗上真實存在的第一種摩擦力,而非預測。關鍵在於,它是 DeepMind Embodied Bottleneck 的組織性實例:迴圈中不會加速的部分決定速度。
2. 最深層、最可能的前沿摩擦力(兩份報告收斂出的論點)。 迴圈與物理及制度現實的耦合。DeepMind: Embodied Bottleneck——新概念必須對照物理現實驗證,因此智能成長率受限於「經驗科學的速率」,而非算力的速率。Anthropic:RSI「無法比生物學更快地進行臨床試驗、無法在憲法允許之前舉行選舉,也無法在一個週末內把陌生人變成老朋友。」相同形狀的論點,兩個領域(物理實驗延遲 vs. 社會/制度延遲)。這最有可能將雙曲線型曲線轉為單純的指數型曲線——Future 3 轉為 Future 2。
3. 根本性的未知變數。 強形式的抽象化屏障——如果以人類概念訓練的 AI 確實無法發現新的基本原語(無法從前牛頓時代的資料推理出廣義相對論),那麼研究品味就是真正的上限,而不是下一個會被突破的能力,於是便得到 S 型曲線/Future 1。DeepMind 將此標示為「最可能成為根本阻礙」的摩擦力。Anthropic 的 Future 1 也指出相同可能性(「Transformer 之後的新架構」),但由於缺乏機制性敘事,因此以「曲線尚未彎折」為由評估為不太可能。目前的實際測試是自主科學發現:2026 年 6 月的濕實驗室結果是跨越了屏障,還是只是在由人類定義的空間內高速運作?
4. 兩者皆降級處理。 資料牆與研究日益困難。兩者都被算力本身吸收——合成資料與廉價的數位研究者,會沿著它們原本應該限制的同一條指數曲線擴展。Anthropic 測得的 8 倍吞吐量,正是研究日益困難這種摩擦力明顯未能成為瓶頸的證據。
5. 人類必須選擇的摩擦力。 刻意放慢是清單上唯一的外生項目——唯一不是由物理或經濟學交付的項目。這是最尖銳的實驗室分歧:Anthropic 的整體治理議程存在的目的,就是要讓這種摩擦力成為瓶頸(前沿暫停驗證),正因為它懷疑內生摩擦力(尤其是 Future 3 中的摩擦力)不會及時或強力到足以成為瓶頸。DeepMind 則悲觀地認為它可以被製造成為瓶頸:在「軍事—經濟適應主義」與國際無政府狀態下,多邊協調「難以捉摸,也許不切實際」。因此,Anthropic 最堅決要設計的摩擦力,正是 DeepMind 最懷疑能否設計出來的摩擦力。
兩個實驗室真正分歧之處#
- 排序 vs. 拒絕排序。 Anthropic 明確表態(Future 2 可能,Future 1 不太可能,Future 3 不能排除)。DeepMind 基於原則拒絕——在典範轉移之後進行點預測是「空洞的」,因此提出與典範無關的理論(通用 AI(AIXI)),而非預測。這是方法論分歧(經驗優先 vs. 理論優先),不是事實上的分歧。
- 概念發現的上限。 DeepMind 提供了 Anthropic 所缺少的唯一機制——一個說明品味可能是真正上限的理由(抽象化屏障),相對於 Anthropic 的經驗性說法「我們還沒看到它彎折」。這是跨實驗室綜合後產生的、唯一最具決策意義的補充。
- 放慢的反轉(如上):Anthropic 視為可交付成果的摩擦力,正是 DeepMind 視為幾乎無法實現的摩擦力。
結論#
一旦注意到兩份報告都將瓶頸約束定位在模型認知之外,「哪種摩擦力會先成為瓶頸」這個問題便消解了。智能是廉價且飛速發展的輸入;速度的設定者,是任何將迴圈與無法加速的現實耦合起來的因素——今天已經是程式碼審查與人類監督(Amdahl,今日),前沿則是物理實驗與制度延遲(Embodied Bottleneck,明日)。資料牆與更難產生想法的摩擦力會被算力吸收,因此自行降級。真正的開放問題比六種摩擦力的清單更集中:(a) 抽象化屏障是真實的概念發現上限(→ Future 1),還是只是緩慢驗證(→ Future 2)?以及 (b) 人類實際能控制的唯一摩擦力——刻意放慢——能否在內生摩擦力失效之前,讓它成為瓶頸?
資料來源#
- When AI builds itself — Anthropic Institute(Favaro 與 Clark,2026 年 6 月):三種未來、Amdahl's law、「曲線尚未彎折」。經由遞迴自我改進、AI 加速 AI 開發。
- From AGI to ASI — Google DeepMind(Genewein、Hutter、Legg 等人,arXiv 2606.12683):三種成長制度、六種摩擦力、抽象化屏障與 Embodied Bottleneck。經由從 AGI 到 ASI 的路徑、智能爆炸動力學、有效算力擴展、抽象化屏障。
- Research Taste as the Human Bottleneck — 無法加速的摩擦力所保護的人類比較優勢。
- Frontier Pause Verification — 作為治理交付成果的刻意放慢摩擦力。
Cited by 4
- Open Questions Backlog×3
Intelligence Explosion Dynamics: Which binds first — algorithmic ceilings, the embodied bottleneck,…
- AGI-to-ASI Pathways
For each friction: is it a fundamental blocker (multi-year plateau) or a mere friction (slows,…
- Intelligence Explosion Dynamics
Which binds first — algorithmic ceilings, the embodied bottleneck, or compute/energy supply —…
- Recursive Self-Improvement
The RSI extrapolation rests on trends staying exponential rather than S-curving — but the essay…
Related articles
- Multi-Agent Collective Intelligence
DeepMind's fourth pathway to ASI: superintelligence as an emergent property of many coordinated AGI agents — group agen…
- Open Questions Backlog
_456 actionable open questions across 205 pages · 107 predictions · 9 notes · 147 in progress · 69 watching (entities),…
- Superintelligence Trajectory
Map of Content for the superintelligence-trajectory domain — 23 concepts. The path from AGI to ASI: recursive self-impr…
- Recursive Self-Improvement
An AI system autonomously designing and developing its own successor; Anthropic Institute's *When AI builds itself* arg…
- Task Time-Horizon Scaling
METR's measure of the task length AI can complete reliably on its own, doubling roughly every 4 months (up from every 7…
