什么是加速回报法则？它如何导致通用人工智能
在最近的一次采访中，当被问及预计何时会看到通用人工智能（AGI）的出现时，埃隆·马斯克回答说“3到6年”。谷歌 DeepMind 首席执行官德米斯·哈萨比斯 (Demis Hassabis) 现在相信，正如《华尔街日报》未来万物节上所说，通用人工智能“还需要几年，也许十年之内” 。
与大多数人工智能行业专家相比，这些数字被认为是乐观的，他们认为通用人工智能通常还需要十年甚至一个世纪的时间。这种悲观情绪的部分原因是担心承诺较短的时间表最终会被证明是错误的。毕竟，1956 年，在达特茅斯夏季研究项目中，“人工智能”一词被创造出来并作为一个领域开始，人们期望像人类一样聪明的机器将在不超过一代人（25 年）的时间内出现。
其他人，如被称为人工智能教父的杰弗里·辛顿(Geoffrey Hinton)，则有稍微微妙的观点。“直到最近，我还认为 20 到 50 年后我们才会拥有通用人工智能。现在我认为可能需要 20 年或更短的时间。”
由于深度强化学习算法的快速发展，人工智能行业在过去几年中取得了快速发展，其中许多算法为当今的大型语言模型（LLM）提供了动力。
尽管如此，所有这些突破都只带来了狭隘的人工智能应用，例如聊天机器人和语言翻译。与 AGI 相比，AGI 是一种人工智能，具有理解、学习和应用知识的能力，能够以与人类相当的水平来完成各种任务。
对于许多人来说，通用人工智能的缺失环节似乎是遥不可及的，但对于一些相信所谓“加速回报法则”的人来说，我们最终将不可避免地建立通用人工智能。
加速回报法则的概念不是别人，正是雷·库兹韦尔（Ray Kurzweil），他是作家、发明家和未来学家。他涉足光学字符识别（OCR）、文本语音合成、语音识别技术等领域，并在出版人工智能书籍《How to Create a Mind》后被谷歌聘用。这本开创性的书说明了我们需要如何理解人脑，以便对其进行逆向工程以创建终极思维机器。这本书对人工智能的未来非常重要，以至于埃里克·施密特（Eric Schmidt）在读完这本开创性的书后聘请雷·库兹韦尔（Ray Kurzweil）从事人工智能项目。
雷·库兹韦尔 (Ray Kurzweil) 最相关的书莫过于《奇点临近》，自 2005 年出版以来，其预测反映了过去 20 年的技术发展。最重要的是，Ray Kurzweil 预测我们将在 2029 年实现 AGI，这一时间表与 Elon Musk 和 Demis Hassabis 最近分享的观点一致。
该定律认为，各种进化系统（包括但不限于技术的增长）的变化率往往呈指数增长。
在技术增长的背景下，该定律意味着我们可以期待未来技术的快速进步，因为技术创新的步伐本身正在加快。雷·库兹韦尔 (Ray Kurzweil) 认为，每一代新一代技术都建立在前一代技术的基础上，以指数级的速度增加创新的潜力。
该定律展示了目前由生成式人工智能 (Generative AI) 引领的加速技术的爆炸性增长将如何驾驭芯片制造和 3D 打印等其他指数级技术的浪潮。这种融合推动人工智能成为有史以来最强大的应用程序。
2001 年，雷·库兹韦尔 (Ray Kurzweil)做出了以下预测：
对技术史的分析表明，技术变革是指数级的，这与常识性的“直观线性”观点相反。因此，我们在 21 世纪不会经历 100 年的进步，而更像是 20,000 年的进步（按照今天的速度）。芯片速度和成本效益等“回报”也呈指数级增长。甚至还有指数级增长的速度。几十年内，机器智能将超越人类智能，导致奇点——技术变革如此迅速和深刻，代表着人类历史结构的断裂。其影响包括生物智能和非生物智能的融合、基于软件的不朽人类，以及以光速在宇宙中向外扩展的超高水平智能。
这种技术爆炸归因于摩尔定律，该定律预测给定芯片上的晶体管数量大约每两年就会增加一倍。这与其他技术突破相结合，表明加速回报法则正在蓬勃发展。以下是雷·库兹韦尔对这对人类未来意味着什么的观察：
- 进化应用正反馈，因为进化过程的一个阶段产生的更有能力的方法被用来创建下一阶段。结果，
- 进化过程的进展速度随着时间呈指数增长。随着时间的推移，进化过程中嵌入的信息的“顺序”（即衡量信息与目的的契合程度，在进化中就是生存）会增加。
- 上述观察结果的一个相关性是，进化过程的“回报”（例如，过程的速度、成本效益或整体“力量”）随着时间的推移呈指数增长。
- 在另一个正反馈循环中，随着特定的进化过程（例如，计算）变得更加有效（例如，成本有效），更多的资源被部署用于该过程的进一步进展。这导致第二级指数增长（即指数增长速度本身呈指数增长）。
- 生物进化就是这样的进化过程之一。
- 技术进化是另一个这样的进化过程。事实上，第一个创造物种的技术的出现导致了新的技术进化过程。因此，技术进化是生物进化的产物和延续。
- 特定范例（解决问题的方法或途径，例如，缩小集成电路上的晶体管作为制造更强大计算机的方法）提供指数增长，直到该方法耗尽其潜力。当这种情况发生时，范式转变（即方法的根本改变）就会发生，从而使指数增长得以继续。
读者应该阅读库兹韦尔的博客，然后他们应该反思这种指数增长的含义，以及它与自该博客最初发布以来他们个人经历的匹配和不同之处。
加速回报定律虽然不像摩尔定律那么受欢迎，但在今天仍然与它最初发布时一样重要。
图片使用申明：原创文章图片源自‘Canva可画’平台免费版权图片素材；引用文章源自引用平台文章中所使用的原图。