离开谷歌，构建比Gemini更智能的未来：Reflection AI创始人米沙·拉斯金的超智能之路

引言/导读

当全球科技巨头都在角逐通用人工智能（AGI）时，一位曾主导Gemini 1和1.5后期训练工作的核心科学家——米沙·拉斯金（Misha Laskin），却选择离开体制，创立了Reflection AI。他的目标并非打造另一个聊天机器人，而是直指人工超智能（ASI）。拉斯金和他的团队相信，通往超智能的最快路径，在于解决一个核心问题：自主编码（Autonomous Coding）。这篇文章将深入剖析这位AI思想家对超智能时代的预测、从巨型模型构建中汲取的教训，以及他对于人类未来工作模式的深刻洞察。这不是关于聊天机器人的故事，而是关于AI如何发现超越人类想象的策略，并彻底改变知识工作范式的预言。

核心驱动力：从AlphaGo“第37手”看超智能的必然性

拉斯金对超智能的信念，源于他共同创始人参与AlphaGo项目的亲身经历，尤其是围棋史上著名的“第37手”。

AlphaGo的超越：人类智慧的边界扩展

2016年，AlphaGo在与李世石的对弈中下出的第37手，最初被人类评论员，甚至包括AlphaGo团队内部的一些成员，误认为是“漏洞”或“幻觉”——一种类似于大语言模型编造信息的错误行为。然而，大约十手之后，事实证明这不仅是一个正确的决策，还是一个比任何在场人类所能想象到的策略都更具创造性和智慧的妙招。

超前的智慧：它之所以被认为是“笨拙”的，恰恰因为它聪明到超越了人类的认知框架。知识的拓展：这一步证明了AI系统发现了一种根本上更具创造性的策略，扩展了人类对围棋这项运动的理解和可能性边界。

ASI的降临：知识工作领域的“第37手”

拉斯金预测，我们正处于从感知AGI的“火花”阶段，快速迈向感受ASI（人工超智能）的阶段。

他设想，未来在所有知识工作领域，“第37手”都将不断涌现：

一位数学家要求AI进行证明，AI返回的论证是该数学家从未考虑过的，却是正确的。正如棋手通过与AI互动学习棋艺、提高水平一样，人类将在未来几年内开始向这些超智能系统学习。

Reflection AI的破局之路：为何“自动编码”是通往ASI的唯一捷径？

Reflection AI的核心使命是构建超智能。他们的路径非常明确和聚焦：解决自主编码问题，即解决了更广泛的超智能问题。

编码即是语言模型的“肢体”

拉斯金及其团队认为，自主编码的能力将超越软件工程的范畴，触及计算机上的每一个工作类别。这一观点的核心在于，如何定义语言模型与计算机交互的“具身性”（embodiment）——即它们的**“手脚”**。

人类的直觉：人类经过数百万年的演化，拥有强大的空间先验知识和灵巧的双手，空间推理对我们来说是轻而易举的。语言模型的直觉：语言模型是在互联网上训练出来的，它们缺乏空间推理能力，但它们对代码拥有与生俱来的直觉。互联网上充斥着大量的代码，使代码成为语言模型最自然的交互方式。

编程接口化：未来的软件交互范式

未来语言模型与软件的交互，很可能不会是通过像人类那样移动鼠标和使用图形用户界面（Human UI），而是通过代码或程序化的接口。

核心信念： 解决自主编码，就解决了计算机上的智能问题。这构成Reflection AI独特的短线策略（System 1）和长线任务（System 2）的连接点。

大模型时代的研发哲学：来自Gemini的经验教训

拉斯金和他的联合创始人是Deep Q Networks、AlphaGo、AlphaZero等系统的关键架构师，并共同主导了Gemini 1和1.5的后训练工作。这段在大型实验室和巨型模型上的经验，提炼出了一套独特的研发哲学。

规模化时代的“奥卡姆剃刀”原则

在AI规模化（Scaling）时代之前，复杂的、精妙的数学思想更容易胜出，例如击败国际象棋世界冠军卡斯帕罗夫的IBM深蓝，其复杂性体现在树状的博弈结构。

然而，在训练像Gemini这样拥有超过6000亿参数的巨型系统时：

Simple ideas win：成功的要素发生了逆转，简单想法的精湛实现才是制胜的关键。目标与算法的简化：无论是预测下一个Token（标记）这样的简单目标，还是像“基于人类反馈的强化学习（RLHF）”这样的算法，相对于十年前RL研究者设想的复杂性，它们都非常简单。基础设施与细节：最大的启示在于，以极高的工艺水平和对细节的关注来执行简单的任务，并构建支持这些巨型模型高效运行的正确基础设施，是成功的基石。

离开大实验室的原因：聚焦自治与产品耦合

拉斯金团队离开谷歌/DeepMind，主要动机在于追求自治（autonomy）问题，并将其与产品和客户深度耦合。

追求单一目标：大型组织一旦形成产品方向，就像一艘难以改变航向的巨轮。Reflection AI希望以更小、更专注的团队，在研究上走得更快，并直接将研究方向与真实世界的客户反馈和产品评估结合起来。评估的真谛：Reflection AI深信，最重要的评估是真实世界的评估。如果不与客户合作、不构建产品，就无法在真正重要的地方检验技术。

未来图景：人类将如何与“AI劳动力”协作？

随着这些系统变得超智能并开始影响劳动力市场，拉斯金对未来的看法并非零和博弈。

知识产出的量级飞跃

历史上的每一次技术进步，都增加了人类通过智慧能够创造的事物总量。未来几年内，随着超智能系统的崛起：

AI将全面提升几乎所有基于计算机的工作领域（未来也包括实体工作）的产出，产出量级将至少是现有能力的一个数量级以上。人类的角色将从执行者转变为“架构师”（Architects），管理着一个高效的AI劳动力队伍。

新时代的挑战：提出正确的问题

在AI接管大部分执行负担的未来，人类的核心价值和最大的挑战将转移到提出正确的问题和正确设计项目上。

执行的转移：大部分执行工作将由AI劳动力完成。战略的聚焦：就像创业或研究生涯中，最根本的问题是“要解决什么才是正确的问题”一样，未来的竞争将聚焦于此。历史的教训：拉斯金坦承，他自己也曾问过错误的问题。例如，在AlphaGo时期，他曾专注于如何将强化学习的训练步骤从数十亿次提高10倍效率。但事后证明，正确的问题是发明语言模型，因为语言模型本身带来了通用性。

深度分析与洞察：清晰思考的框架与创业的“系统思维”

拉斯金的职业生涯和创业选择，体现了一种从物理学领域继承而来的、将复杂问题简化到核心原理的框架。

物理学的思维遗产：还原论与核心要素

拉斯金最初投身物理学，是因为他渴望在科学的**“根节点”工作，追溯到能启用未来几十年所有技术的突破点（例如，晶体管的发明者是理论物理学家，GPS依赖于爱因斯坦的相对论）。这种思维方式，指导他面对复杂的AI或创业问题时，采取了还原论**的方法。

企业和研究的制胜法宝： 在任何主要的公司建设环节（研究、产品、客户），通常只有一两个根本问题真正能推动事物发展，其他所有因素都不重要。挑战在于如何识别这些核心问题，并有条理地将其简化为基本组成部分。

寻找“正确问题”的方法论

如何确保自己问的是正确的问题，而不是局部最优的问题（例如他那篇被引用上千次但未达十万次的论文CURL）？拉斯金给出了两个关键工具：

写作 (Writing)：通过写作将思维形式化，暴露思维中缺乏清晰度、不必要的漏洞或部分。反复修订一篇短文，可以帮助梳理和提炼最精辟的论断。批判性讨论 (Critical Discussion)：与你信任的、非常聪明的人进行批判性对话，寻找能挑战你的想法、找出漏洞的人，而不是寻求支持者。

创业的本质：抱负与清晰度的结合

拉斯金认为，创业初期最大的挑战在于在“空白画布”上实现清晰度。成功的初创企业需要结合两种思维模式：

系统二（System 2）——高层抽象规划：设定一个雄心勃勃的长期使命（例如，构建超智能），这有助于吸引像登火星项目那样的高素质人才。系统一（System 1）——局部反应执行：制定一个有说服力的短期切入点（例如，只专注于自主编码），并能解释为什么你的赌注是正确的，而别人是错误的。

分析师洞察：聚焦的力量

Reflection AI选择“自主编码”作为突破口，是对当前大模型领域泛化路线的一种战略性反思。他们通过将AI的“具身性”从物理世界（机器人学）拉回到其最自然的数字领域（代码），避开了LLM在传统UI操作上的局限，直接瞄准了知识工作自动化效率的天花板。这种清晰且极具野心的“根节点”选择，正是其获得高估值（早期两轮融资总额达21亿美元）的关键。

总结与展望

米沙·拉斯金的旅程，从寻求科学根源的物理学家，转变为构建AI超智能的创业者，深刻体现了当代技术前沿的范式转移。他不仅看到了AI规模化带来的机遇，更清晰地界定了人类在超智能时代的新角色：从执行者到架构师，从解决问题到定义问题。

我们正站在ASI的门槛上。当AI开始在各个领域打出“第37手”，人类与机器的关系将不再是简单的工具使用，而是教学相长，共同扩展知识的边界。

启发性问题： 在一个执行力无限接近完美的AI劳动力时代，我们如何训练自己，以及如何培养下一代人，去掌握“提出正确问题”这一最稀缺、最具决定性的智能技能？

要点摘要

“第37手”意味着AI发现了一种根本上更具创造性的策略，其智慧超越了人类的想象。如果解决了自主编码问题，你也就解决了更广泛的超智能问题。代码是语言模型与计算机交互的自然“具身性”，是它们的直觉接口。在巨型模型时代，获胜的关键是简单想法的精湛实现和对细节的关注。未来人类将成为管理AI劳动力队伍的软件架构师或知识架构师。超智能时代，人类最核心的挑战在于提出正确的问题。实现清晰思考和识别核心问题的方法是：写作（暴露思维漏洞）和批判性讨论（寻找能挑战你的人）。创业需要深具抱负的长期使命，以及清晰且令人信服的短期切入点。

原始视频：https://youtu.be/P5QXWrHnTzw?si=888CuabS_B3Mlozb

中英文字幕：【离开谷歌，构建比Gemini更智能的未来：Reflection AI创始人米沙·拉斯金的超智能之路】