章节出错了,点此刷新,刷新后小编会在两分钟内校正章节内容,请稍后再试。
计算优势
与生物智能相比，人工系统具有几个潜在优势：
速度–计算机组件的运行速度比生物神经元快得多。现代微处理器（~2GHz）比神经元（~200Hz）快7个数量级。
可扩展性–AI系统可能比生物大脑更容易在规模和计算能力上扩大规模。
模块化–AI系统的不同组件可以独立改进或更换。
记忆–AI系统可以拥有完美的回忆和庞大的知识库。在工作记忆方面，它受到的限制也比人类少得多。
多任务处理–AI可以以生物实体无法实现的方式同时执行多项任务。
基于transformer的模型的最新进展使一些研究人员推测，通往ASI的道路可能在于扩展和改进这些架构。这种观点表明，变压器模型或类似架构的持续改进可能会直接导致ASI。
一些专家甚至认为，当前像GPT-4这样的大型语言模型可能已经表现出AGI或ASI功能的早期迹象。这种观点表明，从当前的AI到ASI的过渡可能比以前认为的更加持续和快速，模糊了狭义AI、AGI和ASI之间的界限。
然而，这种观点仍然存在争议。批评者认为，目前的模型虽然令人印象深刻，但仍然缺乏一般智能的关键方面，例如真正理解、推理和跨不同领域的适应性。
关于通往ASI的道路是涉及不同的AGI阶段还是更直接地扩展当前技术的争论仍在进行中，这对AI开发战略和安全考虑具有重大影响。
……
挑战和不确定性
尽管有这些潜在优势，但实现ASI仍然存在重大挑战和不确定性：
道德和安全问题–ASI的制定引发了许多需要解决的道德问题和潜在风险。
计算要求–ASI所需的计算资源可能远远超出当前的能力。
基本限制–适用于人工系统和生物系统的智能可能存在根本限制。
不可预测性–ASI的路径及其后果高度不确定且难以预测。
随着人工智能研究的持续快速发展，ASI的可行性问题仍然是科学界激烈辩论和研究的话题。
……
生物超级智能的可行性
卡尔·萨根（CarlSagan）认为，剖腹产和体外受精的出现可能使人类进化出更大的头部，从而通过自然选择改善人类智力的可遗传成分。
相比之下，杰拉尔德·克拉布特里（GeraldCrabtree）认为，选择压力的减少导致了人类智力缓慢的、长达几个世纪的下降相反，这个过程可能会继续下去。关于这两种可能性都没有科学共识，在这两种情况下，生物变化都是缓慢的，尤其是相对于文化变化的速度。
选择性育种、益智药、表观遗传调控和基因工程可以更快地提高人类智力。
博斯特罗姆写道，如果我们了解了智力的遗传成分，植入前遗传学诊断可用于选择智商增益高达4点的胚胎（如果从两个胚胎中选择一个胚胎），或具有更大增益的胚胎（例如，如果从1000个胚胎中选择一个胚胎，则最多可获得24.3个智商点）。如果这个过程在多代中迭代，则收益可能会提高一个数量级。Bostrom建议，从胚胎干细胞中获得新的配子可用于快速迭代选择过程。由此类高智商人类组成的组织良好的社会有可能实现集体超级智能。