AI正在用这五种方式，让自己变得更聪明

最近，马克·扎克伯格宣布了Meta的宏大目标：创造出超越人类的超级智能AI。

他相信，实现这一目标的秘密武器就是AI的自我提升能力。不同于其他技术，AI可以优化自己的芯片、高效训练其他AI，甚至自己提出新的研究方向。

这种能力，既是通往未来的钥匙，也带来了潜在的风险——如果AI能力加速增长，可能会在危险领域失控，导致"智能爆炸"。

不过，包括OpenAI和Google在内的头部公司，都已将AI的自我研究能力纳入其安全框架，这说明，AI的自我进化已是业内公认的重要趋势。

其通过下面五种方式，让自己变得更聪明。

1. 提高工程师的生产力

AI对自身发展最直接的贡献，就是成为工程师的编程助手。

像Claude Code和Cursor这样的工具，能帮助工程师更快地编写软件，从而加速新AI系统的设计、测试和部署。

谷歌CEO曾透露，公司四分之一的新代码由AI生成，而Anthropic也详细记录了员工使用AI编程工具的多种方式。

不过，一项研究也指出，如果工程师需要花大量时间修正AI的错误，效率反而可能降低，但总体而言，这类工具对AI行业的提速作用不容小觑。

2. 优化硬件基础设施

AI训练过程漫长且成本高昂，硬件性能是决定速度的核心。

谷歌的研究人员利用AI优化AI芯片的设计，能决定芯片上各个组件的最佳位置，从而提升运行效率。

谷歌已经将这项技术用于其定制AI芯片。此外，他们还用大语言模型编写芯片的底层程序，让这些程序运行速度比人类设计的版本更快。谷歌的一个名为AlphaEvolve的系统，甚至能优化数据中心的运行和芯片设计，将Gemini模型的训练速度提高了1%。

这些看似微小的改进，在巨大的计算规模下，能节省巨额的时间和成本。

3. 自动化模型训练

训练AI需要海量的数据和人类反馈，而这两者都非常稀缺且昂贵。

现在，AI正在自己解决这个问题。它能生成合成数据，弥补训练数据的不足。

在强化学习中，一个AI模型可以充当“评委”，为另一个正在训练的AI提供反馈和指导，这就是“宪法AI”框架的核心思想。

在AI代理领域，AI还能生成分步的解题方案，并由另一个AI评判其有效性，从而实现无限地生成自我学习的经验，摆脱对人类数据的依赖。

4. 完善AI代理设计

虽然大语言模型的核心架构仍是人类设计的，但在AI代理这个新领域，AI已开始自我进化。

AI代理需要各种工具和指令来完成任务。

日本Sakana AI公司开发了一个名为“达尔文-哥德尔机器”的AI代理，它可以自主修改自己的代码和指令，不断优化任务表现。

它甚至能发现最初无法预见的新修改方案，进入一个真正的自我提升循环。这证明AI能在新领域实现从零开始的自主设计与优化。

5. 自主进行科学研究

AI的终极目标之一，是像人类科学家一样进行自主研究。

目前，有团队正在研发一个名为“AI科学家”的系统，它可以自主搜索文献、提出研究问题、进行实验并撰写论文。

该系统已经能写出被顶级会议接受的论文，并提出了与人类科学家不谋而合的新想法。

尽管它尚未能做出重大发现，但这预示着，在不远的将来，AI将能独立做出开创性的科学发现。

我们离超级智能还有多远？

AI自我提升的潜力毋庸置疑，但距离真正的超级智能还有多远？尽管AI的进步速度正在加速，但一位研究员指出，这仍然是一个“非常缓慢的反馈循环”。

每一点进步都需要长时间的积累，且创新是越来越难的。不过，有研究显示，AI完成任务的能力正在加速翻倍，从2019年到2024年，翻倍时间已从七个月缩短到四个月。

这可能意味着，AI的自我提升正在对整体进展产生越来越大的影响，我们正站在“智能爆炸”的黎明前。

参考资料： Five ways that AI is learning to improve itself - MIT Technology Review