Howardism | 抽象障礙

資料來源#

From AGI to ASI

摘要#

抽象障礙（Lerchner 於 2026 年在 "From AGI to ASI" 報告中提出）是一項假說：主要以人類認知產物訓練的 AI 系統，可能受限於既有的人類概念框架——善於吸收並重新組合人類已經萃取出的概念，卻缺乏一種機制，能夠從原始、高維度資料中發現真正新穎的概念基元。在六項摩擦因素中，這是報告認為最可能構成根本性（而非僅僅拖慢進展）障礙的一項——不過，即使它將任何單一實例的能力限制在 AGI 附近，集體 ASI仍可能實現。

核心論點#

當今的典範擅長重新組合已轉譯成符號的概念，以建立隱式的預測性世界模型。但未解之處在於，它是否能跨越這些界線，或是 AI 表面上的超越人類能力「完全只是來自超人的速度與記憶力」。報告提出的思想實驗是：

如果基礎模型接觸的內容僅限於牛頓以前、工業化以前的科學知識，但訓練 token 總量相同，它能做到什麼？若缺少微積分、萬有引力或電磁學這些基元，它似乎極不可能只靠推理得出廣義相對論或量子力學。

目前的模型「缺乏從頭發現力或因果關係概念的機制」。它們透過吸收由某種智慧（也就是我們）產生的資料，承襲了這些概念；而這種智慧透過跨越數千年、緩慢、互動且遍及整個社會的發現過程，從非語言資料中萃取出新概念。依此觀點，基準測試迅速飽和，反映的是在由人類定義、由人類驗證的界線內精熟，並不表示 AI 將以接近人類推理能力時的相同速度，沿著超越人類推理能力的軌跡前進。這直接挑戰了「預訓練 ≈ 通用壓縮」的樂觀看法：這道障礙是今日典範與 AIXI 理想之間可能存在的實際落差。

具身瓶頸#

如果真正的 ASI 需要有根據的概念發現——從原始感測器資料中抽象出穩定的新基元——那麼就必須克服具身瓶頸：新概念及其操作規則必須經過對照物理現實驗證，才能改善對現實世界的預測。AI 或許能以數位速度假設新定律，但確認這些定律是個實證問題，受物理延遲所限——例如化學反應速率、操縱大量物質的速度，以及無法在長時間範圍內，以足夠精確度模擬新型生物或天氣（即ASI 的根本限制中的「即時」和「物理操縱」項目）。

結果：抽象障礙為遞迴自我改進迴圈帶來物理上、線性的減速——可能將智慧成長速度限制在實證科學的速度，而非計算能力擴展的速度。因此，通往 ASI 的道路可能需要轉向能從原始感測器資料形成新抽象，並透過主動、有根據的互動來精煉世界模型的系統（也就是互動式學習／RL 典範轉移）。

與具身因素的關聯#

這道障礙與 N. Lawrence 的論點相呼應（見數位智慧的優勢）：人類低 I/O 頻寬（高「具身因素」）迫使他們建立深層抽象；而高頻寬的數位智慧或許不需要這種能力，因此也可能不會發展出來。頻寬這項優勢本身，可能正是限制的來源。

開放問題#

目前以大規模人類資料進行預訓練的典範，是否根本上受限於人類概念框架？限制程度有多大？（報告開放問題 1i。）
具身瓶頸是否會讓智慧成長速度降至實證科學的速度？這種情況能否建模？
能否建立一種系統，從原始感測器資料中進行有根據的概念發現？集體 ASI 能否繞過個體上限？

資料來源#

From AGI to ASI — 第 5.5 節（「抽象障礙」）、表 4；Lerchner（2026）

抽象障礙

資料來源#

摘要#

核心論點#

具身瓶頸#

與具身因素的關聯#

相關文章#

開放問題#

資料來源#