这是根据Google DeepMind在2026年2月介绍的研究展开的想象，并非已实现完整自我改进循环的报告。
设想研究人员早晨来到实验室时，AI已准备好候选解法。研究人员核查后决定下一步尝试。这种方式可能让更多想法得到验证。
2026年2月，Google DeepMind介绍了采用Gemini Deep Think的数学研究智能体Aletheia等成果。它生成、验证并修改候选解法，也与研究人员合作。
研究能尝试更多方法
如果AI阅读论文并尝试候选解法，人们或许能更快找到有希望的方法。过去因时间不足而搁置的问题，也更有机会得到探索。
数学成果反过来改进AI
如果研究发现减少计算量或用更少数据学习的方法，会怎样？将成果用于下一代AI，它又能更好地协助研究。下文探讨这种可能的循环。
AI协助研究，研究再改进AI。若这一过程持续推进，收益可能不仅体现在计算领域，也扩展到材料和能源研究。
仍需实验和制造才能进入生活
有了新想法，仍需设备和时间来实验。要变成电池或机器人，也需要制造能力。研究速度与实际生产能力都需要提高。
研究人员看到AI建议后想到另一种方法，再让AI验证。这样的协作增多，可能缩短新技术出现的间隔。
