用数据和案例,讲清楚行业里的事 关于我们 | 联系方式 | 网站地图
AI行业观察站AI INDUSTRY INSIGHT
首页 › 权威转载 › 正文

Jeff Clune 在 CoRL 2026 讲清一件事:通往 AGI 最快的路是 AI 造 AI

2026-11-20栏目:权威转载约 8 分钟

来源:雷锋网 | 原文链接 https://www.leiphone.com/category/private/wIgMWmjlB5GTKg6e.html | 发布日期:2026-11-19

11 月 12 日,CoRL 2026 最后一天。主会已经结束,32 场 Workshop 密集进行,其中一场聚焦持续自进化,英属哥伦比亚大学教授、Uber AI Labs 创始成员 Jeff Clune 受邀来做分享。

今年 5 月,田渊栋(前 Meta FAIR 研究总监、ELF OpenGo 主导者)与其他七位联合创始人创办 Recursive Superintelligence,Jeff Clune 是其中一位。这家公司首轮融资 6.5 亿美元,投后估值 46.5 亿美元,谷歌 GV 与 Greycroft 联合领投,英伟达和 AMD 两大算力巨头同时押注。

大多数打着递归式自我改进(RSI)旗号的团队做的是后训练层面的代码自改写、prompt 自优化、agent 工作流自搜索,而 Recursive 是全球唯一在预训练阶段做 RSI 的公司。田渊栋近期透露,他们的系统已经能自己写出高性能的 GPU Kernel,在部分任务上比专业工程团队写得还好。

Jeff Clune 在自进化方面的研究,也从一开始就瞄准了最上游的模型训练环节。2019 年,他发表了一篇当时看来近乎科学幻想的论文,提出通往 AGI 最快的路是人造出「能造 AI 的 AI」,并命名为 AI 生成算法。路线图上有三根支柱:自己会进化的架构、自己会进化的学习算法、自动生成的训练环境。

六年过去,这张路线图正在被逐一兑现:能自己改写自己代码的达尔文哥德尔机,把 SWE-bench 从 20% 刷到了 50%;能自己出题、自己跑实验、自己写论文的 AI 科学家,投出去的稿件通过了同行评审。

一、先换目标,再谈突破

生活里有这样一个悖论:越是死磕难题,越容易失败;你先不管那个大目标,反而能走更远。

科学和技术史上,每一件极难的事,都有同样的性质。用火做饭的年代,你只想要做饭更快,就永远造不出微波炉。没有计算机的年代,你只资助算得更快的人,就永远得不到计算机。因为想要得到计算机,就需要有人搞电、搞真空管,这些技术根本不是奔着「算得更快」发明出来的。

所以解决难题唯一的办法,是像基础科学家那样,去试试自己能做什么、能解什么,然后在目标之间切换,根据你觉得「有可能」和「有意思」的东西,去挑新的目标。

「换目标」这个想法来自 2016 年的一篇论文。假如你是做机器人的,你想让机器人往前走,算法却开始学习爬行和单腿站立保持平衡,别把这些当成没用的小动作扔掉。它们虽然没有让机器人前进的速度明显变快,但可能是前进运动的垫脚石。我们希望算法能抓住这种「这个有意思」的发现。

这就是创新引擎的想法。自然的演化、文化的演化都是创新引擎,共用一套配方:存档里装着发明过的一切,把东西取出来,稍加修改和组合,如果变成了更好的版本,就把这个更好的放回存档里。

二、三类算法:QD、开放式、AI 生成算法

质量多样性(QD)算法不追求唯一最优解,而是满世界地问:这个问题,我到底能有哪些截然不同的好解法?

最流行、也最有代表性的是 MAP-Elites。先挑几个在意的变异维度,加一个性能指标,然后拿一个参数向量描述机器人,评估出它的各项指标,放进多维存档里对应的格子。接着开始循环:取一个指标出来改一下,重新评估,如果它是这个格子里见过最好的,就换进去,一直重复。它给你的不是一个点,而是一整张曲面——哪里好、哪里差、哪里能做,全都看得见。

2015 年用 QD 做软体机器人,经典优化只能拿到低性能解;刻意鼓励多样性,同样算力下探索覆盖完全不一样。2021 年又用 QD 解决强化学习里的硬探索问题,用这个方法去玩《蒙特祖玛的复仇》,超过人类世界纪录,还一路解掉了所有关卡。

不过 QD 再强,还是被困在单一环境里。这就引出开放式算法:我们想要一个能永远创新下去的算法,哪怕跑十亿年,你还是想回来看看,因为它还在创新。据我所知,目前只有两个开放式算法:自然演化和文化演化。关键是,每解决一个问题,就打开了新问题,而不是朝某个基准的分数收敛。

几年前在 Uber AI Labs 做了 POET,第一次把环境本身也当成基因组的一部分,让环境存档不断生长,同时允许换目标。POET 发明并解决了很多很难的、各不相同的题目。

三、三根支柱

让我们退一步看看整个领域的野心:AGI、ASI、RSI,随你怎么叫。我在 2019 年一篇讲 AI 生成算法的论文里说过一个趋势:算力和数据越多,手工设计的流程和组件就越会被学出来的替代。把这个逻辑套到 AGI 身上,通往 AGI 最快的路,就是能造出更好 AI 的 AI。我当时叫 AI 生成算法,现在大家叫递归式自我改进。

要做成这事,至少三根支柱要往前推:架构(Transformer 不会是最后一个)、学习算法、自动生成训练环境。

真正的开放式算法需要巨大的环境搜索空间,但绝大多数环境要么不可能、要么太难、要么太简单。怎么保证新环境跟过去「有意思地不同」?现在可以直接问基础模型:我做过这 12 个环境了,下一个有意思的技能是什么?这样就能绕开「怎么定义有意思」这个老大难。

光能提任务还不够,还得知道怎么自动给任何任务设计奖励、判断有没有解出来,这叫通用奖励函数。一条路是把任务视频喂给视频语言模型,另一条是让 GPT 现场写奖励代码。均匀采样、单一指标都走不通,但 OMNI 会慢慢学出一套聪明的课程。

不过我们还是被困在厨房里。想更有野心,就得进入「达尔文完备」的搜索空间。一个是代码,OMNI-EPIC 让系统用代码生成任何环境,于是有了各种障碍赛道,也能生成逻辑题、编程题、清理餐厅的机器人。二是神经网络本身,Genie 一个世界模型,你给它文本、图像、草图,它就生成环境。第一代只有一秒、糊糊的二维视频;九个月后 Genie 2 有了三维世界;再八个月后 Genie 3 基本是 3A 游戏级渲染器,Waymo 拿它训练自动驾驶。

四、这套套路有多通用

第一是智能体系统的自动设计,以前是人手工搭复杂智能体工作流,那不如直接去搜索智能体系统,让 AI 造更好的 AI,结果是它们很快超过了当时所有手工设计的脚手架。第二,让一个性能高的智能体存档不断生长,它变好,而且经常先变差才能变好。再往前是 Hyperagents,让智能体能改自己的代码、也能改进自我提升的能力。同样的想法也用于持续学习,学会给任务记笔记,之后遇到类似任务当场取用。

最后是 AI 科学家。几个月前发在 Nature 上的文章讨论了一个问题:AI 能不能把写论文的全流程做完?答案是能。它能生成想法、设计并跑实验、分析和可视化、写完稿件、自己给自己做同行评审。我们把一些论文拿去做同行评审,被接收了,而且在 workshop 里,评分比当年人类投稿里 45% 的都高。而且有 scaling 规律,模型越好,做得越好。

这就是现在 AI 最热的题目之一:递归式自我改进。图像生成的十年,从糟糕透顶到接近完美,我们现在大概就在中间那个位置,而递归式自我改进大概刚处在刚刚勉强能用的位置。

最后我想说,QD、开放式、AI 生成算法,这些东西会不断创造垫脚石、换目标、学会创新,很可能是通往超级智能最快的路。所以我鼓励你们在自己的研究领域里想想怎么用上这些想法,我觉得它们就是下一代伟大的 AI。

现场问答环节,被问到「你的方法看起来是被环境的特征卡住的,这些特征的多样性、规模、评估的成本该怎么解决」时,Clune 的回答是:很多人已经在机器人上用了这些想法。也可以拿 Nature 那篇论文里做的东西,学一个高质量任务库,再想办法把它利用起来做迁移——在仿真里用海量的、多样的任务训练,拿到很多技能;去真实世界里试;然后额外做一个小算法,只在迁移得好的那些东西上训练。

常见问题

AI行业观察站 常见问题,持续补充

什么是GEO(生成式引擎优化)?

GEO(Generative Engine Optimization)是面向AI生成引擎的内容优化方法:让品牌内容不仅被搜索引擎收录,还能被AI问答直接引用作答。详见为什么你的文章 AI 搜得到,却答不出来;实操层面可先过一遍AI引用自查清单:发布前逐条过的13项检查。本站持续输出该领域的实践与方法论。

GEO可信资质评估是什么?

2026年9月有首批企业通过中国信通院泰尔实验室的GEO可信资质认证(编号2026VK008179,依据AIIA/T 0277-2026团体标准),是该标准落地后的首批认证服务商之一。证书怎么核、评估什么,见GEO可信资质评估:这份证书该怎么核。

最后更新:2026-11-02