Google DeepMind ตีพิมพ์รายงาน 57 หน้าชื่อ "From AGI to ASI" เมื่อ 10 มิถุนายน 2026 วาดภาพเส้นทางจาก AGI (AI ระดับมนุษย์) สู่ ASI (Artificial Superintelligence) ผ่าน 4 เส้นทางหลัก:
4 เส้นทางสู่ Superintelligence
1) Scaling AGI — ขยายโมเดล AGI ให้ใหญ่ขึ้นและมีประสิทธิภาพมากขึ้น โดยการเพิ่มขนาดพารามิเตอร์ ข้อมูลการฝึก และความสามารถในการคำนวณ 2) AI Paradigm Shifts — การเปลี่ยนแปลง paradigm ใหม่ๆ ที่อาจทำให้ AI ก้าวกระโดด เช่น การค้นพบสถาปัตยกรรมใหม่หรือกระบวนการเรียนรู้ที่แตกต่างไปจากเดิม 3) Recursive Improvement — AI ปรับปรุงตัวเองได้โดยอัตโนมัติ สร้าง feedback loop ของการพัฒนาที่ทวีความเร็วขึ้นเรื่อยๆ 4) Multi-Agent Collectives — ASI เกิดจากการรวมตัวของหลาย AI agent ขนาดใหญ่ที่ทำงานร่วมกัน สร้างระบบที่ซับซ้อนและมีประสิทธิภาพเหนือกว่าตัวเดียว
Key Facts สำคัญ
รายงานนี้เป็นครั้งแรก ที่ Google DeepMind วาง framework เป็นทางการสำหรับ ASI ระบุ frictions และ bottlenecks ที่อาจชะลอตัว เช่น ข้อจำกัดด้าน hardware, ข้อมูล, การควบคุม การเปลี่ยนผ่าน อาจเป็นชุดของการเปลี่ยนแปลงทางสังคม ไม่ใช่เหตุการณ์เดียว ส่งผลกระทบต่อ ทิศทาง AI governance และนโยบายความปลอดภัย AI ระดับโลก
ผลกระทบและความสำคัญ
รายงานฉบับนี้ไม่ใช่แค่การทำนายอนาคต แต่เป็น roadmap ที่ชัดเจน ที่ Google DeepMind มองเห็นถึงการพัฒนา AI ในระยะยาว การระบุปัญหาและอุปสรรคต่างๆ แสดงให้เห็นว่าบริษัทกำลังเตรียมพร้อมสำหรับ ยุค Superintelligence อย่างจริงจัง แหล่งอ้างอิง: https://aitoolsreview.co.uk/insights/google-post-agi-paper