详细内容或原文请订阅后点击阅览
即将到来的加速：更新
此过程的下一步是将不断加速的人工智能代理扩展到各地的企业和其他组织。这种递归改进及其影响可能存在限制，但这一范围尚不可见。它可能不存在。帖子“即将到来的加速：更新”首先出现在美国企业研究所 - AEI 上。
来源:美国进取研究所信息去年九月，当我撰写有关递归人工智能的文章时，我描述了一项仍处于早期阶段的创新，其概念强大，但在实践中尚未完全实现。六个月过去了，人工智能在真正的递归性方面取得了有意义的进步。加速度已经加快了。
快速回顾一下：递归人工智能是指可以自我改进、测试自己的输出、识别弱点并生成更好版本的系统，而无需等待人类研究人员完成工作。人们的担忧是双重的：这些系统将非常强大且速度如此之快，以至于社区、个人和工人几乎没有时间适应。
这是自那时以来发生的变化。
简短地回顾一下理论数学的历史有助于说明递归人工智能是如何实时发展的。 1969 年，Volker Strassen 发现了一种更快的矩阵乘法算法，这是现代人工智能系统的核心计算操作。他的洞察力减少了所需的算术步骤：每个递归步骤进行七次标量乘法，而不是八次，看似很小的增益，但经过数十亿次计算后会得到复合。这项工作所创造的实际记录 56 年来基本上没有受到挑战。
谷歌 DeepMind 于 2025 年 5 月发布的 AlphaEvolve 终于超越了它。 AlphaEvolve 不依赖人类研究人员的灵光一现，而是使用自动评估器来生成和测试数千个候选解决方案，选择最佳的并迭代改进它们。结果是：一种使用 48 次标量乘法来乘以 4×4 复值矩阵的新算法，比 Strassen 的长期基准 49 次少了一次。半个多世纪以来，数学家们一直未能实现这一个位数的改进。