Hinton参与撰写首篇RSI论文，探讨AI研发自动化与智能爆炸
一篇由Geoffrey Hinton、Yoshua Bengio等22位作者合著的论文《What if automating AI R&D triggers an intelligence explosion?》讨论递归自我改进（RSI）与智能爆炸。论文引用实验室数据称AI自主研发比例上升，但强调现有证据不足以证明智能爆炸已经发生。
Hinton参与撰写首篇RSI论文，聚焦AI研发自动化
据量子位报道，图灵奖与诺贝尔物理学奖得主Geoffrey Hinton参与撰写了其首篇关于递归自我改进（RSI）的论文，题为《What if automating AI R&D triggers an intelligence explosion?》。该论文共有22位作者，包括Yoshua Bengio、Andrew Barto、Jakub Pachocki等研究者。论文讨论的核心问题是：如果AI大规模参与研发下一代AI，并形成一轮轮反馈循环，是否会跑出智能爆炸曲线。
论文观点与引用数据
论文提出，一旦AI能完整参与研发下一代AI，递归自我改进可能真正闭环；AI研发自动化越过某个临界点后，原本需要数年完成的AI进步可能被压缩到数月甚至更短。论文还引入「有效研发劳动力」概念，认为AI研究员可复制、可同步升级，理论上可能使研发规模从数千人量级扩张到数百万量级。
论文引用了Anthropic等实验室的内部数据：2025年1月AI生成的获批代码占比为低个位数，到2026年5月这一比例超过80%；2026年3月Claude在高层人类监督下可自主完成约1%的研发工作，到同年8月升至26%。论文同时提到，截至2026年9月，OpenAI内部AI系统已可经常完成原本人类员工需数天完成的研发任务。论文引用一项对三个AI研究子领域历史数据的研究，称研究回报参数r的中心估计约为1.2至1.9，并据此推演AI技术进步速度可能在大约1.5年内提高10倍。
限制与来源
论文强调，当前证据远不足以证明智能爆炸已经发生，AI研发自动化与智能爆炸之间还隔着可靠性、研发产出提升、成果反哺AI研发能力等条件。论文还列出算力、数据、实验时间和科研边际收益递减等现实约束，指出GPU无法凭空复制，前沿模型训练本身可能耗时数月，互联网自然数据不会随AI研究员数量同步增长。上述数据与推演均来自论文及量子位报道，具体结论以论文原文和官方发布信息为准。