

> 所谓的“AI正在自我进化”，不过是大厂为了掩盖大模型能力增长曲线见顶而抛出的新一轮公关烟雾弹。当合成数据被包装成通用人工智能的曙光，我们需要的是物理法则的冷思考，而非盲目的奇点狂热。

## 所谓自我改进仅仅是高质量合成数据循环
近日，OpenAI放风宣称在内部模型中观察到了“递归自我改进”（Recursive Self-Improvement）的早期迹象，这一消息瞬间引爆了社交媒体。各路自媒体惊呼AGI（通用人工智能）已经降临，机器觉醒的奇点就在眼前。然而，穿透这层厚厚的信息迷雾，从严谨的计算机科学逻辑来看，这种说辞极其经不起推敲，带有浓烈的硅谷式技术营销色彩。

戳破假象　左脚踩右脚上天的工程骗局。在学术界，真正的“递归自我改进”意味着AI系统能够理解自身的底层架构，并自主编写出比当前Transformer更高效的新架构和优化算法，从而实现跨越式的心智迭代。而目前OpenAI所暗示的现象，大概率只是“自动化的高质量合成数据飞轮”。即让大模型生成大量的代码和逻辑推理过程，用规则过滤掉错误的，再把正确的喂给自己进行下一轮微调训练。这本质上依然是在人类设计的算法框架内进行数据的左手倒右手。这种通过蒸馏自身输出来提纯数据的做法，虽然短期内能提升某些特定基准测试的分数，但绝对无法突破模型自身原有的理论天花板。

![72.png](https://static.downly.cn/images/e4b89422cb9595769712be607a506707.png)
 <center>图源备注 图片由AI生成</center>

## 掩盖模型能力增长见顶的公关烟雾弹
为什么要在这个时间点抛出这种极具诱导性且难以证伪的宏大叙事？如果我们把目光放到整个AI行业的商业棋盘上，答案便呼之欲出。过去一年多来，尽管硬件算力成倍增加，但全球顶尖的大模型在逻辑推理能力上的实质性突破已经明显放缓。互联网上高质量的人类文本数据早已被榨干。

隐秘动机　安抚资本市场对技术停滞的焦虑。面对万亿美元级别的巨额投入，资本需要看到持续呈指数级增长的回报预期。当“扩大参数规模”和“增加训练数据”这两板斧越来越难以带来震撼人心的魔力时，OpenAI必须向华尔街讲出一个更为惊悚、也更具想象力的新故事。“机器已经能够自我提升”，无疑是维持其超高估值的完美话术。它巧妙地将大众的注意力从眼下的高昂推理成本、幻觉难以根除等工程烂摊子中转移开来，拉到了对未来无限算力乌托邦的憧憬之上。

![73.png](https://static.downly.cn/images/9c64be461d0e5925c75ea849c0ab335b.png)
<center>图源备注 图片由AI生成</center>

## 资本需要新故事但技术需要遵循物理法则
我们不否认这种基于合成数据的微调循环确实能让模型在编程助手等特定工具链中变得更加好用，但它绝不是通向科幻电影中那种全能超级智能的通道。信息论的基本定律决定了封闭系统内的熵增不可避免，依靠模型自身的输出反哺自身，最终极易陷入模型崩溃（Model Collapse）或产生更加坚不可摧的深层偏见。

清醒预判　狂热过后的估值重估。在这个充斥着FOMO（错失恐惧）情绪的时代，作为从业者与观察者，最危险的莫过于对企业公关通稿的全盘接受。在未来，我们将看到更多诸如“觉醒”、“奇点”、“自我进化”等拟人化的宗教式词汇被滥用于商业宣传。但剥开这层画皮，AI目前依然只是庞大的矩阵乘法运算。拒绝神化，回归务实的应用落地和工程优化，才是这波AI浪潮不至于沦为历史上又一场巨大泡沫的唯一路径。

搜索结果: 递归自我改进