搜索
AI 巨头放缓前沿推进，距真正 RSI 仍遥远
1 小时前
近期，Anthropic和OpenAI释放出放缓前沿AI能力推进节奏的信号，导致科技股和半导体股承压，其根源在于递归式自我改进（RSI）命题。MIT博士瞿骜指出，RSI是多条技术路线交汇的产物。预计到2026年，随着AI在编程、上下文管理等方面能力的提升，AI将具备持续做事的条件，自我改进也将从概念转变为工程问题。然而，目前AI仅实现了RSI的“局部循环”，大量实践仍属于持续自我改进范畴，严格意义上的RSI尚未实现。当前，AI在任务中积累的经验多停留在上下文和记忆中，并未真正融入模型。Reef等项目正尝试将推理阶段的经验接入下一轮学习。不同任务的自我改进难度各异，核心在于对“好”的定义不同，需要处理不同的反馈。行业对于是改进模型还是改进工作框架存在热议，瞿骜认为二者应协同进化。未来，AI需具备元认知能力，自主判断经验的学习方式和改进方向，用户将从具体细节中感知AI的进化。然而，AI自我改进仍面临诸多挑战，如可能因错误学习而损伤能力、被经验局限、真实世界缺乏清晰反馈信号等。此外，基础模型无法提前经历所有场景，持续自我改进并非弱模型的补丁。严格意义上的RSI还涉及权限问题，其实现不仅取决于技术，还取决于人类对AI权限的开放程度。AI的最终走向将由技术与人类共同决定。
