KSC2:ASI 的渐进结构框架 结构开放性、结构自主性与 AGI–ASI 的结构性差异

摘要

人工通用智能(Artificial General Intelligence,AGI)与人工超级智能(Artificial Superintelligence,ASI)通常通过能力覆盖范围以及相对于人类的表现水平加以描述。已有研究已经尝试把 AGI 从单一终点转化为可分级、可测量的能力进程;经典 ASI 定义则主要强调系统在几乎所有重要智力领域超过最优秀人类。与此同时,open-endedness 研究已经提出,持续产生新颖且具有学习价值的发现,是通向人工超级智能的重要条件。本文关注一个进一步的问题:在真正达到 ASI 之前,能否从任务结构层面对其进展进行持续观察和比较? 本文从知识—结构—约束框架(Knowledge–Structure–Constraint Framework,KSC)出发,引入结构开放性(Structural Openness),描述在固定任务协议下,完成任务所需的高层问题表征、抽象方式、关键变量、关系结构和探索方向中,有多少没有在任务开始前由外部条件预先给出,而必须在求解过程中形成。结构开放性因此描述任务本身提出的结构需求,而不是求解者能力。 随着结构开放性提高,人的作用可能从维持既有目标和边界的约束保持 C,扩展到直接参与结构生成 S,通过新的问题表示、抽象和探索方向改变后续问题空间。在此基础上,本文提出 AI—抽象认知复利(AI-Abstraction Cognitive Compounding,AACC):高价值结构经过 AI 大规模展开、推演和验证后形成新的知识与候选结构,并进一步扩大下一轮能够形成和检验的高层结构范围。AACC 描述的是结构生成连续累积和放大的过程,而不是独立的 ASI 能力指标。 本文进一步以结构自主性(Structural Autonomy)描述 AI 在缺少任务执行阶段人类关键结构输入时,自主形成、评价和修正完成任务所需高层结构的能力。在此基础上,本文提出一种 ASI 的结构进度框架:在保持结构生成有效性的前提下,AI 能够进入结构开放性越来越高的任务,对关键人类 S 输入的依赖持续下降,并将这种能力扩展到越来越广泛的领域。 这一框架不是对经典 ASI 能力水平定义的替代,也不是完整的 ASI 距离函数,而是可能构成完整 ASI 所需的一个重要能力维度。本文进一步提出,AGI 与 ASI 的差异不宜理解为“AGI 没有结构创新而 ASI 才有”,而应理解为两者对结构自主性的覆盖范围与能力上界要求不同:AGI 的核心目标是广泛自主覆盖普通人类通过长期协作能够完成的智力工作;完整 ASI 则还要求在广泛的高结构开放性任务中,自主进入过去主要依赖最优秀人类进行问题重构、抽象发现和原创结构生成的能力区域,并达到或超过人类最高水平。二者因此可以作为两条同步推进、相互作用但并非严格前后继的能力前沿。