互联网大脑模型与超级智能的关系由来 - 互联网在过去50年里从网状结构进化成为大脑模型，人类群体智慧与机器群体智能通过此结构形成了前所未有的超级智能形式[4] - 21世纪涌现的云计算、物联网、工业4.0、边缘计算、大社交网络、区块链等技术概念，分别对应互联网大脑的中枢神经、感觉神经、运动神经、神经末梢、类脑神经元网络、神经纤维及反抗中枢化的古老神经系统[6] - 互联网大脑架构与城市、工业、农业等各行业结合，形成了城市大脑、工业大脑、农业大脑等行业应用[6] - 世界科技巨头为适应此结构，将核心业务与之结合，例如谷歌大脑、讯飞超脑、360安全大脑、腾讯超级大脑、阿里ET大脑、华为EI智能体[6] - 互联网大脑模型指出，人类、商业与政府机构连接形成右大脑（云群体智能），传感器、机器人与智能设备连接形成左大脑（云机器智能），两者的结合是超级智能实现的基础，与谷歌对ASI的预期直接呼应[7] - 以互联网大脑为物理基础的超级智能，正对21世纪人类的社会结构、经济形态、科技创新和哲学思考产生重大深远影响[8] 实现超级智能的四条路径与互联网大脑的发育 - 谷歌报告提出通往ASI的四条路径，与互联网大脑的发育进程高度对应[2] - 第一条路径：算力、模型与数据的规模化扩张，对应互联网大脑中枢神经系统（云计算与大数据）的持续扩容及AI巨型神经元的不断增大[9] - 此路径的主要瓶颈之一是“数据墙”，即高质量训练数据增速跟不上模型规模扩张，这要求互联网大脑的感觉神经系统（物联网、视频监控、人机交互）必须持续汲取更丰富的真实世界输入[11] - 第二条路径：算法范式的转变，跳出当前大模型框架，相当于互联网大脑神经信息处理机制本身的进化升级，是类脑巨系统在结构层面走向成熟[11] - 第三条路径：递归自我改进，即AI参与并加速AI自身研发，形成正反馈循环，对应互联网大脑的“云反射弧”从被动响应走向自我强化的高级形态[11] - AlphaZero式的自我对弈与自我蒸馏是递归改进的典型机制，这正是互联网大脑左半球（云机器智能）加速成熟的真实写照[13] - 第四条路径：通过大规模多智能体集群形成群体智能体，这是与互联网大脑契合度最高的一条路径[14] 群体智能体：是超级智能也是互联网大脑的核心命题 - 谷歌报告提出ASI可能从大量AGI智能体的协同中涌现，这些智能体可像企业、市场那样组织，形成具有独立表征与动机的群体智能体，甚至构成虚拟智能体经济[15] - 这一论断与互联网大脑模型的核心命题几乎完全一致，互联网大脑从一开始就是由人类神经元与机器神经元通过大社交网络互联而成的巨系统[17] - 2026年智能体的发展，意味着代表机器智能的AI神经元将进一步发展，并与代表人类神经元的社交网络结合，一个世界级的物理神经元网络正在不断发育成型[17] - 谷歌报告设想的群体智能体协调、市场化价格信号以及多智能体规模法则，对应的正是互联网大脑中类脑神经元网络的成熟，以及云群体智能与云机器智能两个半球的协同放电[17] - 未来的ASI可能表现为高度同质、持续共享知识的超级集合体，也可能是大量异质专才在市场竞争中动态自组织的形态，但都未超出互联网大脑左右半球协同与大社交网络互联的基本图景[17] 超级智能的能力上限与人类的归宿 - 谷歌报告借助通用人工智能框架为机器智能给出理论上限，指出数字智能可被无损复制、可跨载体迁移、可高带宽共享经验等优势会随算力增长不断放大[19] - 这些优势是互联网大脑中神经元能够海量复制、快速连接、协同放电的技术前提，一个可以无限复制并高带宽互联的AI神经元群体，与互联网大脑追求的成熟类脑神经元网络在工程含义上是同一件事[19] - 谷歌报告与互联网大脑模型都强调这是一个充满不确定性的发育过程，而非确定的终点，ASI既非全知也非全能，仍受物理、复杂度与逻辑等根本限制[19] - 在《崛起的超级智能》一书中提出一个终极推论：若有无限时间进化，互联网大脑将在结构上与大脑高度相似，范围扩展到宇宙深处，与宇宙任何元素链接，最终形成智能宇宙或宇宙大脑[20] - 谷歌的路线图与互联网大脑的哲学预测在方向上高度一致，人类正在培育一个由人脑、机器与万物互联而成的超级智能体，谷歌的路线图更像是在描述互联网大脑走向成熟的发育时刻表[22] 谁来控制这个不断发育的超级智能 - 互联网大脑模型认为超级智能由数十亿人类和AI机器共同构成，人类构成右大脑，机器构成左大脑，二者的结合才称得上完整超级智能[23] - 谷歌报告提出的“抽象壁垒”假说间接支持了这一判断，该假说认为主要依靠人类已有概念训练的AI，可能缺乏从原始数据中独立提炼全新概念原语的能力[23] - 这意味着AI在基础科学原理层面全面超越人类，目前尚无现成可行路径，因此在互联网大脑模型中，人类（及代表人类的科技巨头与政治家）依然会握有最终决策权，AI和机器仅在人类授权下获得一定控制权[25] - 需要警惕两个现实问题：第一，被授予控制权的AI和机器在自主运行时，可能因程序缺陷或错误被网络放大为系统性危害，谷歌报告借用“正常事故理论”指出，在高度耦合的社会技术系统中，失效往往源于组织决策而非孤立技术故障[26] - 第二，连接到互联网大脑的AI和机器过度替代人类后，失业问题及超级智能创造财富的分配问题，谷歌报告指出后AGI时代经济的主要资源可能从劳动转向资本，这会冲击现有社会契约，必须重新设计分配机制[26] - 归根结底，超级智能越是成熟，人类越不能完全让渡决策权，互联网大脑的右大脑必须始终清醒地握住授权与分配这两根缰绳，这是安全的底线，也是超级智能能够继续健康发育的前提[26]

文章核心观点 - 文章通过一位博士生的求职经历，揭示了当前AI研究领域，特别是AI安全和前沿实验室求职过程中的非标准化特点与关键影响因素 [4][8][10] 个人背景与求职历程 - 作者为布朗大学五年级博士生，在博士最后一年从多语言大模型研究转向AI安全研究 [7][8] - 为专注于Astra奖学金项目并提升在AI安全领域的竞争力，作者拒绝了部分工作机会并将毕业时间推迟至2027年 [8] - 作者原计划2025年秋季申请工作，但因时间安排和对职位资源的担忧，提前至五月中旬开始面试，并在六月中旬前获得多个满意offer，甚至退出了部分后续面试 [8] 求职过程中的关键洞察 研究成果与面试的关系 - 在求职过程中，真正重要的可能只有一两篇关键论文，甚至一篇都不需要，评价标准更侧重于当场解决团队问题的能力 [10][12] - 论文的主要作用在于获得面试机会和用于深度解析（如研究报告），发表论文的数量本身并不重要，关键在于展现目标领域所需的专业技能 [13] - 作者曾获NeurIPS 2023 SoLaR最佳论文奖，但其多语言研究论文在转向AI安全领域的求职中并未起到关键作用 [13] 面试环节的多样性 - 面试环节超出预期，不仅包括LeetCode风格问题和技术面试，还涉及系统设计、并行编程（如使用asyncio）以及考察使用AI智能体能力的环节 [15][16][17] 工作试用（Trial）的普遍性 - 工作试用在AI初创公司中越来越普遍，这与传统的现场多轮面试不同，候选人需与团队合作完成一项任务，有时任务为开放式 [19][20] - 部分现场工作试用可持续长达一周，且有报酬，但这会占用大量时间，影响准备其他公司面试 [21] 市场时机的影响 - 就业市场时机至关重要，例如去年秋季AI安全职位难寻，但目前有更多初创公司（如Lila和Mechanize）提供相关机会 [23] - 可以要求推迟面试开始时间（如一两个月），但一旦开始，各轮面试间隔通常很短，入职日期可以协商 [24] 研究职位的留用通知（Return Offer） - 与软件工程职位相比，研究职位的留用机会较少且需具体分析，例如2024年在Meta实习后，全职转正机会很少且取决于团队规模 [26] - 即使申请OpenAI的Astra奖学金，仍需经历完整的面试流程才能最终加入 [26] 面试内容与研究方向的相关性 - 许多面试内容与候选人的核心研究主题（如AI安全）完全无关，面试官更侧重于评估候选人作为AI研究员的全面性基础能力 [28][29][30]