自动化AI研究从理论走向现实的速度，可能比顶尖实验室研究者预想的更快。

发生了什么

IAPS研究员Severin Field对来自OpenAI、Anthropic、Google DeepMind、Meta及美国高校的25位研究者进行了访谈，探讨递归自我改进（即AI系统自主改进自身能力）的前景。在最新发布的博文中，Field对这些预测进行了回顾，发现其中多个里程碑已经达成。尽管具体细节未完全披露，但这一事实本身就表明，AI研究自动化的进程正在加速。

为什么重要

这些访谈对象来自全球最前沿的AI实验室，他们的预测代表了行业对技术发展节奏的共识。如今多个里程碑提前实现，意味着AI系统在代码生成、实验设计、结果分析等环节的自动化程度已超出预期。这不仅验证了递归自我改进的可行性，也引发了更深层的担忧：当AI能自主推进研究时，人类对发展速度的控制力将面临挑战。此前关于AI安全与对齐的讨论多基于假设，而现在的现实进展使这些讨论变得紧迫。

影响与看点

对于AI行业而言，自动化研究将降低研发门槛，加速模型迭代，但也可能加剧技术失控的风险。开发者需要关注AI辅助研究工具的能力边界，以及如何确保人类监督的有效性。政策制定者则需考虑新的监管框架，以应对可能出现的指数级发展。值得关注的是，这些预测的落空并非坏事，而是提醒我们：AI技术的演进往往非线性，人类需要更灵活地适应变化。我的判断是，未来两年内，自动化AI研究将成为AI安全辩论的核心议题，而实验室之间的竞争可能进一步压缩安全审查的时间窗口。