起點(diǎn)課堂會(huì)員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會(huì)特權(quán)
個(gè)人IP打造特權(quán)
30+門專項(xiàng)技能課
1300+專題課程
12場(chǎng)職場(chǎng)軟技能直播
12場(chǎng)求職輔導(dǎo)直播
12場(chǎng)專業(yè)技能直播
會(huì)員專屬社群
榮耀標(biāo)識(shí)谷歌DeepMind爆出震撼預(yù)言！2026年，持續(xù)學(xué)習(xí)將讓AI「永生」
2026年點(diǎn)亮持續(xù)學(xué)習(xí)，2030年實(shí)現(xiàn)全自動(dòng)編程，2050年壟斷諾獎(jiǎng)級(jí)研究……人類向AI讓渡科學(xué)主導(dǎo)權(quán)的倒計(jì)時(shí)，似乎已經(jīng)開始。
一早，谷歌DeepMind研究員重磅預(yù)測(cè)刷屏全網(wǎng)！
2026年，將會(huì)成為「持續(xù)學(xué)習(xí)」之年。
或許它已經(jīng)在谷歌內(nèi)部實(shí)現(xiàn)了。
此前，Jeff Dean曾在NeurIPS 2025爐邊談話上，指出了目前LLM痛點(diǎn)在于「缺乏持續(xù)學(xué)習(xí)」。
去年底，谷歌團(tuán)隊(duì)提出的「嵌套化方法」增強(qiáng)了LLM上下文處理能力，實(shí)現(xiàn)了持續(xù)學(xué)習(xí)。
拓展閱讀：終結(jié)Transformer統(tǒng)治！清華姚班校友出手，劍指AI「災(zāi)難性遺忘」
持續(xù)學(xué)習(xí)，對(duì)于任何一個(gè)模型和智能體來說，至關(guān)重要。它是AI能否自我改進(jìn)，不斷涌現(xiàn)的一個(gè)核心要素。
Anthropic CEO Dario Amodei也表示，持續(xù)學(xué)習(xí)將在2026年就搞定了，并能實(shí)用起來。
實(shí)際上，AI這種持續(xù)學(xué)習(xí)的苗頭，早已顯現(xiàn)。
Anthropic工程師自曝，過去一個(gè)月，自己對(duì)Claude Code的貢獻(xiàn)，全部由AI 100%直出代碼。
另一位非技術(shù)型程序員Ben Tossell四個(gè)月，燒掉30億Token，用Claude Code連造50個(gè)項(xiàng)目。
Tossell全程所做的，只是看著AI完成編碼。
這一刻，模型不再通過訓(xùn)練獲得改進(jìn)，而是在自編碼過程中不斷進(jìn)化。
人類不用插手，幾乎0干預(yù)，全自動(dòng)化編程和研究的時(shí)代更近了。
OpenAI研究員Hieu Pham預(yù)測(cè)，2026將見證AI破解一個(gè)千禧年難題
2030告別手搓代碼？前OpenAI研究員揭秘ASI倒計(jì)時(shí)
全自動(dòng)化編程（Automated Coder, AC），會(huì)不會(huì)成為AGI乃至ASI加速到來的關(guān)鍵拐點(diǎn)？
前OpenAI研究員Daniel Kokotajlo和他的團(tuán)隊(duì)給出了肯定答案。
他們利用自主開發(fā)的AI Futures Model做出了驚人預(yù)測(cè)：
2030年不僅可能實(shí)現(xiàn)完全自動(dòng)化編程，更有約25%的概率在一年內(nèi)實(shí)現(xiàn)向ASI的飛躍！
團(tuán)隊(duì)認(rèn)為，AC就像是AGI研發(fā)進(jìn)入自動(dòng)化加速階段的「開關(guān)」。
一旦這個(gè)開關(guān)被按下，ASI就極有可能快速起飛（25%概率在1年內(nèi)實(shí)現(xiàn)）。
https://blog.ai-futures.org/p/ai-futures-model-dec-2025-update
核心錨點(diǎn)：用METR-HRS外推「編碼時(shí)間跨度」
針對(duì) AGI 時(shí)間線預(yù)測(cè)這一爭(zhēng)議話題，團(tuán)隊(duì)認(rèn)為METR-HRS是目前最適合用于線性外推至超強(qiáng)AI的基準(zhǔn)。
具體來說，就是以「能力基準(zhǔn)趨勢(shì)外推」作為核心方法，利用METR的編碼時(shí)間跨度套件（METR-HRS）來設(shè)定達(dá)到AGI所需的有效算力，并沿著這條趨勢(shì)線進(jìn)行推演。
AI Futures Model 將 AI 軟件研發(fā)的自動(dòng)化與加速軌跡，直觀地劃分為三個(gè)階段：
- 自動(dòng)化編程
- 自動(dòng)化研究品味
- 智能爆炸
階段1：自動(dòng)化編程
首先預(yù)測(cè)「寫代碼」何時(shí)會(huì)被完全自動(dòng)化。
模型對(duì)自動(dòng)化編程器（Automated Coder，AC）的定義非常硬核：
AC可以將某個(gè)AGI項(xiàng)目的代碼編寫工作完全自動(dòng)化，直接替代該項(xiàng)目的整個(gè)程序員團(tuán)隊(duì)。
模型的推演起點(diǎn)的依據(jù)是METR圖表的趨勢(shì)外推，并預(yù)估「智能體式編碼時(shí)間跨度」達(dá)到何種水平才算作AC。
同時(shí)，模型不僅僅盯著曲線，還綜合考量了多重變量：
- 供給約束是否會(huì)導(dǎo)致增長(zhǎng)放緩；
- AI研發(fā)自動(dòng)化是否會(huì)帶來加速效應(yīng)；
- 時(shí)間跨度趨勢(shì)是否呈現(xiàn)超指數(shù)級(jí)增長(zhǎng)；
……
階段2：自動(dòng)化研究品味
除了代碼之外，模型還追蹤了另一項(xiàng)關(guān)鍵能力——研究品味（Research Taste）。
它指的是確定研究方向、挑選實(shí)驗(yàn)、解讀結(jié)果以及從實(shí)驗(yàn)中提取知識(shí)的能力。
這更像是一種「團(tuán)隊(duì)協(xié)作」：寫代碼是執(zhí)行力，研究品味是方向感。執(zhí)行力再強(qiáng)，如果方向感跟不上，也只是在跑無效里程。
階段2的目標(biāo)是預(yù)測(cè)從AC進(jìn)化到超人類AI研究員（Superhuman AI Researcher，SAR）需要多長(zhǎng)時(shí)間。
SAR的定義同樣強(qiáng)悍：
SAR可以將AI研發(fā)完全自動(dòng)化，完全替代所有人類研究員。
這一階段的速度取決于三個(gè)因素：
- 寫代碼自動(dòng)化能為AI研發(fā)帶來多大的加速；
- 當(dāng)AC出現(xiàn)時(shí)，AI的研究品味已經(jīng)達(dá)到了什么水平；
- AI研究品味的提升速度（即在同樣的進(jìn)展輸入下，每做一次實(shí)驗(yàn)?zāi)軒矶嗌兕~外價(jià)值）。
階段3：智能爆炸
當(dāng)AI研發(fā)實(shí)現(xiàn)完全自動(dòng)化，模型便進(jìn)入了最讓人心跳加速的階段：
AI會(huì)以多快的速度自我提升，逼近智能上限。
這一階段追蹤的里程碑包括：
超智能AI研究員（Superintelligent AI Researcher，SIAR）：
在頂尖AGI項(xiàng)目中，AI研究員與人類研究員的差距，達(dá)到了頂尖人類研究員與中位研究員差距的2倍。
頂尖專家級(jí)AI（Top-human-Expert-Dominating AI，TED-AI）：
在幾乎所有認(rèn)知任務(wù)上，至少達(dá)到頂尖人類專家的水平。
超級(jí)人工智能（Artificial Superintelligence，ASI）：
在幾乎所有認(rèn)知任務(wù)上，ASI與最強(qiáng)人類的差距，是最強(qiáng)人類與中位專業(yè)人士差距的2倍。
在模擬推演中，研究人員發(fā)現(xiàn)，存在一些軌跡顯示AI可以在數(shù)月內(nèi)從SIAR躍升至ASI；但也存在在智能爆炸階段「啞火」的可能，即需要繼續(xù)通過堆算力才能達(dá)到ASI。
要想實(shí)現(xiàn)最快的起飛，通常需要一個(gè)反饋循環(huán)：讓AI能力每一次翻倍所需的時(shí)間，都比上一次更短。
在此，模型提出了一個(gè)關(guān)鍵概念——「僅靠研究品味的奇點(diǎn)（taste-only singularity）」：
速度的翻倍完全來自于研究品味的提升，而非算力增加或代碼能力的提升。
這一奇點(diǎn)是否會(huì)出現(xiàn)，將取決于「創(chuàng)新想法變得越來越難挖掘的速度」與「AI研究品味提升速度」之間的博弈。
Nature2050年，AI扛下諾獎(jiǎng)級(jí)研究
如果說AI Futures Model描繪的是AI自身進(jìn)化的「速度」，那么Nature最新的展望則向我們展示了這種進(jìn)化將如何重塑科學(xué)探索的「廣度」。
盡管時(shí)間線難以精確鎖定，但科學(xué)界對(duì)終局的共識(shí)逐漸清晰：
到2050年，AI系統(tǒng)或?qū)⒊蔀椤钢Z獎(jiǎng)級(jí)」科學(xué)研究的主力軍。
常駐牛津、《超級(jí)智能：路徑、危險(xiǎn)與策略》的作者Nick Bostrom預(yù)計(jì)，AGI將2050年前后出現(xiàn)，并具備回答「我們當(dāng)前關(guān)心、且原則上可以由科學(xué)回答的大多數(shù)問題」的能力。
即便沒有所謂的超級(jí)智能全面主導(dǎo)，到了2050年，AI也可能讓科學(xué)研究的方式發(fā)生根本變化。
對(duì)此，倫敦研究與前瞻公司Outsmart Insight聯(lián)創(chuàng)Alex Ayad描述了一種名為「黑燈實(shí)驗(yàn)室」（lights out labs）的場(chǎng)景：
由AI算法驅(qū)動(dòng)的自主系統(tǒng)，結(jié)合機(jī)器人實(shí)驗(yàn)員，能夠24小時(shí)不間斷地攻克生物技術(shù)難題。
在此期間，完全不需要人類在場(chǎng)，故名「黑燈」。
而這，也將催生一個(gè)完美的「共生循環(huán)」：
新技術(shù)催生新的科研方式，新知識(shí)反過來推動(dòng)更新、更強(qiáng)的技術(shù)，從而不斷解鎖新的科學(xué)領(lǐng)域。
在此基礎(chǔ)上，墨西哥國立自治大學(xué)物理學(xué)家Juan Carlos Hidalgo給出了一個(gè)樂觀的預(yù)測(cè)：
在AI的輔助攻堅(jiān)下，到2050年，核聚變能源成熟的前景「相當(dāng)可期」。
參考資料：HYB
https://www.nature.com/articles/d41586-025-04100-6 ?
https://x.com/slow_developer/status/2006800088627048584?s=20
https://www.aifuturesmodel.com/%20
https://blog.ai-futures.org/p/ai-futures-model-dec-2025-update
新智元報(bào)道 編輯：編輯部
本文由人人都是產(chǎn)品經(jīng)理作者【新智元】，微信公眾號(hào)：【新智元】，原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。
題圖來自Unsplash，基于 CC0 協(xié)議。
- 目前還沒評(píng)論，等你發(fā)揮！
