田淵棟創業合夥人:通往 AGI 最快的路,只能是 AI 造 AI | CoRL 2026
Recursive 聯創 Jeff Clune :“QD、開放式、AI 生成算法,我覺得它們就是下一代偉大的 AI。” 作者丨鄧哲敏 編輯丨齊鋮湧 11 月 12 日,CoRL 2026 最後一天。主會已經結束,32 場 Workshop 密集進行,其中一場聚焦持續自進化(Continually Self-Improving),英屬哥倫比亞大學教授、Uber AI Labs 創始成員 Jeff Clune 受邀來做分享。今年 5 月,田淵棟(前 Meta FAIR 研究總監、ELF OpenGo 主導者)與其他七位聯合創始人創辦 Recursive Superintelligence,Jeff Clune 是其中一位。這家公司首輪融資 6.5 億美元,投後估值 46.5 億美元,谷歌 GV 與 Greycroft 聯合領投,英偉達和 AMD 兩大算力巨頭同時押注。大多數打着遞歸式自我改進(RSI)旗號的團隊做的是後訓練層面的代碼自改寫、prompt 自優化、agent 工作流自搜索,而 Recursive 是全球唯一在預訓練階段做 RSI 的公司。田淵棟近期透露,他們的系統已經能自己寫出高性能的 GPU Kernel——可以理解爲顯卡的底層計算程序,相當於直接跟硬件打交道的核心代碼——在部分任務上比專業工程團隊寫得還好。Jeff Clune 在自進化方面的研究,也從一開始就瞄準了最上游的模型訓練環節。2019 年,他發表了一篇當時看來近乎科學幻想的論文,提出通往 AGI 最快的路是人造出“能造 AI 的 AI”,並命名爲 AI 生成算法。路線圖上有三根支柱:自己會進化的架構、自己會進化的學習算法、自動生成的訓練環境。注意第三根柱子的措辭,“訓練環境”,不是“推理環境”或“部署環境”。六年過去,這張路線圖正在被逐一兌現:能自己改寫自己代碼的達爾文哥德爾機,把 SWE-bench 從 20% 刷到了 50%;能自己出題、自己跑實驗、自己寫論文的 AI 科學家,投出去的稿件通過了同行評審。Jeff Clune 在演講中更細緻地梳理了自己的工作。以下是AI科技評論(雷峯網)帶來的現場演講精編。生活裏有這樣一個悖論:越是死磕難題,越容易失敗;你先不管那個大目標,反而能走更遠。科學和技術史上,每一件極難的事,都有同樣的性質。用火做飯的年代,你只想要做飯更快,就永遠造不出微波爐。沒有計算機的年代,你只資助算得更快的人,就永遠得不到計算機。因爲想要得到計算機,就需要有人搞電、搞真空管,這些技術根本不是奔着“算得更快”發明出來的。所以解決難題唯一的辦法,是像基礎科學家那樣,去試試自己能做什麼、能解什麼,然後在目標之間切換,根據你覺得“有可能”和“有意思”的東西,去挑新的目標。“換目標”這個想法來自 2016 年的一篇論文。假如你是做機器人的,你想讓機器人往前走,算法卻開始學習爬行和單腿站立保持平衡,別把這些當成沒用的小動作扔掉。它們雖然沒有讓機器人前進的速度明顯變快,但可能是前進運動的墊腳石。我們希望算法能抓住這種“誒,這個有意思”的發現。這就是創新引擎(innovation engines)的想法。自然的演化、文化的演化都是創新引擎,共用一套配方:存檔裏裝着發明過的一切,把東西取出來,稍加修改和組合,如果變成了更好的版本,就把這個更好的放回存檔裏。今天給你們講三類算法,都在試着復現這種創新的力量:質量多樣性(QD)算法、開放式算法、AI 生成算法。QD 不追求唯一最優解,而是滿世界地問:這個問題,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,我十幾年前做的。先挑幾個在意的變異維度(比如身高),加一個性能指標(比如速度),然後拿一個參數向量描述機器人,評估出它的各項指標,放進多維存檔裏對應的格子。接着開始循環:取一個指標出來改一下,重新評估,如果它是這個格子裏見過最好的,就換進去,一直重複。它給你的不是一個點,而是一整張曲面——哪裏好、哪裏差、哪裏能做,全都看得見。2015 年我們用 QD 做軟體機器人。經典優化只能拿到低性能解,刻意鼓勵多樣性,反而多樣性更少,因爲系統找到了高性能解,卻不願拿性能換多樣性。換成 QD,同樣算力,探索覆蓋完全不一樣了。你還能在這些存檔裏“做科研”:把某個格子裏最終最好的解往前回溯它的祖先,會發現搜索走了一條很繞的路。2021 年我們又用 QD 解決強化學習裏的硬探索問題:用最高質量到達儘可能多的狀態。我們用這個去玩《蒙特祖瑪的復仇》,直接把領域天花板掀了,超過人類世界紀錄,還一路解掉了所有關卡,打贏了當時所有最好的探索方法。不過 QD 再強,還是被困在單一環境裏。這就引出開放式算法,我研究了一輩子的東西。我們想要一個能永遠創新下去的算法,哪怕跑十億年,你還是想回來看看,因爲它還在創新。誰能搞定這個,我覺得該給他發個大獎。據我所知,目前只有兩個開放式算法:自然演化和文化演化。關鍵是,每解決一個問題,就打開了新問題,而不是朝某個基準的分數收斂。幾年前我們在 Uber AI Labs 做了 POET,第一次把環境本身也當成基因組的一部分,讓環境存檔不斷生長,同時允許換目標。有意思的是,POET 發明並解決了很多很難的、各不相同的題目。讓我們退一步看看整個領域的野心:AGI、ASI、RSI,隨你怎麼叫。我在 2019 年一篇講 AI 生成算法的論文裏說過一個趨勢:算力和數據越多,手工設計的流程和組件就越會被學出來的替代。把這個邏輯套到 AGI 身上,通往 AGI 最快的路,就是能造出更好 AI 的 AI。我當時叫 AI 生成算法,現在大家叫遞歸式自我改進。要做成這事,至少三根支柱要往前推:架構(Transformer 不會是最後一個)、學習算法、自動生成訓練環境。今天主要講第三根柱子。真正的開放式算法需要巨大的環境搜索空間,但絕大多數環境要麼不可能、要麼太難、要麼太簡單。怎麼保證新環境跟過去“有意思地不同”?現在可以直接問基礎模型:我做過這 12 個環境了,下一個有意思的技能是什麼?這樣就能繞開“怎麼定義有意思”這個老大難。光能提任務還不夠,還得知道怎麼自動給任何任務設計獎勵、判斷有沒有解出來,這叫通用獎勵函數。一條路是把任務視頻餵給視頻語言模型,另一條是讓 GPT 現場寫獎勵代碼。均勻採樣、單一指標都走不通,但 OMNI 會慢慢學出一套聰明的課程。不過我們還是被困在廚房裏。想更有野心,就得進入“達爾文完備”(Darwin-complete)的搜索空間。一個是代碼,我們做了 OMNI-EPIC,讓系統用代碼生成任何環境,於是有了這些障礙賽道,也能生成邏輯題、編程題、清理餐廳的機器人,類型可以非常不同。二是神經網絡本身,這個項目叫 Genie,一個世界模型,我和 DeepMind 的同事一起做的。你給它文本、圖像、草圖,它就生成環境。第一代只有一秒、糊糊的二維視頻;九個月後 Genie 2 有了三維世界;再八個月後 Genie 3 基本是 3A 遊戲級渲染器,Waymo 拿它訓練自動駕駛。想像一下 Genie 4、5、10 會有多強?接下來看這套套路有多通用。第一是智能體系統的自動設計,以前是人手工搭複雜智能體工作流,那不如直接去搜索智能體系統,讓 AI 造更好的 AI,結果是它們很快超過了當時所有手工設計的腳手架。第二,我們讓一個性能高的智能體存檔不斷生長,它變好,而且經常先變差才能變好。再往前是 Hyperagents,讓智能體能改自己的代碼、也能改進自我提升的能力。同樣的想法也用於持續學習,學會給任務記筆記,之後遇到類似任務當場取用。最後是 AI 科學家,幾個月前我們發在 Nature 上的文章討論了一個問題:AI 能不能把寫論文的全流程做完?答案是能。它能生成想法、設計並跑實驗、分析和可視化、寫完稿件、自己給自己做同行評審。我們把它的一些論文拿去做同行評審,被接收了,而且在 workshop 裏,評分比當年人類投稿裏 45% 的都高。而且有 scaling 規律,模型越好,做得越好。所以,未來不會只是某篇論文,而是 AI 科學家不斷讀自己的發現,一個創新接一個創新。這就是現在 AI 最熱的題目之一:遞歸式自我改進。我和朋友成立了公司叫 Recursive,就是奔着開放式 AI 去的。圖像生成的十年,從糟糕透頂到接近完美,我們現在大概就在中間那個位置,而遞歸式自我改進大概剛處在剛剛勉強能用的位置。最後我想說,QD、開放式、AI 生成算法,這些東西會不斷創造墊腳石、換目標、學會創新,很可能是通往超級智能最快的路。所以我鼓勵你們在自己的研究領域裏想想怎麼用上這些想法,我覺得它們就是下一代偉大的 AI。▎Q:你的方法看起來是被環境的特徵卡住的,這些特徵的多樣性、規模、評估的成本,你覺得該怎麼解決?A:很多人已經在機器人上用了這些想法,我前面提到的那些項目就是。你也可以拿我們在 Nature 那篇論文裏做的東西,學一個高質量任務庫,再想辦法把它利用起來做遷移。你可以在仿真裏用海量的、多樣的任務訓練,拿到很多技能;去真實世界裏試;然後額外做一個小算法,去只在遷移得好的那些東西上訓練。以上爲現場精煉乾貨版,演講實錄全文,可添加下方作者聯繫方式。國際機器人頂會 CoRL 2026 已經召開,歡迎參會的研究者、學生,以及關注 AI 前沿進展的讀者加入我們雷峯網的交流羣。在這裏,你可以認識同行、交流研究,分享招生信息、科研合作、約飯、投稿、組隊參會等,尋找潛在的合作伙伴。大會期間,我們也會持續帶來現場報道速遞、嘉賓演講解讀、前沿方向梳理和論壇精華。會場見,也在羣裏見。? 進羣傳送門: 掃碼進羣或添加微信szhsn610,備註:CoRL+單位/學校+姓名+方向。