AI 研究者三人辯論遞迴自我改進的技術障礙——現行典範能否達成超級智慧
來賓：Dwarkesh Patel × Baron Millich（Zyphra 技術長）、John Schulman（Thinking Machines 首席科學家、前 OpenAI 共同創辦人）、Charlie O'Neil（Base Ten 模型訓練主管）
結論
AI 進入自我改進迴圈的時間點預估為二至十年，但現行方法（Transformer 加強化學習）能否達到智慧的「全域最佳解」仍未解決。
三行摘要
- Zyphra 技術長、前 OpenAI 研究者、Base Ten 訓練負責人三人討論 AI 的遞迴自我改進（RSI）能否在二〇三六年前實現
- 所有人都預測 AI 將大幅進步，但對 AI 研究自動化時間點（二至十年）與全認知領域超級智慧達成時間點（三至十年）意見分歧
- 技術論點集中於三點：現行典範是否需要根本性的不連續、目標設定能否自動化、持續學習能否解決
關注要點
1. 蒸餾防止集中化的力量：John Schulman 指出「從強化學習學到的東西可以輕易從少量資料蒸餾出來」，這是防止模型提供者寡占的主要因素。但需要正確的提示分布，中國企業透過提供美國模型存取的路由服務收集並販售使用資料，將「完美的提示分布」用於蒸餾
2. 中間訓練完成八成工作：Baron 將強化學習成功的原因歸於「非常優秀的中間訓練資料」，說明「這往往能將模型帶到最終強化學習檢查點的近八成」。強化學習的位元具有「極高的訊號」——目標函數忽略所有推理標記只更新答案，因此在監督式學習中「埋沒於雜訊」的訊號得以突顯
3. 時間軸預測的分散：能勝任白領業務的遠端工作者 AI 雇用為一至三年、AI 研究者生產力十倍化為二至十年、全認知作業超級智慧達成為三至十年，預測出現分歧。最樂觀的 John 認為「AI 研究自動化是兩年」，但 Charlie 預測五至十年，認為「自己吸收資訊並決定貝氏最佳下一個實驗的能力」會成為瓶頸
一句話研判
現行深度學習典範距離智慧的全域最佳解有多近這個問題，具有與摩爾定律需要眾多離散創新相同的結構。技術性累積改善與目標設定這個哲學性、規範性問題的分離，是這場討論的核心。
來源：Dwarkesh Podcast《AI researchers debate how close we are to recursive self-improvement》（二〇二六年九月十一日）
https://www.dwarkesh.com/p/john-beren-charlie
# Reinforcement Learning# Continual Learning# Recursive Self-Improvement# OpenAI
加密資產監管失敗與 AI 減速爭議揭示的產業對政權依賴脆弱性
來賓：Kade Mark（Uneasy Money 主持人、Synthetix・Infinex 創辦人）× Tommy（Delphi Ventures 創辦合夥人）× Taylor Monahan（資安專家、前 MetaMask）
結論
將監管明確性寄託於行政裁量而非法律的策略，是一座會在政權更迭時一夕崩塌的沙堡。
三行摘要
- 加密資產產業投入超過一億美元遊說並獲得親加密政權，卻未能讓 Clarity Act（明確化法案）在參議院取得五十票。川普發行迷因幣引發倫理疑慮，摧毀了法案
- OpenAI・Anthropic 的「AI 減速」提案並非關乎安全而是獲利問題——兩家公司「虧損驚人」，以補貼維持運算資源，試圖在中國開源模型（成本十分之一、智能九成）搶走市場前以監管築起護城河
- 兩個產業的共通點是創辦人試圖與監管機構交易以求生存，結果卻引入對政治體制依賴的脆弱性。打著「安全」旗號的陣營實際上並未解決問題，而是進行行銷與監管俘獲
關注要點
1. Gensler 時代是存亡威脅，現政權只是麻煩 — Kade 表示「現在好多了。瘋子踢破門射你腦袋的可能性降到零。我說的是 Gensler」。Tommy 說「每次跟優秀創辦人談話都會想『但他可能要坐牢』。Gensler 時代很不正常」。代價是存亡風險降低但競爭加劇（那斯達克上市公司進場），且未能透過立法獲得明確性
2. 前沿實驗室不知道自己在做什麼 — DeepSeek 將所有使用者切換至 4.1 Flash 並宣稱「發現了 AGI」。兩天後撤回「我們錯了，真的很蠢」。Kade「這些實驗室什麼都不懂」。Taylor「他們很創新但真的不懂。這比安全議題更可怕——你們真的不懂」。含意：實驗室若無法控制自己的模型，也無法控制 AGI
3. Anthropic・OpenAI 能讀取你的所有提示 — Taylor 引用 Anthropic 威脅行為者報告：「他們真的能完整讀取你的所有工作」。例如：中共官員使用中國模型（後端是 Anthropic）監控公民——Anthropic 看到並公開。「這在美國企業也發生。遲早會成為 Anthropic・OpenAI 的問題」。隱私風險對企業採用是存亡威脅
一句話研判
加密資產為了逃離 Gensler 這個「瘋子」而與政權交易，結果獲得依賴行政裁量而非法律的脆弱勝利。AI 產業正走上同樣道路——OpenAI・Anthropic 高喊「減速」，實際上是試圖在中國開源模型搶走市場前以監管築起護城河。兩者共通點是以安全或明確性為名與監管機構交易求生，結果引入對政治體制依賴的新脆弱性。歷史顯示，當創新速度超越治理時，創辦人被迫在合規風險與競爭滅絕間二擇一——而「安全」陣營很可能不是在解決實際問題，而是在進行行銷作戰。
來源：Uneasy Money《Uneasy Money: What Crypto's Gensler Years Say About the AI Slowdown Debate》（2026年9月17日）
https://unchainedcrypto.com
# AI Slowdown Debate# AI Safety# Regulation by Enforcement# Clarity Act
二十四歲的獨立記者揭發政府詐欺，加州制定法律阻止他
來賓：Jason Calacanis × Nick Shirley（獨立調查記者／YouTuber）
結論
揭發政府不正的公民新聞能夠實現傳統媒體無法達成的問責——但權力正試圖以法律封殺它。
三行摘要
二十四歲的獨立記者 Nick Shirley 透過 YouTube 影片揭露明尼蘇達州托兒設施詐欺案（四百萬美元）與加州高速鐵路的災難性失敗（十八年消耗一百五十億美元、營運區間零）。他的調查帶來逮捕與政治後果，但加州制定了 AB 2624 法案阻止他的採訪，違反者將面臨最低四千美元罰款。Shirley 目前以違反憲法第一修正案為由對州政府提起訴訟。
關注要點
1. 加州高速鐵路的規模性失敗：自二〇〇八年啟動至今十八年，消耗一百五十億美元卻營運區間零。原始預算三百三十億美元膨脹至二千三百六十億美元，若完工將成為史上第三昂貴基礎建設——僅次於州際公路系統與國際太空站，但與它們不同的是，這條鐵路不會運作。專家試算顯示，已支出金額可讓舊金山至洛杉磯航線免費飛行一百五十年，全額預算則可飛三百年。費用的三分之一（超過五十億美元）用於「變更指示延遲」——因政府規劃不當導致承包商無法施工，每日支付十七萬美元（每月五百萬美元）。
2. 封殺新聞的立法：加州在 Shirley 調查後制定 AB 2624（俗稱「Nick Shirley 阻止法」）。移民支援服務提供者（非營利組織、醫療設施等）只要寄出要求書，Shirley 就不能公開影片，違反將面臨最低四千美元罰款與訴訟費用。法案共同提案者 CHIRLA（移民權利倡議組織）接受八千萬美元政府資金，法案起草者 Mia Bonta 是加州司法部長（負責詐欺起訴）的妻子——起訴者的配偶制定讓詐欺揭發更困難的法律，形成結構性利益衝突。
3. X（前 Twitter）的影響力差距：Shirley 的明尼蘇達詐欺影片在 YouTube 獲得數百萬次觀看，但在 X 上達到一億四千萬次，觸及決策者並迫使政府回應。影片發布七日內累積四十億次觀看，托兒詐欺主謀（收取四百萬美元）試圖以單程機票逃往倫敦時被捕並認罪。同日（錄製當天）十二人因一千萬美元詐欺案被起訴。州長 Tim Walz 放棄連任。
一句話研判
政府問責已進入由公民直接調查而非制度新聞來擔保的時代。Shirley 的成功招致既有記者敵意，因為他體現了他們「想成為的自己」——理想主義、勇敢、未被收編。傳統媒體政治化並選擇立場，Shirley 沒有選擇。他們批評他事實查核的瑕疵，但 Shirley 找到真實詐欺並促成逮捕。平台民主化（X、YouTube）與觀眾資金模式（X 訂閱）讓不依賴制度的調查報導在經濟上成立——但權力正試圖以法律封殺它。這個張力將決定未來十年的新聞自由。
來源：All-In《Nick Shirley: Exposing Government Fraud, Suing California & Taking on the Media》（二〇二六年九月十八日）
https://allinchamathjason.libsyn.com/nick-shirley-exposing-government-fraud-suing-california-taking-on-the-media
# Nick Shirley# California AB 2624# California High-Speed Rail# Citizen Journalism
世界的智识，每天早晨15分钟。
音频、深度分析与你的专属知识图谱，尽在App。今天起免费。
获取App →