一百万名AI打工人，堆不出超级智能Can a Million AI Agents Create Superintelligence?

Ramez Naam 用多组实验数据说明，增加 AI 智能体的数量换来的速度提升，远大于它换来的智能提升，而且后者的收益衰减极其陡峭。

不少人设想，只要在数据中心里堆上几百万个「AI 研究员」，让它们一起搞研究，就能触发智能爆炸。Ramez Naam 决定看看，如今跑出来的实验数据支不支持这个设想。

加速可以，变聪明很难

几十个 AI 一起干活时，完成任务的速度经常能涨两到三倍。但要说让它们解出更难的问题，事情就麻烦得多。

在网络安全、形式化数学证明这些任务上，加更多 AI 带来的分数增长一次比一次小。一百个智能体挣来的分，往往只比十个多一点点。

就算是 OpenAI 解决纳维-斯托克斯问题的那一万个智能体，研究员 Noam Brown 也很干脆：功劳最多只有百分之十能算到多智能体头上，剩下九成是模型本身变强了。

更强的模型胜过十倍的数量

同一套数学题，十个新版 AI 智能体就能赢过一百个旧版智能体。换一个更聪明的模型，效果远远超过把旧模型复制十份。

这背后藏着一个对超级智能讨论很重要的分歧。会自己变聪明的 AI 需要一次次做出重大概念突破，而今天这些多智能体实验却反复显示：加量带来的智能提升连对数增长都难够着。

几款为「回环自改进」设计的预测模型，都假设研究人员数量翻倍就能带来两倍甚至更高的研究产出。但现实中，添加 AI 智能体得到的结果离这些假设差了好几个数量级。

收尾的判断

指望把今天的模型复制几百万份，靠数量堆出超级智能，数据目前并不站在这一边。如果这种认知突破被卡住，仅仅增加并行工作的人手，很可能只是让更大的力气打在更小的提高上。