从AGI到ASI：通用人工智能向超级智能的演进路径
一篇新预印本论文探讨了从人类水平的通用人工智能（AGI）向人工通用超级智能（ASI）的过渡，提出了四种潜在路径：扩展AGI、AI范式转变、递归改进以及大规模多智能体集体涌现的ASI。论文还讨论了这些路径上的摩擦与瓶颈，并指出AI进步可能加速，导致一系列变革而非单一突破。
在过去的十年间，构建人类水平的通用人工智能（AGI）已从遥不可及的幻想转变为许多顶级AI组织未来十年的具体目标。这一目标的实现将对人类社会产生深远而广泛的影响，同时也为未来十年提出了许多复杂问题。最新预印本论文《从AGI到ASI》由Tim Genewein等14位作者共同撰写，于2026年6月10日提交至arXiv，系统探讨了后AGI世界中AI如何沿着机器智能连续体继续发展。该连续体的终点——通用人工智能（Universal AI）——在理论上已有清晰界定，这为论文的主要焦点——从人类水平AGI到人工通用超级智能（ASI）的过渡——提供了形式化基础。ASI被直观理解为比大型人类组织更具智能和认知能力的系统，其能力超越目前任何单一实体。
论文在刻画ASI特征后，提出了四种从AGI到ASI的潜在路径：一是通过扩展现有AGI系统规模，利用更大的模型和更多数据；二是借助AI范式的根本性转变，例如从深度学习走向新的架构或学习范式；三是实现递归自我改进，即AI系统自主改进自身；四是在大规模多智能体集群中涌现出ASI，即通过大量智能体的协作产生超越个体的智能。每种路径都伴随着独特的挑战和不确定性。
此外，论文还讨论了这些路径可能面临的摩擦与瓶颈，包括计算资源限制、数据可用性、算法效率、对齐问题以及社会接受度等。判断这些摩擦的影响是否可忽略或重大，将催生一系列具体的开放研究问题。由于预测ASI发展存在巨大不确定性，不能排除未来几年AI持续加速进步的可能性。这意味着，人类水平AGI引入社会将引发单一变革性跃进的观点可能并不准确。更贴切的展望或许是，AI驱动的科学和技术突破将在多个领域引发一系列变革性社会变化。为应对这一前景，需要全球范围内大规模跨学科合作，涵盖计算机科学、社会学、伦理学、政策制定等多个领域。该论文的学科分类为人工智能（cs.AI）、计算机与社会（cs.CY）以及机器学习（cs.LG），显示了其跨学科性质。