递归超智能获得6.5亿美元资金，追求自我改进的人工智能

一家名为递归超智能的新一代人工智能公司从隐秘中脱颖而出，获得6.5亿美元的资金，并拥有一个非常雄心勃勃的目标：建设能够在没有直接人类干预的情况下自我改进的人工智能系统。

该公司由人工智能研究人员和企业家理查德·索彻领导，创始团队包括来自谷歌DeepMind、OpenAI、Meta和学术界的著名研究人员。

该初创公司进入市场的时机恰逢人工智能行业正在从建设更大的语言模型转向开发能够自主推理、适应和可能进行自己的研究的系统。虽然大多数人工智能公司仍然专注于通过人工引导的训练和强化学习来提高模型性能，但递归超智能却正在追求一些更为实验性的东西：递归自我改进。

这个概念已经在人工智能圈子中被讨论为可能的通往超智能的途径。简单来说，想法是人工智能系统可以识别其自身架构中的弱点，生成新的方法来解决这些弱点，测试结果，并不断地自我改进在一个反馈循环中。

根据索彻的说法，当前的大多数人工智能辅助编码或人工智能生成的研究都不符合真正的递归自我改进的标准。他认为，真正的递归需要整个想法、实施、测试和改进的周期都要自主发生。

理查德·索彻对人工智能的长期愿景

索彻并不是新手于雄心勃勃的人工智能项目。在创立递归超智能之前，他以You.com的联合创始人和CEO而闻名，You.com是一家人工智能驱动的搜索和企业人工智能基础设施公司，早期曾挑战传统搜索引擎。

You.com最初因将对话式人工智能与网络搜索结合在一起而引起了注意，这是在生成式人工智能成为主流之前的几年。随着时间的推移，该公司逐渐转向企业人工智能工具、API和以生产力为重点的人工智能系统。

在You.com之前，索彻曾担任Salesforce的首席科学家，并以自然语言处理中最常被引用的研究人员之一而闻名。他的学术工作为现代人工智能系统奠定了基础，包括词嵌入、上下文语言理解和神经网络架构等技术。

递归超智能似乎代表着索彻职业生涯的不同阶段：不再专注于商业人工智能部署，而是专注于智能本身的基本突破。

然而，索彻反对将公司描述为纯粹的研究实验室。他强调了公司打算开发商业产品，并相信实际应用可能会在“几个季度内，而不是几年内”出现。

开放性方法

递归超智能背后的核心概念之一是所谓的“开放性”。

与其训练模型以实现单一固定的目标，开放性系统会不断生成新的环境、挑战和适应形式。这种方法从生物进化中汲取灵感，在生物进化中，生物体会不断进化以应对不断变化的条件和竞争性适应。

该公司的联合创始人蒂姆·罗克塔舍尔（Tim Rocktäschel）此前曾在谷歌DeepMind从事开放性人工智能研究，包括涉及生成式世界模型和自我改进系统的项目。

索彻讨论的一个例子涉及“彩虹队伍”，一种人工智能安全概念，其中一个人工智能系统不断攻击和探测另一个人工智能系统以暴露其弱点。与其依赖人类手动测试有害边缘情况，不如让两个人工智能系统在数百万次迭代中相互进化。

这个想法反映了正在发生的更广泛的转变，即在前沿人工智能研究中使用人工智能系统本身作为训练、评估和安全基础设施的一部分。

计算可能成为决定性资源

递归超智能的推出也强调了人工智能领域内日益增长的另一个现实：计算基础设施的重要性。

随着模型变得更加强大，训练成本和推理需求会指数级增加。如果递归自我改进系统最终变得可行，计算可能会变得更加战略重要，因为人工智能进步的速度将直接与可以分配给自我改进周期的处理能力挂钩。

索彻建议，未来社会可能会面临关于如何分配人工智能计算资源的艰难决定，这与决定哪些疾病或科学问题应该获得最多的计算资源类似。

这种框架凸显了人工智能基础设施如何日益与地缘政治、能源系统、半导体供应链和国家竞争力紧密交织。

投资者继续押注于前沿人工智能团队

该轮融资的规模也值得注意，考虑到该公司仍处于初期阶段。据报道，递归超智能拥有不到30名员工，并且尚未发布公共产品，但已经获得了数十亿美元的估值。

这一轮融资反映了风险投资中更广泛的趋势，即精英人工智能研究人才本身已经成为一种有价值的资产类别。投资者越来越多地将大量资金投入到具有深厚技术信誉的团队中，特别是那些与OpenAI、DeepMind和Meta AI等组织相关的研究人员。

在很多方面，市场似乎正在从为软件产品提供资金转向为智能基础设施本身的潜在突破提供资金。

递归自我改进是否最终能够实现仍然不确定。许多研究人员认为这个概念可能会彻底改变人工智能的发展，而其他人则认为技术障碍仍然巨大。

但是，递归超智能的出现表明，行业中一些最有影响力的研究人员现在相信，人工智能的下一个阶段可能不仅仅涉及人类构建更智能的模型。相反，它可能涉及人工智能系统直接参与自己的演化。