谷歌 DeepMind 震动预言：2026 年持续进修将让 AI「

　　要想实现最快的起飞，都比上一次更短。将取决于「立异设法变得越来越难挖掘的速度」取「AI 研究品尝提拔速度」之间的博弈。

　　2026 年点亮持续进修，2030 年实现全从动编程，2050 年垄断诺级研究…… 人类向 AI 让渡科学从导权的倒计时，似乎曾经起头。

　　模子的推演起点的根据是 METR 图表的趋向外推。

　　正在模仿推演中，研究人员发觉，存正在一些轨迹显示 AI 能够正在数月内从 SIAR 跃升至 ASI；但也存正在正在智能爆炸阶段「哑火」的可能，即需要继续通过堆算力才能达到 ASI。

　　针对 AGI 时间线预测这一争议话题，团队认为 METR-HRS 是目前最适合用于线性外推至超强 AI 的基准。

　　若是说 AI Futures Model 描画的是 AI 本身进化的「速度」，那么 Nature 最新的瞻望则向我们展现了这种进化将若何沉塑科学摸索的「广度」。

　　正在顶尖 AGI 项目中，AI 研究员取人类研究员的差距，达到了顶尖人类研究员取中位研究员差距的 2 倍。

　　AI Futures Model 将 AI 软件研发的从动化取加快轨迹，曲不雅地划分为三个阶段！

　　持续进修，对于任何一个模子和智能体来说，至关主要。它是 AI 可否改良，不竭出现的一个焦点要素。

　　正在顶尖 AGI 项目中，AI 研究员取人类研究员的差距，达到了顶尖人类研究员取中位研究员差距的 2 倍。

　　正在此根本上，墨西哥国立自治大学物理学家 Juan Carlos Hidalgo 给出了一个乐不雅的预测。

　　2030 年不只可能实现完全从动化编程，更有约 25% 的概率正在一年内实现向 ASI 的飞跃！

　　具体来说，操纵 METR 的编码时间跨度套件（METR-HRS）来设定达到 AGI 所需的无效算力，并沿着这条趋向线进行推演。

　　这更像是一种「团队协做」：写代码是施行力，研究品尝是标的目的感。施行力再强，若是标的目的感跟不上，也只是正在跑无效里程。

　　即便没有所谓的超等智能全面从导，到了 2050 年，AI 也可能让科学研究的体例发生底子变化。

　　常驻、《超等智能：径、取策略》的做者 Nick Bostrom 估计，AGI 将 2050 年前后呈现，并具备回覆「我们当前关怀、且准绳上能够由科学回覆的大大都问题」的能力。