AlphaGo大神最新發聲：AI沒有泡沫，指數級增長沒停，2026年是AI廣泛融入經濟的關鍵一年

Julian Schrittwieser，AlphaGo、AlphaZero和MuZero的共同一作，平時非常低調的一位的AI大神（AlphaGo、AlphaZero、MuZero、AlphaCode、AlphaTensor、AlphaProof ，Gemini RL 技術人員成員， 前 DeepMind 首席研究工程師）最近，他觀察到一個現象，并就當前圍繞AI進展和所謂泡沫的討論發表了看法

AI進展停滯了？

Schrittwieser指出，當前對AI能力和未來進展的討論中，正發生著一些奇怪的事情

人們注意到，雖然AI現在可以編寫程序、設計網站等，但它仍然會犯錯或走向錯誤的方向。然后，他們不知何故就得出結論：AI將永遠無法在這些任務上達到人類水平，或者只會產生微小的影響

這些人似乎忘了，就在幾年前，讓AI做這些事情還完全是科幻小說的情節！

或者，他們看到連續發布的兩個模型，在對話中沒有察覺到太大差異，就斷定AI正在進入平臺期，規模化（scaling）已經走到盡頭

用METR數據說話：AI自主完成任務時長翻倍

準確評估AI的進展非常困難，通常需要AI專業知識和特定領域知識的結合。

幸運的是，有一些組織，比如METR，它們的唯一宗旨就是研究AI的能力。我們可以參考他們最近的一項研究“衡量AI完成長任務的能力”（Measuring AI Ability to Complete Long Tasks），該研究衡量了AI模型能自主執行軟件工程任務的長度

我們可以觀察到一條清晰的指數增長趨勢。其中，Sonnet 3.7取得了最佳表現，能夠以50%的成功率完成長達一小時的任務

然而，在當時，Sonnet 3.7已經是一個7個月前的模型了，這恰好與METR在研究中聲稱的“7個月能力翻一倍”的速率相符。我們能用這一點來驗證METR的發現是否站得住腳嗎？

答案是肯定的。事實上，METR自己在其研究網站上就維護著一張實時更新的圖表

我們可以看到，圖表的右上角新增了Grok 4、Opus 4.1和GPT-5等最新模型。這不僅驗證了此前的預測，而且這些新模型的表現實際上還略高于趨勢線，現在已經能執行超過2小時的任務！

不止于編程：跨行業表現同樣驚人

一個合理的質疑是，我們不能將軟件工程任務上的表現推廣到更廣泛的經濟領域——畢竟，這些是AI實驗室的工程師最熟悉的任務，可能會產生一定程度的“過擬合”。

我們可以參考另一項由OpenAI發布的最新研究：GDPval。這項研究衡量了模型在9個行業、44個職業中的表現

這項評估的任務來自經驗豐富的行業專業人士（平均擁有14年經驗），每個職業30個任務，總計1320個任務。評分則通過對人類和模型生成的解決方案進行盲評比較，結果可以是明確的偏好，也可以是平局

我們再次觀察到了類似的趨勢，最新的GPT-5已經驚人地接近人類的表現，你可能會覺得這張圖看起來有趨于平緩的跡象，但這很可能只是因為GPT-5是一個非常注重消費者體驗的模型

OpenAI在評估中也包含了其他模型。我們可以看到，比GPT-5更早發布的Claude Opus 4.1表現要好得多——領先于前一張圖表的趨勢，并且已經幾乎能與行業專家（!）的表現相媲美

2026將是關鍵一年

Schrittwieser總結道，鑒于多年來、跨多個行業觀察到的一致的指數級性能提升趨勢，如果這種改進突然停止，那將是極其令人意外的

相反，即使是對這些趨勢進行相對保守的外推，也表明2026年將是AI廣泛融入經濟的關鍵一年：

到2026年中期，模型將能夠自主工作一整天（8個工作小時）

在2026年底之前，至少會有一個模型在許多行業中達到人類專家的水平

到2027年底，模型在許多任務上的表現將頻繁超越專家

Schrittwieser認為，通過圖表上的直線進行外推，這種預測方法可能聽起來過于簡單，但它很可能比大多數“專家”——甚至比許多真正的領域專家——更能為你提供一個未來的模型。

如果想更具體地了解未來會是什么樣子，他推薦了Epoch AI的2030年報告，特別是其中深入的AI 2027項目

Epoch AI的2030年報告：

https://epoch.ai/blog/what-will-ai-look-like-in-2030

https://ai-2027.com/