從AGI到ASI：通用人工智能向超級智能的演進路徑
一篇新預印本論文探討了從人類水平的通用人工智能（AGI）向人工通用超級智能（ASI）的過渡，提出了四種潛在路徑：擴展AGI、AI範式轉變、遞歸改進以及大規模多智能體集體湧現的ASI。論文還討論了這些路徑上的摩擦與瓶頸，並指出AI進步可能加速，導致一系列變革而非單一突破。
在過去的十年間，構建人類水平的通用人工智能（AGI）已從遙不可及的幻想轉變為許多頂級AI組織未來十年的具體目標。這一目標的實現將對人類社會產生深遠而廣泛的影響，同時也為未來十年提出了許多複雜問題。最新預印本論文《從AGI到ASI》由Tim Genewein等14位作者共同撰寫，於2026年6月10日提交至arXiv，系統探討了後AGI世界中AI如何沿着機器智能連續體繼續發展。該連續體的終點——通用人工智能（Universal AI）——在理論上已有清晰界定，這為論文的主要焦點——從人類水平AGI到人工通用超級智能（ASI）的過渡——提供了形式化基礎。ASI被直觀理解為比大型人類組織更具智能和認知能力的系統，其能力超越目前任何單一實體。
論文在刻畫ASI特徵後，提出了四種從AGI到ASI的潛在路徑：一是通過擴展現有AGI系統規模，利用更大的模型和更多數據；二是藉助AI範式的根本性轉變，例如從深度學習走向新的架構或學習範式；三是實現遞歸自我改進，即AI系統自主改進自身；四是在大規模多智能體集羣中湧現出ASI，即通過大量智能體的協作產生超越個體的智能。每種路徑都伴隨着獨特的挑戰和不確定性。
此外，論文還討論了這些路徑可能面臨的摩擦與瓶頸，包括計算資源限制、數據可用性、算法效率、對齊問題以及社會接受度等。判斷這些摩擦的影響是否可忽略或重大，將催生一系列具體的開放研究問題。由於預測ASI發展存在巨大不確定性，不能排除未來幾年AI持續加速進步的可能性。這意味着，人類水平AGI引入社會將引發單一變革性躍進的觀點可能並不準確。更貼切的展望或許是，AI驅動的科學和技術突破將在多個領域引發一系列變革性社會變化。為應對這一前景，需要全球範圍內大規模跨學科合作，涵蓋計算機科學、社會學、倫理學、政策制定等多個領域。該論文的學科分類為人工智能（cs.AI）、計算機與社會（cs.CY）以及機器學習（cs.LG），顯示了其跨學科性質。