Import AI 456：RSI与经济增长；激进可选性：AI监管的第三条路；以及神经计算机

欢迎阅读Import AI，这是一份关于AI研究的新闻通讯。本期涵盖三个主要话题：AI监管的“激进可选性”策略、神经计算机的概念，以及递归自我改进对经济增长的潜在影响。

激进可选性：监管的第三条路 法律与AI研究所的研究人员提出了“激进可选性”的概念，即政府应在当前投资于未来可能需要的工具和政策，以应对强大AI带来的颠覆性变化。核心思想是避免过度监管，同时快速建立机构、信息渠道和法律权威，以便在未来灵活应对各种场景。具体建议包括：建立信息收集机制（如透明度和报告要求）、保护举报人、加强政府间信息共享、制定灵活规则、发展评估能力、改进模型权重安全以及吸引技术人才。作者认为，这些措施的成本相对较低，但潜在收益巨大；不作为的代价可能是灾难性的。

针对可能出现的批评，作者也进行了回应：例如，他们否认这些建议会导致滥用权力，但本文作者指出，动机强烈的政府可能会超出原意行使权限；在民主合法性方面，灵活性可能削弱公众参与；在权力集中风险上，他们建议政府仅使用守法的AI系统。尽管存在这些担忧，作者仍强调，在私营治理无法完全替代政府能力的情况下，这些措施是必要的。

神经计算机：一种新的机器形态 来自Meta和KAIST的研究人员（包括著名AI学者Jürgen Schmidhuber）提出了一种“神经计算机”的概念，即完全由神经网络驱动的计算机系统，统一计算、内存和I/O于一个学习到的运行时状态中。初步实验使用生成视频模型Wan 2.1，探索了基于命令行界面和图形用户界面的神经计算机原型。虽然目前仅能实现基本操作，例如渲染和执行命令行工作流、保持与终端缓冲区的对齐，但指向了一个未来：所有软件都可能被一个巨大的神经网络所取代。长期目标是实现完全神经计算机（CNC），其中计算、内存和接口统一在一个单一运行时基底中。这种系统将彻底改变计算方式，甚至可能增加我们生活在模拟中的可能性。作者预计，成熟的神经计算机可能是一种10T-1000T参数的稀疏、可寻址、类电路的机器。

递归自我改进与爆炸性经济增长 来自Forethought、哥伦比亚大学和弗吉尼亚大学的经济学家开发了一个模型，分析AI自动化如何通过技术反馈环和经济反馈环引发爆炸性增长。模型发现，仅13%的全面自动化或20%的硬件研究自动化就足以推动经济进入爆炸性增长状态。在基线模拟中，完全自动化软件研发并仅5%自动化其他经济部门，奇点将在约六年内到来。硬件研究是关键杠杆，其回报率是软件的5倍、总体要素生产率的10倍。政策制定者应密切关注AI研发中的自动化水平，因为半导体研发具有战略重要性。