ข่าวลือ RSI ของ Google: ทำความเข้าใจ AGI และข้อถกเถียงเรื่องความเร็วของ AI

AI ที่ช่วยให้คุณทำโปรเจ็กต์ยากๆ ให้เสร็จนั้นมีประโยชน์ AI ที่ช่วยสร้าง AI ที่มีความสามารถมากขึ้นจะเปลี่ยนจังหวะการมาถึงของเครื่องมือที่มีประโยชน์ ความเป็นไปได้ประการที่สองนั้นอธิบายได้ว่าทำไมโพสต์ที่เป็นความลับบางโพสต์เกี่ยวกับ Google จึงดึงดูดความสนใจ เช่นเดียวกับผู้นำ AI ของคู่แข่งเริ่มสนับสนุนตารางการพัฒนาที่มีการวัดผลมากขึ้นต่อสาธารณะ

สองคำทำให้เรื่องราวอ่านง่ายขึ้น AGI หรือปัญญาประดิษฐ์ทั่วไป อธิบายถึง AI ที่มีความสามารถในวงกว้าง: ระบบที่สามารถเรียนรู้และทำงานทางปัญญาต่างๆ มากมาย RSI หรือการปรับปรุงตนเองแบบเรียกซ้ำ อธิบายถึงกระบวนการ: AI มีส่วนช่วยในการปรับปรุงระบบ AI และการปรับปรุงเหล่านั้นจะช่วยปรับปรุงในรอบถัดไป ประการหนึ่งคือเกี่ยวกับขอบเขตความสามารถของระบบ อีกประการหนึ่งเกี่ยวกับความก้าวหน้าที่ป้อนกลับเข้าสู่ตัวมันเอง

บทความนี้ติดตามข่าวลือของ Google ไปจนถึงโพสต์ X ดั้งเดิม แยกการรับรองสาธารณะออกจากข้อตกลงจริงเพื่อให้การพัฒนาช้าลง และตรวจสอบว่าวงจรการวิจัยที่เร็วขึ้นอาจมีความหมายต่อชีวิตปกติอย่างไร ตัดยอดการรายงานคือ 14 กันยายน 2026 มุมมองของฉันในแง่ดี: เครื่องมือที่ดีกว่าสามารถทำให้ความเชี่ยวชาญเข้าถึงได้มากขึ้น แต่อนาคตที่น่าปรารถนานั้นรวมถึงการมีเวลาเพียงพอในการตรวจสอบผลลัพธ์และอำนาจที่เพียงพอในการเปลี่ยนแปลงวิถี

ความแตกต่างสามประการที่ต้องจำไว้

• AGI, RSI และสติปัญญาระดับสูงบรรยายสิ่งต่าง ๆ ไม่มีคำพ้องความหมายสำหรับ AI ที่มีจิตสำนึก
• งานสาธารณะของ Google สนับสนุนคำกล่าวอ้างที่ว่า AI กำลังช่วยพัฒนา AI โพสต์ X ที่หมุนเวียนไม่ได้สร้างวงจรการปรับปรุงที่ยั่งยืนและเป็นอิสระอย่างสมบูรณ์
• ผู้นำหลายรายสนับสนุนการควบคุมจังหวะการพัฒนาและการประเมินจากภายนอกอย่างเปิดเผย แต่ยังไม่ใช่หลักฐานว่าทั้งอุตสาหกรรมลงนามและปฏิบัติตามข้อตกลงชะลอการพัฒนาร่วมกันแล้ว

AGI คือความสามารถในการเรียนรู้และทำงานได้หลายประเภท

ผู้เชี่ยวชาญสามารถมีความพิเศษในงานเดียวได้ เครื่องมือหมากรุกสามารถเอาชนะแชมป์เปี้ยนได้โดยไม่ต้องอธิบายสัญญาเช่า วางแผนโครงการวิจัย หรือเรียนรู้ขั้นตอนการทำงานใหม่ในสำนักงาน AGI หมายถึงความทะเยอทะยานที่กว้างขึ้น: ระบบ AI ที่สามารถถ่ายโอนความสามารถที่เป็นประโยชน์ไปยังงานทางปัญญาหลายประเภท รวมถึงงานที่ไม่คุ้นเคย ในชีวิตประจำวัน คำถามก็คือว่าจะสามารถเรียนรู้ต่อไปว่าจะมีประโยชน์อย่างไรเมื่อมีการเปลี่ยนแปลงการมอบหมายงานหรือไม่

ไม่มีเส้นชัยใดที่เป็นที่ยอมรับในระดับสากล ในเดือนพฤศจิกายน 2023 นักวิจัย DeepMind เสนอให้ประเมิน AGI ตามมิติต่างๆ รวมถึงประสิทธิภาพ ลักษณะทั่วไป และความเป็นอิสระ กรอบการทำงานของพวกเขาสร้างความแตกต่างที่มีคุณค่า: การเก่งงานหลายๆ งานและการได้รับอนุญาตให้ทำงานอย่างอิสระถือเป็นคุณสมบัติที่แยกจากกัน ระบบที่มีความสามารถสูงยังคงสามารถใช้งานได้โดยมีสิทธิ์การใช้งานที่แคบ ระดับของ AGI ส่งครั้งแรกเมื่อวันที่ 4 พฤศจิกายน 2023

สำหรับผู้เริ่มต้น ลองพิจารณาผู้ช่วยสมมติที่ขอให้ช่วยเหลือองค์กรไม่แสวงผลกำไรขนาดเล็ก จำเป็นต้องเข้าใจสเปรดชีตที่ไม่คุ้นเคย ร่างใบสมัครขอรับทุน สังเกตความขัดแย้งในงบประมาณ และเรียนรู้กฎการรายงาน การสาธิตที่น่าเชื่อถือจะแสดงประสิทธิภาพที่เชื่อถือได้ในการเปลี่ยนแปลงเหล่านั้น รวมถึงการรู้ว่าเมื่อใดควรขอความช่วยเหลือ ข้อเสนอการให้ทุนสนับสนุนที่ได้รับการขัดเกลาประการหนึ่งจะสร้างรูปแบบที่น้อยกว่ารูปแบบที่กว้างกว่านี้มาก

นี่คือเหตุผลว่าทำไมคะแนนมาตรฐานจึงไม่ใช่ใบรับรองข่าวกรองสากล เกณฑ์มาตรฐานบอกเราบางอย่างเกี่ยวกับงานที่ระบุภายใต้เงื่อนไขที่ระบุ อาจทำให้ความน่าเชื่อถือที่ยั่งยืน สภาพแวดล้อมที่ไม่คุ้นเคย ต้นทุนในทางปฏิบัติ หรือความสามารถในการฟื้นตัวจากข้อผิดพลาด เมื่อมีคนประกาศ AGI การติดตามผลที่เป็นประโยชน์คือ ความสามารถใด ระดับใด ขอบเขตงานใด และความช่วยเหลือมากน้อยเพียงใด

ASI หรือปัญญาประดิษฐ์ขั้นสูง มักจะหมายถึงความสามารถที่เหนือกว่ามนุษย์อย่างมากในงานด้านความรู้ความเข้าใจที่หลากหลาย ถือเป็นอีกแนวคิดหนึ่งที่ไม่จำเป็นต้องมีป้ายกำกับสำหรับทุกรุ่นที่น่าประทับใจ ทั้ง AGI และ ASI ไม่ได้บ่งบอกถึงการรับรู้ อารมณ์ หรือชีวิตภายในที่เหมือนมนุษย์โดยอัตโนมัติ บทความนี้เกี่ยวกับความสามารถ กระบวนการพัฒนา และตัวเลือกที่ผู้คนเลือก

RSI ทำให้ความก้าวหน้าช่วยปรับปรุงวิธีสร้างความก้าวหน้ารอบถัดไป

ซอฟต์แวร์ทั่วไปได้รับการปรับปรุงเพราะผู้คนพบปัญหา เสนอการเปลี่ยนแปลง ทดสอบ และเก็บการเปลี่ยนแปลงที่ใช้งานได้ AI สามารถช่วยเหลือในแต่ละขั้นตอนได้แล้ว สามารถแนะนำอัลกอริทึมที่เร็วขึ้น สร้างกรณีทดสอบ หรือช่วยวินิจฉัยการทดสอบที่ล้มเหลว RSI มีความน่าสนใจเมื่อสิ่งที่ได้รับจากงานนั้นทำให้ระบบดีขึ้นในการดำเนินการปรับปรุงรอบถัดไป

ลองนึกถึงโรงงานวิจัยขนาดเล็กที่ปรับปรุงเครื่องมือของตัวเอง เครื่องมือวัดที่แม่นยำขึ้นช่วยสร้างเครื่องมือรุ่นถัดไปที่ดีขึ้น และเครื่องมือนั้นก็ช่วยการปรับปรุงครั้งต่อไปอีกทอดหนึ่ง การเปลี่ยนแปลงที่สำเร็จแต่ละครั้งเพิ่มสิ่งที่ทำได้ในการทดลองรอบหน้า ประเด็นสำคัญคือผลดีนั้นเกิดขึ้นจริง ถูกเก็บรักษา และช่วยงานวิจัยต่อไป ไม่ใช่เพียงทำให้สถานที่แห่งนี้ยุ่งขึ้น

แชทบอทแก้ไขคำตอบห้าครั้งไม่จำเป็นต้องปรับปรุงโมเดลพื้นฐาน คุณลักษณะหน่วยความจำสามารถรักษาข้อเท็จจริงได้โดยไม่ต้องอัปเดตพารามิเตอร์ที่เรียนรู้ของเครือข่าย เอเจนต์การเขียนโค้ดสามารถปรับปรุงเครื่องมือของตัวเองได้ ในขณะที่โมเดลที่ขับเคลื่อนโมเดลนั้นยังคงไม่เปลี่ยนแปลง สิ่งเหล่านี้เป็นกลไกที่มีประโยชน์ แต่รูปแบบที่แข็งแกร่งของ RSI นั้นเกี่ยวข้องกับการปรับปรุงความสามารถในการสร้างระบบ AI ที่ดีขึ้นอย่างต่อเนื่อง คำแนะนำสำหรับการเรียนรู้อย่างต่อเนื่องและลูปการปรับปรุง ก่อนหน้านี้จะสำรวจกลไกที่แคบลงเหล่านั้น

คำจำกัดความยังอธิบายด้วยว่าเหตุใด AGI และ RSI จึงไม่จำเป็นต้องมาถึงในคำสั่งซื้อคงที่ ระบบสามารถช่วยเพิ่มประสิทธิภาพการฝึกอบรม AI ในขณะที่ยังคงอ่อนแอกับงานหลายอย่างในแต่ละวัน ในทางกลับกัน AI ที่มีความสามารถในวงกว้างสามารถพัฒนาได้ผ่านกระบวนการที่ยังคงกำกับโดยผู้คน RSI สามารถเร่งเส้นทางไปสู่ลักษณะทั่วไปที่มากขึ้น แต่การเขียนตัวอักษรทั้งสามตัวบนไดอะแกรมไม่ได้พิสูจน์ว่าเส้นทางนั้นสิ้นสุดที่ใด

แผนภาพแนวคิดดั้งเดิม AGI และ RSI เป็นมิติที่แตกต่างกัน ไม่ใช่ลำดับเหตุการณ์สำคัญที่รับประกัน โดยแสดงให้เห็นคำจำกัดความข้างต้น ไม่ใช่ความสามารถที่วัดได้ของรุ่นใดรุ่นหนึ่ง

ข่าวลือเกี่ยวกับ Google ย้อนกลับไปถึงโพสต์สองรายการ

บทความของ AI Times วันที่ 14 กันยายน เล่าถึงข่าวลือที่แพร่ในชุมชน AI เมื่อตามโพสต์ที่ฝังไว้และลิงก์ในบทวิเคราะห์ภายหลัง จะพบแหล่งต้นทางเพียงไม่กี่แห่งที่ระบุได้ชัดเจน เรื่องนี้สำคัญเพราะการแชร์ร้อยครั้งอาจดูเหมือนการยืนยันร้อยครั้ง ทั้งที่ส่วนใหญ่เพียงกล่าวซ้ำข้ออ้างแรก

เมื่อวันที่ 11 กันยายน บัญชี Lyra, @lyraxana ได้โพสต์ข้อความแสดงความยินดีสั้นๆ พร้อมแท็ก Google DeepMind การใช้อักษรตัวพิมพ์ใหญ่ที่ผิดปกติเน้นตัวอักษร R, S และ I โพสต์ดังกล่าวไม่ได้ระบุวิธีการทดลอง ผลการปฏิบัติงาน หรือคำอธิบายเกี่ยวกับการมีส่วนร่วมของมนุษย์ มันเป็นคำเชิญให้อนุมานบางสิ่งจากตัวย่อ

ต่อมาในวันนั้น Lentils, @Lentils80 อ้างอิงโพสต์ของ Lyra และอ้างถึงโมเดลภายในที่เรียกว่า rsi-model-liverl-le พร้อมด้วยช่องฝึกซ้อมที่มีหมายเลขสิบช่อง ภาพหน้าจอที่เกี่ยวข้องกลายเป็นจุดสนใจของการเก็งกำไรอีกจุดหนึ่ง สิ่งเหล่านี้เป็นการกล่าวอ้างเกี่ยวกับรายการภายในที่ถูกกล่าวหา ความถูกต้องของรายการและความสัมพันธ์กับระบบการทำงานไม่ได้ถูกกำหนดโดยอิสระในการสอบสวนนี้

เมื่อวันที่ 12 กันยายน Chubby, @kimmonismus ได้ขยายข่าวลือและเชื่อมโยงกลับไปยังโพสต์ Lyra เดียวกัน สิ่งนี้ทำให้เกิดเส้นทางการหมุนเวียน มันไม่ได้สร้างแหล่งอิสระแห่งที่สองสำหรับการพัฒนา และชื่อเสียงของบัญชีจากการรั่วไหลก่อนหน้านี้ไม่สามารถทดแทนหลักฐานเกี่ยวกับการเรียกร้องนี้โดยเฉพาะได้

แม้แต่ชื่อภายในที่แท้จริงก็ยังทำให้คำถามหลักไม่ได้รับคำตอบ ทีมอาจตั้งชื่อโครงการตามเป้าหมายก่อนจะบรรลุเป้าหมาย การทดลองอาจปรับปรุงองค์ประกอบที่แคบในขณะที่ยังคงขึ้นอยู่กับทิศทางของมนุษย์เป็นอย่างมาก เราจำเป็นต้องมีผลลัพธ์ที่วัดได้ มีพื้นฐานที่ชัดเจน และต้องคำนึงถึงสิ่งที่เป็นไปโดยอัตโนมัติก่อนที่จะสรุปผลได้ชัดเจนยิ่งขึ้น

เมื่อสิ้นสุดการตรวจสอบ ข้อสรุปจึงมีขอบเขตจำกัด: ข่าวลือ RSI ของ Google มีแหล่งต้นทางบน X ที่ติดตามได้ แต่โพสต์เหล่านี้ยังไม่พิสูจน์ RSI ที่ทำงานอย่างอิสระเต็มรูปแบบ ฉันไม่พบประกาศของ Google ที่ยืนยันรายการภายในดังกล่าว หรือผลประเมินซ้ำจากผู้ประเมินอิสระที่จำเป็นต่อข้อสรุปนั้น นี่คือขอบเขตของหลักฐานสาธารณะที่ตรวจสอบ ไม่ใช่ข้อพิสูจน์ว่าไม่มีความก้าวหน้าที่ยังไม่เปิดเผย

งานวิจัยที่ Google เผยแพร่บอกเราได้มากกว่าชื่อที่หลุดออกมา

มีเหตุผลที่ข่าวลือพบผู้ชม Google ได้อธิบายต่อสาธารณะว่า AI มีส่วนช่วยในการพัฒนา AI ในการประกาศ วันที่ 2 กันยายน 2026 Gemini 3.8 บริษัทกล่าวว่าเอเจนต์ลูปที่ทำงานระยะยาวช่วยประเมินและปรับปรุงโมเดลพื้นฐานแบบวนซ้ำ นั่นเป็นคำแถลงที่สำคัญและน่าเชื่อถือเกี่ยวกับกระบวนการพัฒนา ยังไม่ได้ระบุห่วงโซ่ของระบบสืบทอดที่เป็นอิสระอย่างสมบูรณ์ ประกาศ Gemini 3.8 ของ Google

ผลลัพธ์ก่อนหน้านี้ทำให้แนวคิดมีระดับที่เป็นรูปธรรม Google DeepMind รายงานใน เดือนพฤษภาคม 2025 ว่า AlphaEvolve ปรับปรุงเคอร์เนลการฝึก Gemini ที่สำคัญขึ้น 23% ซึ่งส่งผลให้เวลาการฝึกโดยรวมลดลงประมาณ 1% เอเจนต์การเขียนโค้ดใช้โมเดลภาษา การประเมินอัตโนมัติ และการเลือกเพื่อค้นหาอัลกอริธึมที่ดีกว่า ประกาศ AlphaEvolve วันที่ 14 พฤษภาคม 2568

ความแตกต่างระหว่าง 23% และ 1% เป็นเพียงคำแนะนำ การปรับปรุงองค์ประกอบหนึ่งไม่ได้ช่วยปรับปรุงวงจรการพัฒนาทั้งหมดด้วยจำนวนที่เท่ากัน งานอื่นยังต้องใช้เวลา แม้แต่การประหยัดเพียงเล็กน้อยก็มีความสำคัญเมื่อใช้ซ้ำๆ กับการฝึกอบรมที่มีราคาแพง และการเพิ่มประสิทธิภาพที่เป็นประโยชน์สามารถกลายเป็นส่วนหนึ่งของกระบวนการที่สร้างโมเดลถัดไปได้

นั่นเป็นรากฐานที่ดีกว่าสำหรับการมองโลกในแง่ดีมากกว่าการเดาว่าชื่อไฟล์หมายถึงอะไร สนามนี้สามารถสร้างความก้าวหน้าตามมาได้ก่อนที่ใครก็ตามจะสาธิต RSI เวอร์ชันที่แข็งแกร่งที่สุด เราควรจะสามารถรับรู้ถึงความสำเร็จทางวิศวกรรมได้โดยไม่ต้องเปลี่ยนเป็นการอ้างว่า AI ได้กลายเป็นนักประดิษฐ์อิสระสำหรับอนาคตทั้งหมด

เรื่องราวการพัฒนาของตัวเอง วันที่ 4 มิถุนายน 2026 ของ Anthropic สร้างความแตกต่างที่คล้ายกัน รายงานการมีส่วนร่วมของ AI ที่เพิ่มขึ้นในด้านวิศวกรรมและการทดลอง ขณะเดียวกันก็ระบุทิศทางการวิจัยและการตัดสินว่าเป็นช่องว่างที่เหลืออยู่ การอภิปรายเกี่ยวกับการพัฒนาผู้สืบทอดอัตโนมัติโดยสมบูรณ์นั้นมีเงื่อนไขอย่างชัดเจน นี่เป็นข้อสังเกตของบริษัทเกี่ยวกับขั้นตอนการทำงานของตนเอง ไม่ใช่ข้อพิสูจน์อิสระเกี่ยวกับ RSI ที่เป็นอิสระ เมื่อ AI สร้างตัวเอง

Amodei, Altman และ Musk สนับสนุนการควบคุมจังหวะการพัฒนาอย่างเปิดเผย

วันที่ 12 กันยายน Dario Amodei ซีอีโอของ Anthropic เสนอให้ควบคุมความเร็วในการพัฒนา AI ขั้นแนวหน้า เพื่อให้งานด้านความปลอดภัยมีเวลาตามความสามารถที่เพิ่มขึ้นให้ทัน แผนมีสามส่วน ได้แก่ ผู้ประเมินอิสระที่เข้าถึงงานภายในอย่างต่อเนื่อง การประสานงานระหว่างผู้พัฒนาชั้นนำในประเทศประชาธิปไตย และความร่วมมือระหว่างประเทศที่กว้างขึ้น Anthropic ให้คำมั่นว่าจะเริ่มจากผู้ประเมิน ส่วนความร่วมมือที่กว้างกว่านั้นยังต้องสร้างขึ้น บทความเดือนกันยายนของ Amodei

ต่อมา Sam Altman สนับสนุนการควบคุมจังหวะการพัฒนาบน X อย่างเปิดเผย และกล่าวว่า OpenAI จะให้ผู้ประเมินอิสระเข้าถึงข้อมูลได้ในระดับใกล้เคียงพนักงานเช่นกัน Elon Musk สนับสนุนจุดยืนของ Amodei ผ่านโพสต์สั้น ๆ ทั้งหมดเป็นคำแสดงการสนับสนุนที่ตรวจสอบได้โดยตรง แต่ไม่ควรตีความเพิ่มว่าเป็นข้อตกลงดำเนินงานที่ละเอียดกว่าสิ่งที่ประกาศจริง

การควบคุมจังหวะไม่ใช่การหยุดงานวิจัย AI ทั้งหมด Amodei เสนอให้จัดสรรเวลาสำหรับมาตรการป้องกันและการประเมินจากภายนอกควบคู่กับการพัฒนาต่อ ความยากอยู่ที่การปฏิบัติ: จะประเมินอะไร ใครเข้าถึงได้ ใครเผยแพร่ผลที่ไม่เป็นผลดีต่อบริษัทได้ และจะทำอย่างไรหากบริษัทไม่เห็นด้วยกับการประเมิน คำตอบเหล่านี้จะกำหนดว่าคำมั่นเปลี่ยนพฤติกรรมจริงหรือไม่

การอ่านของฉันคือการบรรจบกันมีความสำคัญเนื่องจากคู่แข่งยอมรับอย่างเปิดเผยถึงปัญหาที่มีร่วมกัน มันไม่ได้ขจัดแรงจูงใจในการแข่งขัน การประเมินโดยอิสระจะมีคุณค่าอย่างยิ่ง เนื่องจากลูกค้า รัฐบาล และผู้พัฒนาที่เป็นคู่แข่งไม่ควรต้องยอมรับการรับรองชื่อเสียงเพียงอย่างเดียว มาตรฐานควรเป็นหลักฐานของการปฏิบัติตาม ไม่ใช่พลังทางอารมณ์ของคำแถลงต่อสาธารณะ

ยังมีข้อกังวลที่ถูกต้องตามกฎหมายเกี่ยวกับวิธีการจัดเตรียมดังกล่าว ข้อกำหนดการปฏิบัติตามกฎระเบียบที่มีราคาแพงอาจเป็นประโยชน์ต่อองค์กรที่มีงบประมาณจำนวนมากอยู่แล้ว นั่นคือเหตุผลในการเรียกร้องให้มีกฎเกณฑ์ตามสัดส่วน ผู้ประเมินที่รับผิดชอบ และที่ว่างสำหรับนักพัฒนารายย่อย ไม่ได้เป็นหลักฐานว่าข้อกังวลด้านความปลอดภัยดังกล่าวถูกสร้างขึ้น หรือข่าวลือของ Google ทำให้เกิดการเรียกร้องให้มีการควบคุมจังหวะการพัฒนา

ทรัมป์วางการแข่งขันกับจีนไว้กลางประเด็น

วันที่ 13 กันยายน ทรัมป์กล่าวกับผู้สื่อข่าวในไอร์แลนด์ว่าต้องการให้สหรัฐฯ รักษาความได้เปรียบด้าน AI เหนือจีน และไม่เห็นด้วยนักกับเสียงเรียกร้องให้จำกัดการพัฒนา เขายอมรับว่าอาจมีมาตรการป้องกันบางอย่าง แต่ไม่ได้ระบุกฎเฉพาะ คำพูดนี้สะท้อนการต่อต้านการชะลอการแข่งขัน ไม่ใช่การยับยั้งข้อตกลงของอุตสาหกรรมที่ทำเสร็จแล้ว Associated Press วันที่ 13 กันยายน เผยแพร่โดย CityNews

ปัญหาเชิงกลยุทธ์เป็นที่เข้าใจได้ หากกลุ่มหนึ่งยอมรับข้อจำกัดที่มีราคาแพงในขณะที่คู่แข่งไม่ยอมรับ ความได้เปรียบที่เกิดขึ้นอาจส่งผลต่ออำนาจทางเศรษฐกิจและความมั่นคง การจัดการระหว่างประเทศที่ใช้การได้จึงจำเป็นต้องมีวิธีที่จะพิสูจน์ได้ว่าผู้เข้าร่วมปฏิบัติตามสิ่งที่พวกเขาสัญญาไว้หรือไม่ การประกาศว่าทุกคนควรร่วมมือนั้นง่ายกว่าการออกแบบการตรวจสอบที่น่าเชื่อถือมาก

แต่การชนะการแข่งขันและการควบคุมผลที่ตามมานั้นเป็นความสำเร็จที่แยกจากกัน ระบบที่ทำให้เกิดความล้มเหลวที่หลีกเลี่ยงได้นั้นไม่น่าเชื่อถือเนื่องจากถูกสร้างขึ้นในประเทศ มุมมองของฉันคือการเป็นผู้นำควรรวมถึงความสามารถในการทดสอบ รักษาความปลอดภัย และควบคุมระบบที่มีประสิทธิภาพ เช่นเดียวกับความสามารถในการฝึกอบรมพวกเขา ความสามารถเหล่านั้นสามารถเสริมสร้างความเป็นผู้นำที่คงทน แทนที่จะเป็นเพียงการชะลอความก้าวหน้าเท่านั้น

การนำเสนอการอภิปรายสาธารณะว่าเป็นเรื่องปลอดภัยในด้านหนึ่ง และความกังวลเกี่ยวกับจีนในอีกด้านหนึ่ง ถือเป็นเรื่องเข้าใจผิด ข้อเสนอของ Amodei กล่าวถึงการรักษาความเป็นผู้นำในขณะที่แสวงหาการประสานงานระหว่างประเทศ ความขัดแย้งส่วนหนึ่งอยู่ที่วิธีการ: ไม่ว่าลูกค้าเป้าหมายจะได้รับการคุ้มครองอย่างดีที่สุดด้วยความเร็วการพัฒนาสูงสุด โดยการกำกับดูแลร่วมกันที่แข็งแกร่งยิ่งขึ้น หรือโดยการรวมกันที่สามารถตรวจสอบได้จริง

วงจรวิจัยที่ดีขึ้นอาจลดเวลาระหว่างการค้นพบ

ความเป็นไปได้ที่น่าตื่นเต้นไม่ใช่แค่ว่าผู้ช่วยคนต่อไปจะเขียนคำตอบได้ดีขึ้นเท่านั้น ผู้ช่วยที่ดีกว่าจะร่นระยะเวลาการทำงานที่จำเป็นในการผลิตรุ่นต่อๆ ไป คนรุ่นนั้นอาจจะปรับปรุงกระบวนการวิจัยอีกครั้ง หากผลกำไรถูกถ่ายโอนและยังคงมีอยู่ ความคืบหน้าอาจทบต้นแทนที่จะมาถึงเป็นการอัพเกรดแบบแยกส่วน

การวนซ้ำที่มีความหมายมีหลายงาน โดยจะเลือกปัญหาที่เป็นประโยชน์ เสนอการแทรกแซง ดำเนินการทดลอง ประเมินผลลัพธ์ และเก็บการปรับปรุงไว้เมื่อมีหลักฐานสนับสนุนเท่านั้น ผลลัพธ์ที่สะสมไว้จะช่วยในรอบถัดไป การเร่งสร้างข้อเสนอจะเป็นประโยชน์ การเร่งลำดับทั้งหมดในขณะที่รักษาความถูกต้องไว้นั้นเป็นผลสืบเนื่องมากกว่ามาก

ลองนึกภาพทีมที่สามารถสำรวจแนวทางที่น่าเชื่อถือได้สิบแนวทางในเวลาเดียวกับที่สำรวจก่อนหน้านี้ การทดลองเพิ่มเติมบางอย่างจะล้มเหลว และนั่นเป็นเรื่องปกติ ประโยชน์ที่ได้มาจากการเรียนรู้ตั้งแต่เนิ่นๆ ซึ่งแนวทางที่สมควรได้รับทรัพยากรมากขึ้น หากระบบเลือกการทดลองได้ดีขึ้น ทีมก็จะได้รับทั้งความพยายามมากขึ้นและมีโอกาสมากขึ้นที่ความพยายามแต่ละครั้งจะเป็นข้อมูล

นี่เป็นสถานการณ์ที่มีเงื่อนไข ไม่ใช่การคาดการณ์ความก้าวหน้าสิบเท่า การวิจัยมีการพึ่งพากัน: การทดลองหนึ่งอาจต้องการผลลัพธ์ของอีกการทดลองหนึ่ง และความล้มเหลวที่ไม่คาดคิดอาจต้องใช้วิธีการวัดแบบใหม่ การประมวลผลที่มากขึ้นไม่ได้รับประกันว่าจะได้รับข้อมูลเชิงลึกที่เป็นประโยชน์ ปริมาณที่สำคัญคืออัตราของการเรียนรู้ที่ได้รับการตรวจสอบ ไม่ใช่จำนวนตัวแทนที่ดูไม่ว่างในคราวเดียว

แผนภาพกลไกที่จัดทำขึ้นเอง ผลปรับปรุงจะเข้าสู่วงจรถัดไปหลังผ่านการประเมินเท่านั้น ส่วนการตรวจสอบอิสระอยู่ภายนอกวงจร ภาพนี้เสนอหลักการทำงาน ไม่ได้ระบุว่าห้องวิจัยใดสร้างระบบนี้เสร็จแล้ว

หากสิ่งนี้เชื่อถือได้ ตารางการเปลี่ยนแปลงอาจแตกต่างออกไป เครื่องมืออาจได้รับการปรับปรุงในขณะที่องค์กรยังคงปรับตัวเข้ากับรุ่นก่อนหน้า ทีมงานสามารถค้นพบว่าโครงการที่เลื่อนออกไปเนื่องจากมีราคาแพงเกินไปกลายเป็นสิ่งที่เป็นไปได้ จากนั้นพบว่าปัญหาคอขวดถัดไปคือการตรวจสอบความถูกต้องหรือการส่งมอบ การเร่งความเร็วจะถือเป็นข้อจำกัดที่เปลี่ยนแปลงไป ไม่ใช่แค่การประกาศโมเดลที่น่าประทับใจเท่านั้น

ความคิดที่เร็วขึ้นยังต้องใช้เวลาในโลกกายภาพ

การทดลองทางความคิดง่าย ๆ แสดงข้อจำกัดของการเร่งความเร็ว สมมติว่า 80% ของวงจรวิจัยเร็วขึ้นสิบเท่า แต่อีก 20% ใช้เวลาเท่าเดิม เวลารวมจะเหลือ 28% ของเดิม หรือเร็วขึ้นประมาณ 3.6 เท่า ไม่ใช่สิบเท่า คำนวณจาก 0.8 หาร 10 แล้วบวก 0.2 ตัวเลขนี้เป็นสมมติฐานเพื่ออธิบายหลักการ ไม่ใช่ผลวัดจากห้องวิจัย AI

ส่วนที่ไม่เปลี่ยนแปลงสามารถกลายเป็นส่วนที่โดดเด่นได้อย่างรวดเร็วอย่างน่าประหลาดใจ อาจกำลังรอฮาร์ดแวร์ รวบรวมข้อมูลตัวแทน ตรวจสอบคุณสมบัติด้านความปลอดภัย หรือสร้างผลลัพธ์ขึ้นมาใหม่ ในโครงการชีวการแพทย์อาจเกี่ยวข้องกับงานในห้องปฏิบัติการและหลักฐานทางคลินิก ในโครงการพลังงานอาจเกี่ยวข้องกับวัสดุ การก่อสร้าง และการเชื่อมต่อกับโครงข่ายไฟฟ้า การใช้เหตุผลที่ดีกว่าไม่ได้ทำให้การพึ่งพาเหล่านั้นหายไป

นี่คือสาเหตุที่แบบจำลองที่ได้รับการปรับปรุงอย่างต่อเนื่องไม่สามารถส่งมอบโลกที่มีการปรับปรุงอย่างต่อเนื่องได้ในทันที การค้นพบ การผลิต การจัดจำหน่าย และการรับเลี้ยงบุตรบุญธรรมมีกำหนดการที่แตกต่างกัน ปัญหาคอขวดบางอย่างสามารถปรับปรุงได้ด้วย AI; ส่วนอื่นๆ ต้องการสถาบัน การลงทุน และความสามารถทางกายภาพ สถานการณ์ในแง่ดีที่สมจริงนั้นรวมไปถึงการทำงานทั้งหมดด้วย

ยังเหลือพื้นที่สำหรับแผงขาย RSI รูปแบบที่แข็งแกร่งที่สุดอีกด้วย กำไรอาจหยุดการถ่ายโอน การทดลองอาจมีราคาแพงขึ้น หรือความคืบหน้าอาจขึ้นอยู่กับข้อมูลเชิงลึกที่วิธีการปัจจุบันไม่พบ ถึงอย่างนั้น การแพร่กระจายของความสามารถที่เป็นประโยชน์อยู่แล้วก็อาจสร้างความแตกต่างได้อย่างมาก เราไม่ต้องการเส้นโค้งความเร่งที่ไม่มีที่สิ้นสุดเพื่อพิสูจน์ให้เห็นถึงการปรับปรุงการเข้าถึงเครื่องมือที่ดี

ข้อผิดพลาดอาจถูกส่งต่อไปยังรุ่นถัดไปด้วย

ความคิดเห็นเดียวกันที่รักษาการปรับปรุงสามารถรักษาข้อผิดพลาดได้ สมมติว่าตัวแทนการวิจัยค้นพบการเปลี่ยนแปลงที่ทำให้คะแนนการประเมินเพิ่มขึ้นโดยการใช้ประโยชน์จากจุดอ่อนในการทดสอบ หากผลลัพธ์ได้รับการยอมรับว่าเป็นความก้าวหน้าอย่างแท้จริง งานต่อๆ ไปก็สามารถสร้างต่อยอดได้ ระบบอาจตอบสนองการวัดได้ดีขึ้นในขณะที่มีประโยชน์น้อยลงนอกเหนือจากการวัดนั้น

นี่เป็นความเสี่ยงเชิงโครงสร้าง ไม่ใช่หลักฐานว่าโมเดล Google ที่รั่วไหลออกมามีพฤติกรรมในลักษณะนี้ อธิบายว่าทำไมผู้ประเมินจึงต้องการการปกป้องจากระบบที่กำลังประเมิน การทดสอบอิสระ สิทธิ์แยกต่างหาก และบันทึกที่ทำซ้ำได้ ทำให้คำกล่าวอ้างความสำเร็จที่ผิดพลาดกลายเป็นรากฐานสำหรับรุ่นถัดไปได้ยากขึ้น การวนซ้ำที่เร็วขึ้นทำให้การแยกนั้นมีคุณค่ามากขึ้น

มีปัญหาเดียวกันในเวอร์ชันมนุษย์ เมื่อปริมาณงานเพิ่มขึ้น ผู้คนสามารถเริ่มอนุมัติการเปลี่ยนแปลงที่พวกเขาไม่เข้าใจอีกต่อไป เนื่องจากการเปลี่ยนแปลงก่อนหน้านี้ดูเหมือนจะได้ผล ปุ่มอนุมัติโดยมนุษย์ไม่ใช่การควบคุมดูแลที่สำคัญ หากผู้ตรวจสอบไม่มีเวลา หลักฐานที่เกี่ยวข้อง หรือความสามารถในการหยุดกระบวนการ การออกแบบจำเป็นต้องรักษาโอกาสที่แท้จริงในการไม่เห็นด้วย

ด้วยเหตุนี้ ฉันจะดูความสัมพันธ์ระหว่างความเร็วของการพัฒนาและเวลาที่สามารถตอบสนองได้ สามารถตรวจพบปัญหาได้เร็วแค่ไหน? กระบวนการที่ได้รับผลกระทบสามารถหยุดชั่วคราวได้หรือไม่? การเผยแพร่สามารถย้อนกลับได้หรือไม่ และผลกระทบที่สำคัญสามารถย้อนกลับได้หรือไม่? คำตอบจะแตกต่างกันไปตามผู้ช่วยเขียน ระบบการวิจัย และซอฟต์แวร์ที่สามารถเข้าถึงโครงสร้างพื้นฐานที่สำคัญ

คำเตือนควรจะได้สัดส่วน ไม่ใช่การคาดการณ์ว่าทุกวงจรการปรับปรุงจะกลายเป็นอันตราย หรือการโต้แย้งว่า AI ที่มีประโยชน์ไม่ควรมีให้ใช้งาน เป็นเหตุผลที่ต้องให้สิทธิ์แก่ระบบเป็นขั้นตอนและตรวจสอบผลที่ตามมาในแต่ละขั้นตอน ยิ่งความสามารถก้าวหน้าเร็วเท่าไร เราก็ควรพึ่งพาความเชื่อมั่นอย่างไม่เป็นทางการเป็นตัวควบคุมหลักน้อยลงเท่านั้น

อนาคตที่ดีขึ้นจะทำให้ความช่วยเหลือจากผู้เชี่ยวชาญเข้าถึงได้ในชีวิตประจำวัน

นี่คืออนาคตที่ฉันต้องการให้งานวิจัยนี้สนับสนุน: ความเชี่ยวชาญที่เป็นประโยชน์จะรับได้ง่ายขึ้น ในขณะที่ผู้คนยังคงมีความสามารถในการตั้งคำถาม องค์กรขนาดเล็กควรจะสามารถตรวจสอบปัญหาที่ยากได้โดยไม่ต้องรวบรวมทีมผู้เชี่ยวชาญขนาดใหญ่ก่อน นักเรียนควรมีคำอธิบายของผู้ป่วยที่ปรับให้เข้ากับจุดที่ความเข้าใจล้มเหลว นักวิจัยควรใช้เวลาน้อยลงสักวันในการหาเครื่องมือในการทำงาน และใช้เวลามากกว่านั้นในการตัดสินใจว่าอะไรควรค่าแก่การตรวจสอบ

นี่เป็นสถานการณ์จำลอง ไม่ใช่สัญญาที่แนบมากับวันเปิดตัว AGI คุณค่าของมันมาจากการลดต้นทุนของการทำงานอย่างระมัดระวัง หากมีผู้คนจำนวนมากขึ้นสามารถเปรียบเทียบทางเลือกต่างๆ ตรวจสอบสมมติฐาน และสำรวจสาขาที่ไม่คุ้นเคย โครงการที่คุ้มค่าก็สามารถเริ่มต้นได้หากไม่เป็นเช่นนั้น จะไม่มีความพยายามใดๆ เลย ผลประโยชน์ไม่จำเป็นต้องขึ้นอยู่กับการลบบุคคลออกจากกระบวนการ

ในการวิจัยด้านการดูแลสุขภาพ การมีส่วนร่วมอย่างมีความหวังเป็นเส้นทางที่สั้นกว่าจากแนวคิดที่เป็นไปได้ไปสู่ผู้สมัครที่ได้รับการทดสอบอย่างดี ระบบที่ดีกว่าสามารถเชื่อมโยงการค้นพบจากความเชี่ยวชาญเฉพาะทาง ระบุสมมติฐานที่อ่อนแอ และช่วยออกแบบการทดลองที่ให้ความรู้ การตรวจสอบทางห้องปฏิบัติการและทางคลินิกจะยังคงเป็นตัวกำหนดว่าการค้นพบนี้ช่วยผู้ป่วยได้หรือไม่ การค้นพบที่เร็วขึ้นนั้นมีประโยชน์เมื่อปรับปรุงหลักฐานที่มาถึงขั้นตอนเหล่านั้น ไม่ใช่เมื่อแทนที่ขั้นตอนด้วยร้อยแก้วที่มั่นใจ

ในด้านการศึกษา โอกาสเป็นเรื่องส่วนตัวมากขึ้น ลองนึกภาพผู้เรียนที่สามารถถามคำถามเดียวกันได้สามวิธีโดยไม่ลำบากใจ จากนั้นรับคำอธิบายในภาษาและบริบทที่พวกเขาเข้าใจ ครูสามารถใช้ระบบเพื่อสำรวจความเข้าใจผิดและเตรียมแบบฝึกหัดได้ดีขึ้น ผลลัพธ์ที่ต้องการคือความเข้าใจของมนุษย์มากขึ้น โดยครูและนักเรียนสามารถตรวจสอบและแก้ไขความช่วยเหลือได้

สำหรับซอฟต์แวร์และบริการสาธารณะ ความคืบหน้าอาจทำให้การบำรุงรักษาที่ละเลยมีราคาไม่แพง ทีมขนาดเล็กอาจตรวจสอบข้อบกพร่อง ปรับปรุงการเข้าถึง และปรับปรุงระบบที่ยากลำบากซึ่งก่อนหน้านี้ขาดความสนใจด้านวิศวกรรมเพียงพอ สำหรับงานด้านสภาพอากาศและพลังงาน การค้นหาและการจำลองที่ดีขึ้นสามารถช่วยให้นักวิจัยเปรียบเทียบการออกแบบก่อนที่จะทำการทดลองทางกายภาพที่มีค่าใช้จ่ายสูง เหล่านี้เป็นเส้นทางจากความสามารถในการวิจัยไปสู่คุณค่าเชิงปฏิบัติ โดยมีข้อจำกัดที่แตกต่างกันในแต่ละโดเมน

การกระจายผลประโยชน์เหล่านั้นมีความสำคัญพอๆ กับความเป็นไปได้ทางเทคนิค ระบบที่ยอดเยี่ยมแต่ไม่เอื้ออำนวย ไม่สามารถเข้าถึงได้ในภาษาของชุมชน หรือเป็นไปไม่ได้ที่จะท้าทาย อาจทำให้หลายคนล้าหลังได้ การวิจัยเพื่อสาธารณประโยชน์ อินเทอร์เฟซที่เข้าถึงได้ การแข่งขัน และการเข้าถึงโมเดลที่มีประโยชน์อย่างเหมาะสม เป็นส่วนหนึ่งของภาพในแง่ดี ผลประโยชน์ในวงกว้างคือวัตถุประสงค์การออกแบบและนโยบาย ไม่ใช่ทรัพย์สินทางปัญญาโดยอัตโนมัติ

งานจะเปลี่ยนไปตลอดทาง และผลที่ได้จะไม่ลบล้างการเปลี่ยนแปลงที่ยากลำบาก งานบางอย่างอาจใช้คนน้อยลง ความรับผิดชอบอื่น ๆ อาจมีความต้องการมากขึ้น องค์กรควรลงทุนในความสามารถของบุคลากรในการใช้ ประเมิน และเปลี่ยนเส้นทางเครื่องมือใหม่ แทนที่จะถือว่าการฝึกอบรมขึ้นใหม่เป็นเพียงสิ่งที่คิดในภายหลัง อนาคตที่ดีกว่าทำให้ผู้คนมีทางเลือกมากขึ้นในช่วงการเปลี่ยนแปลงนั้น ไม่ใช่แค่คำมั่นสัญญาว่าจำนวนรวมจะดีขึ้น

กรอบงานบรรณาธิการดั้งเดิม หลักฐาน การควบคุม และการเข้าถึงเป็นเงื่อนไขสำหรับสถานการณ์สมหวังข้างต้น ไม่ใช่การคาดการณ์หรือการจัดอันดับประเทศและบริษัท

ความก้าวหน้าที่มีค่าคือสิ่งที่มนุษย์เข้าใจและกำหนดทิศทางได้

เมื่อมีการเรียกร้อง RSI ครั้งถัดไป ให้ถามว่ามีอะไรเปลี่ยนแปลงไปและมีหลักฐานใดบ้างที่รอดจากการตรวจสอบ คำตอบได้รับการปรับปรุง เครื่องมือได้รับการปรับปรุง หรือความสามารถในการพัฒนาระบบในอนาคตได้รับการปรับปรุงหรือไม่ ผลกำไรได้รับการทำซ้ำนอกการประเมินดั้งเดิมหรือไม่ ใครเป็นผู้กำหนดแนวทางการวิจัย และสิ่งใดที่ยังอยู่ภายใต้การควบคุมของมนุษย์? คำถามเหล่านี้ให้ความรู้มากกว่าการนับถอยหลังสู่ความก้าวหน้าที่กำหนดไว้อย่างคลุมเครือ

สำหรับทีมที่ใช้ AI ในปัจจุบัน การเตรียมการเชิงปฏิบัติก็เป็นรูปธรรมไม่แพ้กัน ให้แหล่งข้อมูลสำคัญเชื่อมโยงกับการตัดสินใจ แยกงานสำรวจออกจากการกระทำที่มีผลกระทบที่ยั่งยืน ให้หลักฐานแก่ผู้ตรวจสอบที่พวกเขาสามารถตรวจสอบได้ และทำให้สามารถย้อนกลับตัวเลือกที่ไม่ดีได้ นิสัยเหล่านี้มีประโยชน์ภายใต้ความสามารถในปัจจุบัน และจะมีคุณค่ามากขึ้นหากวงจรการพัฒนาเร็วขึ้น

ข่าวลือ Google ยังไม่ได้รับการยืนยันในรูปแบบที่แข็งแกร่งที่สุด การเปลี่ยนแปลงในวงกว้างต่อ AI ที่เข้าร่วมในการวิจัย AI ได้รับการบันทึกไว้แล้ว เราสามารถดำเนินการเปลี่ยนแปลงนั้นอย่างจริงจังโดยไม่ต้องแสร้งทำเป็นรู้วันที่หรือรูปร่างของจุดสิ้นสุด ตัวชี้วัดความสำเร็จที่ฉันชอบคือการที่ผู้คนสามารถเข้าใจ สร้างสรรค์ และปรับปรุงได้มากขึ้น ในขณะที่ยังคงรักษาคำพูดที่มีความหมายในสิ่งที่จะเกิดขึ้นต่อไป

แหล่งข้อมูลและขอบเขตการตรวจสอบ

โพสต์ X ได้รับการตรวจสอบผ่านการตอบกลับแบบฝังสาธารณะของ X รวมถึงลิงก์ที่เชื่อมโยงข่าวลือดั้งเดิมและการขยายความ นี่เป็นการตรวจสอบโพสต์ที่เผยแพร่ ไม่ใช่ความถูกต้องของภาพหน้าจอภายในที่ถูกกล่าวหา วันที่ที่แนบมากับโพสต์เหล่านั้นใช้วันที่ที่แสดงด้วย X; วันที่ในปฏิทินท้องถิ่นอาจแตกต่างกัน

• โพสต์ต้นฉบับของ Lyra — 11 กันยายน 2026
• โพสต์ที่ยกมาของ Lentils และรายชื่อนางแบบที่ถูกกล่าวหา — 11 กันยายน 2026
• ขยายเสียงของอ้วน — 12 กันยายน 2026
• รายงานของ AI Times — 14 กันยายน 2026
• ระดับของ AGI — ส่งครั้งแรกเมื่อวันที่ 4 พฤศจิกายน 2023
• ประกาศ AlphaEvolve ของ Google DeepMind — 14 พฤษภาคม 2025
• ประกาศ Gemini 3.8 ของ Google — 2 กันยายน 2026
• เรื่องราวของ Anthropic เกี่ยวกับการพัฒนาโดยใช้ AI — 4 มิถุนายน 2026
• ข้อเสนอของ Amodei เรื่องจังหวะการพัฒนา — กันยายน 2026
• คำตอบของอัลท์แมน — 12 กันยายน 2026
• คำตอบของมัสค์ — 12 กันยายน 2026
• Associated Press เกี่ยวกับคำพูดของทรัมป์ — 13 กันยายน 2026

---

พื้นที่เก็บหลักฐานเบื้องหลังการตัดสินใจ

Telli.sh นำบันทึก การบันทึก การแปล และ Clips มาไว้ในพื้นที่ทำงานที่คุณสามารถกลับมาใช้งานได้ หากการสนทนาหรือบทความเปลี่ยนมุมมองของคุณเกี่ยวกับ AI ให้เก็บแหล่งที่มาไว้ข้างแนวคิดและการตัดสินใจที่ได้รับแจ้ง โมเดลต่างๆ จะยังคงเปลี่ยนแปลงต่อไป เหตุผลที่คุณเลือกที่จะรักษาควรยังคงเป็นที่เข้าใจได้

สร้างพื้นที่ทำงาน Telli.sh สำหรับความรู้ที่คุณต้องการเก็บไว้