RSI怎么运作？让AI给AI当“工程师”
RSI的想法其实很简单：把“改进AI”这件事也交给AI。以前，人类工程师要设计网络结构、写损失函数、调超参数；现在，AI自己写代码、跑实验、看结果，然后再拿这些经验去训练下一代模型。如果这个循环能自己转起来，人类就不用在后面一步一步推着它走了。
早在1965年，数学家I.J. Good就设想过“智能爆炸”：一台机器能设计出比自己更聪明的后代，后代再设计更聪明的下一代，一直加速，直到远超人类。RSI算是这个老概念第一次有了比较现实的技术路径。
L1到L5：AI自己能动手到什么程度？
上海交大、清华、字节跳动、上海人工智能实验室等机构在预印本里，把RSI的自主性分成了五级。L1是打辅助，AI只能提建议；到了L3左右，AI已经能自己完成一整轮“写代码→做实验→改模型”的闭环；L5则更彻底，系统可以完全掌控自己的改进机制，甚至重新设计学习算法。级别越高，人类能插手的地方就越少。
- L1：AI辅助人类分析数据
- L2：AI在人类监督下做实验
- L3：AI自主完成闭环改进
- L4：AI能跨任务自我扩展
- L5：AI全权掌控自身进化
现实进展：OpenAI的“实习生”和Anthropic的安全实验
OpenAI内部报告里，有个叫“自动化研究实习生”的系统，已经能在人类指导下做编码、跑实验、分析结果。比较惊人的是，每投入一个人类工作日，这个智能体平均实际运行时间相当于3.1个工作日。说白了，AI就是个不用睡觉的科研助理，把人的时间放大了三倍。
Anthropic那边做了另一种尝试：让比较弱的Claude Sonnet 5去帮早期版本的Claude Opus 4.8提升安全表现。用了大约60小时，喂了约2400条训练样本，对齐成绩就逼近正式版了。这说明自我改进不一定非得靠最强模型，弱模型也能给强模型当私教。
RSI的硬骨头：遗忘、判断力、原创性
RSI听着很美，真做起来坑不少。一个坑是“灾难性遗忘”：AI学新东西的时候，容易把旧知识忘掉，改进一轮可能反而退步。再一个是研究判断力：AI能跑实验，可它怎么判断哪个结果值得继续深挖？这需要科研直觉。最后也是最难的，AI得能自己提出原创性的科学问题——如果只会按照人类规定的方向走，那它还是工具，谈不上自我改进。
安全争论：有人踩油门，有人踩刹车
RSI带来的争议也不小。OpenAI、Anthropic认为这东西太危险，应该放慢节奏，接受外部审查。英伟达CEO黄仁勋则直接开炮，说AI风险论是“骗局”，背后都是算力、资本和产业利益在博弈。说到底，谁的声音大，谁就能影响政策走向。
算力底座：RSI时代，企业该提前做些什么？
RSI要跑起来，背后离不开大量算力。对普通企业来说，自建超算不现实，更实际的做法是把训练和推理放到云上。不管是部署开源模型，还是跑自己的微调任务，稳定、弹性的云服务器ECS都是刚需。国内云服务商也有不少扶持计划，找易枫顺 - 阿里云官方旗舰级代理商这类服务商，能拿到实打实的成本优惠，上云预算能省不少。
FAQ
Q：RSI和AGI、ASI是什么关系？
A：RSI是AI自我改进的能力，也可以理解为通往AGI/ASI的一条可能路径。AGI指通用人工智能，ASI指超级人工智能。有专家预测ASI可能在3-4年或5-10年内到来，但谁也说不准。
Q：实现RSI最大的技术障碍是什么？
A：主要是三个：灾难性遗忘、自动化的研究判断力，以及怎么让AI提出原创科学问题。前两个还能靠工程方法解决，第三个属于认知科学层面的难题。
Q：中小企业需要为RSI做什么准备？
A：不用急着追新模型，关键先把算力底座搭好。租几台GPU服务器跑工作流，再用云服务商给的优惠把实验成本降下来，这样AI升级的时候，你也能跟得上。
关于易枫顺
深圳市易枫顺网络科技有限公司是阿里云官方旗舰级代理商。提供云服务器ECS、云数据库RDS、对象存储OSS等阿里云全系产品官方特惠折扣与代金券申请，以及多云成本优化、企业上云一站式服务。客服热线：19520841949 - 易枫顺
来源：爱范儿
