Hinton发表首篇递归自我改进（RSI）论文探讨智能爆炸可能性

2026年10月5日，人工智能领域权威Geoffrey Hinton发布其首篇关于递归自我改进（RSI）的论文，系统探讨AI研发自动化可能引发的智能爆炸风险。论文题为《What if automating AI R&D triggers an intelligence explosion?》，汇聚了包括Yoshua Bengio、Andrew Barto、Jakub Pachocki等在内的22位AI领域顶尖研究者。

论文指出，当AI系统能完整参与下一代AI的研发流程，并通过持续改进加速自身能力进化时，可能形成自我强化的反馈循环。这种递归自我改进机制或使AI研发周期从数年压缩至数月，甚至更短。作者预测，未来AI实验室规模可能从数千人跃升至数百万研究员。

研究引用了Anthropic等头部实验室的内部数据：2025年1月AI生成代码占比不足10%，而2026年5月已超过80%。Claude系统自主完成研发工作的比例从2026年3月的1%升至同年8月的26%。OpenAI内部AI系统亦可完成原本需人类数天完成的研发任务。

论文强调，AI研发流程的自动化关键不在于单一环节的效率提升，而是多个步骤的连续串联。当AI能持续执行提出假设、设计实验、分析结果等完整研发流程时，其角色将向真正研究员靠拢。这种特性使AI研发成为首个具备明确工程路径的智能爆炸触发条件。

研究提出'software-driven intelligence explosion'概念，认为算法改进等软件层面的突破可快速迭代，与芯片制造等硬件周期形成鲜明对比。论文特别指出，AI研究员的复制能力将突破人类科研人才培养的代际限制，通过增加推理算力和实例数量实现指数级扩张。

作者引入'effective R&D workforce'概念，估算当AI达到顶级研究员水平时，其研发效能可能远超人类团队。这种由软件改进驱动的智能爆炸路径，标志着AI技术发展进入全新阶段。