震惊!AI开始给自己写代码!卡尼着急了

加东周末

——

Atlantic

Weekly

DAILY MORNING NEWS

AI开始给自己写代码,

卡尼着急了

这件事，要从一位八十八岁宗师的

"震惊"说起

「Shock! Shock!」 ▼

一道难题，与一位宗师的改口

如果你想知道一项技术究竟走到了哪里，最可靠的办法不是去问它的推销者，而是去看它最苛刻的怀疑者有没有改口。

今年三月，计算机科学界出现了这样一次改口。改口的人是 Donald Knuth，八十八岁，《计算机程序设计艺术》的作者，图灵奖得主，在这个领域里大致相当于物理学里仍然在世并仍在工作的爱因斯坦。

三年前，他曾以一份亲拟的考题测试早期大语言模型（经查证，Knuth测试的模型为ChatGPT，当时正处于GPT3.5 - 4的迭代期内），看着它一本正经地编造答案，留下"研究如何把牛皮吹圆"的评语，公开表示这类技术"绝不适合我"。

然而，一道Knuth卡了好几个星期的数学题，让他的态度彻底改变。题目的内容是：如何把一个三维有向图里的所有箭头，恰好不重不漏地拆进三条哈密顿回路。

他的朋友把这道题原封不动丢给了 Anthropic 的 Claude Opus 4.6。大约一个小时里，Claude 试了三十一种思路。暴力搜索太慢，自创的"蛇形路径"撞墙，纤维分解走不通，模拟退火死路；然后换方向再换方向，最终交出了一份十四页的构造。Knuth 的评价是：排版优美，看上去无懈可击。

他为此专门写了篇论文，标题就叫《Claude 的回路》，开篇连写两个"震惊"（Shock! Shock!）。

不过实际上，Claude 只攻下了奇数那一半答案，偶数情形是另一个模型后来补上的。况且它给出的构造，也只是数千个可行解中的七百多种之一；最后证明答案可行的路径仍是 Knuth 亲手写下的。

AI 找到了那条别人没找到的路，虽然替这条路签字盖章的依然是人，但这是一台机器在人类最核心的智力领域里，第一次以"研究贡献"的身份被记进了学术史。

递归式的自我提升 ▼

当 Claude 开始给 Claude 写代码

6月4日，Anthropic 发布了一份报告：《当 AI正在建造AI》（When AI builds itself）。

这份报道的大概意思是，这家公司正把越来越多的"造模型"的工作，交给模型自己去做。

报告里强调：让 AI 全自动地设计、训练出自己的下一代，也就是所谓"递归式自我改进"还没有发生，也并非必然"，只是"可能比多数AI公司准备得更快地到来"。这篇文章的意思并不是警示大家"自动化已经开始"，但确实提到"AI 已经在给 AI 的研发踩油门"。

截至五月，并入 Anthropic 代码库的代码里，超过八成出自 Claude 之手。

《当 AI正在建造AI》（When AI builds itself）

中展示的 AI 参与自身研发的各个演进阶段

在一年多前，这个比例还是个位数。今年第二季度，平均每个工程师每天合入的代码量，是 2024 年的八倍（报告中补充：代码行数是个粗糙的指标，多半高估了真实的效率提升）。

四月里，Claude 一口气提交了八百多个修复，把某一类接口报错压低了一千倍；负责盯着它干活的工程师估计，同样的活儿换人来做要四年。

在一项每代模型都要重跑的提速测试里，去年五月的模型能把训练代码加速约三倍，到今年四月已经做到约五十二倍。一个熟练的人类研究员，花四到八个小时，大约只能做到四倍。

惊叹之余，我们不禁思考：那么，人还剩下什么？

Anthropic 的报告中同样也贴心地给出了答案：品味与判断。

决定哪个问题值得做、哪条线索值得信、什么时候该承认此路不通。这些"选方向"的活儿，目前仍然牢牢握在人手里，也正是 AI 与"能造出自己后继者的系统"之间，那道尚未跨过的沟。

Anthropic 的一位联合创始人这样概括整个行业的处境：现在有油门，但还没造出刹车，而他们想帮忙把刹车造出来，前提是同处前沿的对手也愿意一起踩，且能彼此查验对方真的踩了。

爱迪生说，天才是百分之一的灵感加百分之九十九的汗水。这份报告补上了后半句：那百分之九十九的汗水，正在被自动化。

一个国家的回应 ▼

当奇观变成趋势，加拿大该作何反应？

同样在6月4日，加拿大总理卡尼正式公布了那份等了许久的国家 AI 战略：超过二十亿加元的新投入。

目标是到 2031 年借助 AI 的普及"撑起"多达二十五万个新岗位，为年轻人创造多达九万个 AI 相关机会，向一百万名大专新生提供免费的 AI 素养培训，并把企业的 AI 采用率从如今的 12% 拉到 2034 年的 60%。

与此同时，要在 2031 年前建起一台世界级的超级计算机，把数据和算力留在本国境内。被问到这会不会惹恼本就紧张的美加关系时，卡尼回答：搞主权云计算，是"任何有头脑的国家"都在做的事。

保守党认为，在青年失业率本就高企的背景下，"AI 带来就业"的说法难以自圆其说；新民主党则更直接，认为大规模采用 AI 的结果是裁员，不是招人，并呼吁推出"以人为先的 AI 战略"。

在发布前的技术吹风会上，记者问到"预计有多少岗位会被 AI 取代"，官方没有给出数字，安全章节也语焉不详。水印机制、隐私立法更新、可信 AI 认证框架，逐条提及，逐条缺乏细节。文件本身也承认，加拿大在 AI 素养与公众信任两项指标上，几乎排在所有可比国家的末尾。

对关注加拿大留学与移民的读者，这份文件有一条值得留意的信息：战略明确提出扩大全球人才引进通道，并将"调整永居相关措施以留住所引进的人才"写入正式目标。

当一个国家开始把"留住人才"写进国家战略，它承认的是：在这场竞赛里，稀缺的不是算法，不是算力，而是愿意留下来，具有各种顶尖能力的人。

如果把这三件事并排看，一道困扰着计算机科学家却被计算机解出的数学题，一份AI公司发布的报告，一个国家对AI演变趋势的态度；最令人驻足的，应该是 Anthropic 那份报告快结尾时写下的几句话。

它说，就算实验室上游真的开始以算力的速度自我迭代，多数人日子的节奏，仍将由那些快不起来的事情决定：一种药还是需要几十年的临床观察，选举还是只能在宪法规定的日期举行。还有一句更简单的：再强大的智能，也没办法在一个周末里，把一个陌生人变成一位老朋友。

"More powerful intelligence might help us build things in the physical world more quickly, run more productive clinical trials of lifesaving drugs, and develop novel forms of coordination. But achieving recursive improvement alone does not suggest an immediate change in how industrial production occurs, societies organize, or markets function. More intelligence can't learn what a drug does over decades of use, can't hold elections sooner than a constitution dictates, and can't turn a stranger into an old friend in a weekend."

瓶颈，越来越多地不在机器那一端，而在我们这一端。这也许并不是坏消息，它意味着，在这场看起来由算力定义的竞赛里，真正属于人类的东西，恰恰是那些快不起来的，譬如判断、信任、关系；譬如决定"什么才值得做"的那一点点品味。

-编辑部广告-