《超级智能》第二节

本节探讨从人类水平智能到完全超级智能的路径难度，即“反抗度”问题。

本节探讨从人类水平智能到完全超级智能的路径难度，即“反抗度”问题。作者认为，虽然起点高，但一旦机器达到人类水平，实现超级智能的难度往往会迅速下降。

以全脑仿真为例，制造首个系统需攻克扫描、图像识别等技术难题并投入大量人力；而改进现有仿真系统则主要是软件层面的优化，如调整算法、扩充模板库、扫描更多人脑，且数字大脑可被复制、重置和变速运行，能带来巨大创新空间。因此，反抗度起初会急剧下跌，之后因效率问题解决、模板边际效益锐减以及可能出现的志愿者组织推动限制仿真劳动等政治因素而回升。

对于人工智能，其反抗度取决于系统架构，可能很低（如关键问题突破后直接飞跃，或子系统超过阈值后表现迅速改善）。提高智能还有三条途径：一是内容改进，即通过阅读网络等大量吸收知识，如TextRunner类系统可在数周内读完国会图书馆藏书，成为弱超级智能；二是硬件改进，短期内算力与资金大致成正比，长期看可通过扩大产能、技术进步（如摩尔定律）提升。仿真系统需优化记忆结构以利用快速内容积累。