盤點(diǎn)大佬們對(duì)AGI的預(yù)測(cè)，大致存在“2026年”“2029年”，以及“2034年”三個(gè)時(shí)間節(jié)點(diǎn)。
OpenAI CEO Sam Altman：對(duì)2025年實(shí)現(xiàn) AGI充滿期待。
“全美Cutter”馬斯克：最遲2026年會(huì)出現(xiàn) AGI。
Anthropic創(chuàng)始人Dario Amodei ：預(yù)測(cè)2026年實(shí)現(xiàn)AGI 。
OpenAI聯(lián)創(chuàng)John Schulman：AGI將在2027年實(shí)現(xiàn)，ASI將在2029年到來。
諾獎(jiǎng)得主、AI教父Geoffery Hinton：5年內(nèi)看到AGI。
英偉達(dá)創(chuàng)始人兼CEO黃仁勛：未來5年，AI能通過人類任何測(cè)試。
谷歌首席研究員Ray Kurzweil：預(yù)測(cè)AGI將在2029年到來。
《奇點(diǎn)臨近》作者Ray Kurzweil：預(yù)測(cè)2029年實(shí)現(xiàn)AGI。
諾獎(jiǎng)得主、DeepMind創(chuàng)始人 Demis Hassabis：實(shí)現(xiàn)AGI 需要10年時(shí)間，且還需要 2 到 3項(xiàng)重大創(chuàng)新。
軟銀CEO孫正義：AI將在10年內(nèi)比人類聰明一萬(wàn)倍。（直接預(yù)言上了ASI）
當(dāng)然，還有一些“白日夢(mèng)”組合。
Yann LeCun認(rèn)為，AGI短期內(nèi)不會(huì)出現(xiàn)。至少不會(huì)像好萊塢科幻電影那樣突然出現(xiàn)。它更可能是一個(gè)漸進(jìn)的過程，而不是某個(gè)時(shí)刻突然“開機(jī)”就得到AGI。實(shí)現(xiàn)真正的“人類級(jí)別”的AI之前，我們得到的更可能是一種“貓級(jí)別”或者“狗級(jí)別”的低智能AI。
吳恩達(dá)對(duì)宣稱AGI即將到來持懷疑態(tài)度：我希望能在我們有生之年看到AGI，但我不確定。
人工智能專家Gary Marcus曾表示，如果我們繼續(xù)深度學(xué)習(xí)和語(yǔ)言模型的路線，將永遠(yuǎn)無法實(shí)現(xiàn)AGI，更遑論ASI了。因?yàn)檫@些技術(shù)存在缺陷，相對(duì)薄弱，只有通過更多的數(shù)據(jù)和算力，才能取得進(jìn)步。
華盛頓大學(xué)計(jì)算機(jī)科學(xué)教授、《終極算法》作者Pedro Domingos曾斷言：ASI只是一個(gè)白日夢(mèng)。
對(duì)于AGI的預(yù)測(cè)，背后關(guān)系著數(shù)萬(wàn)億美元的投資。其無疑是未來科技發(fā)展的重要方向，但更重要的是，看清楚什么是真實(shí)可行，什么是過度炒作。
文章作者Alistair Barr認(rèn)為，警示信號(hào)已經(jīng)出現(xiàn)。
最為迫切的是Scaling Law“撞墻”：OpenAI聯(lián)創(chuàng)Ilya Sutskever明確表示，依賴于擴(kuò)大模型規(guī)模的結(jié)果似乎已經(jīng)停滯；OpenAI研究員Noam Brown表示，在某個(gè)節(jié)點(diǎn)，擴(kuò)展模式會(huì)失效；谷歌下一代Gemini性能未達(dá)預(yù)期，內(nèi)部正在重新評(píng)估訓(xùn)練數(shù)據(jù)的使用方式。
連“技術(shù)樂觀派”投資人都開始“謹(jǐn)言慎行”。
a16z創(chuàng)始人Marc Andreessen和Ben Horowitz懷疑LLM是否能保持現(xiàn)有的發(fā)展勁頭。
Andreessen表示：目前看起來，AI模型的能力似乎遇到了某種瓶頸。當(dāng)然，行業(yè)中有許多聰明人正在試圖突破這個(gè)天花板。但是，如果你僅僅從數(shù)據(jù)和性能趨勢(shì)圖來看，AI模型性能的提升速度正在放緩，并呈現(xiàn)出一種“觸及天花板”的趨勢(shì)。
Horowitz則指出了阻礙因素：即使芯片到位了，我們可能也沒有足夠的電力支持。而有了電力后，又可能缺乏有效的冷卻手段。雖然GPU的算力在不斷提升，但AI模型的性能卻未能同步增長(zhǎng)，這表明僅僅依靠硬件的升級(jí)并不能解決所有問題。
如果目前無法突破這個(gè)技術(shù)瓶頸，那么短期內(nèi)實(shí)現(xiàn)AGI的可能性幾乎為零。如今，Google未給出明確回應(yīng)；Sam Altman直接表示，沒有撞墻；Anthropic則表示，尚未發(fā)現(xiàn)任何偏離Scaling law的跡象。
有趣的是，Alistair Barr解釋了Sam Altman為何“嘴硬”。
一方面，如果OpenAI實(shí)現(xiàn)了AGI，則有望逃離微軟的巨額“控制”。OpenAI官網(wǎng)寫道，一旦實(shí)現(xiàn)AGI，其所產(chǎn)生的知識(shí)產(chǎn)權(quán)將不受現(xiàn)有與微軟的協(xié)議約束。
另一方面，Altman的AGI目標(biāo)完全是一種愿景，就像馬斯克對(duì)火星移民和自動(dòng)駕駛汽車的執(zhí)著——即便一次次錯(cuò)過預(yù)測(cè)時(shí)間，卻總能點(diǎn)燃團(tuán)隊(duì)的熱情。
因此，“2025年實(shí)現(xiàn)AGI”的宏大目標(biāo)，無疑比“實(shí)現(xiàn)公司賬單自動(dòng)化”這類相對(duì)平凡的目標(biāo)更帶勁兒，盡管后者可能更具短期商業(yè)價(jià)值。
歷史表明，技術(shù)的發(fā)展充滿了不確定性，比如某些技術(shù)在經(jīng)歷長(zhǎng)期穩(wěn)定的進(jìn)步后，可能會(huì)突然失效。最經(jīng)典的例子是“摩爾定律”。該定律是半導(dǎo)體行業(yè)發(fā)展的一盞明燈，其“每?jī)赡攴环?rdquo;的預(yù)言，點(diǎn)燃了整個(gè)科技界的創(chuàng)新熱情，并為英特爾等巨頭的崛起奠定了堅(jiān)實(shí)基礎(chǔ)。
然而，麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）的研究表明，摩爾定律的魔力正在逐漸消退。
比如，2014年—2019年，英特爾在14納米和10納米工藝的推進(jìn)上遭遇了瓶頸，用5年才完成預(yù)期2年就能達(dá)成的目標(biāo)。2019年，投資者意識(shí)到摩爾定律不再適用以來，英特爾股價(jià)下跌了約50%，至今未能完全恢復(fù)。
這些現(xiàn)象預(yù)示著，技術(shù)進(jìn)步可能并非永恒，AGI的到來并非迫在眉睫。
近期，Scale AI 創(chuàng)始人兼CEO Alexandr Wang的演講頗具啟發(fā)意義。
他將現(xiàn)代AI時(shí)代分為三個(gè)主要階段：
第一個(gè)階段是研究階段（2012-2018），由第一個(gè)深度神經(jīng)網(wǎng)絡(luò) AlexNet開啟，那是一個(gè) AI 只能告訴你YouTube視頻里有沒有貓的時(shí)代。
第二個(gè)階段是規(guī)模化階段（2018-2024），由 OpenAI的Alec Radford訓(xùn)練的Transformer 和 GPT-1開啟。在這段時(shí)期，投入資源增長(zhǎng)了一萬(wàn)多倍，這帶來了性能的巨大提升。模型能力也從默默無聞的GPT-1，發(fā)展到了博士水平的o1 模型。
第三個(gè)階段將是創(chuàng)新階段，由o1 模型開啟，直到出現(xiàn)超級(jí)智能為止。我們拭目以待，看看這個(gè)階段是6年還是更短。這個(gè)階段的標(biāo)志是，大家已經(jīng)在模型上投入了 2000 億美元，而事實(shí)上大公司無法投入比這更多的資金了。我們不可能在模型上砸出 200萬(wàn)億美元。所以，從數(shù)量級(jí)來說，能繼續(xù)規(guī)模化的空間已經(jīng)很有限了。砸錢工作結(jié)束，才真正需要相應(yīng)的創(chuàng)新來配合，增強(qiáng)推理能力和測(cè)試時(shí)間計(jì)算能力肯定是其中之一。
Wang認(rèn)為，在此之前，邁向AGI路上存在五大挑戰(zhàn)：數(shù)據(jù)墻、評(píng)估過擬合、Agent不可靠、芯片和能源、國(guó)際競(jìng)爭(zhēng)等等。
挑戰(zhàn)一是數(shù)據(jù)墻。Epic AI預(yù)計(jì)的時(shí)間點(diǎn)在 2027年到 2030年之間。但如果你和業(yè)內(nèi)人士交流，他們會(huì)說比這更早。目前，有幾個(gè)主要的解決方案。
例如，前沿?cái)?shù)據(jù)，各種形式的合成數(shù)據(jù)，以及更高級(jí)的數(shù)據(jù)類型，還有企業(yè)數(shù)據(jù)。這些數(shù)據(jù)類型能讓我們更有效地學(xué)習(xí)高級(jí)概念，比如推理能力、多模態(tài)、智能體數(shù)據(jù)。此外，具身智能以及其需要的現(xiàn)實(shí)數(shù)據(jù)將是一個(gè)重要領(lǐng)域?？傊?，絕大部分的數(shù)據(jù)仍然是私有和專有的，是被鎖起來的。
比如，GPT-4 的訓(xùn)練數(shù)據(jù)集大約為0.5 PB。而摩根大通的專有數(shù)據(jù)集，超過了150 PB。他們只是眾多大企業(yè)中的一個(gè)。還有大量的數(shù)據(jù)躺在那里，從未被用于任何主要的訓(xùn)練。
挑戰(zhàn)二是評(píng)估。這在AI圈內(nèi)經(jīng)常引發(fā)討論，但是圈外人不太理解其重要性。評(píng)估是我們用來衡量這些模型進(jìn)步的標(biāo)尺。目前，許多評(píng)估都飽和或容易過擬合，過擬合指它們有點(diǎn)被“游戲化”了；飽和是指模型在所有評(píng)估中都已經(jīng)表現(xiàn)得非常好。這意味著研究可能變得更加漫無目的。如果你看過去幾年的MMU、數(shù)學(xué)、GPQA 等測(cè)試，模型表現(xiàn)似乎達(dá)到了瓶頸。但這并不是因?yàn)槟Ｐ蜎]有變得更好，而是因?yàn)檫@些評(píng)估已經(jīng)不夠難了。為解決這個(gè)問題，我們需要建立更具挑戰(zhàn)性的評(píng)估。
挑戰(zhàn)三是Agent。盡管每個(gè)人都在談?wù)揂gent，但它們還沒有真正到來，而且不可靠。我們看到AI Agent與自駕中的“L1—L5”非常相似。這個(gè)類比非常貼切：L1是一個(gè)聊天機(jī)器人；L2 是你可以尋求各種幫助的助手。L3是指用于工作流程特定部分的Agent，你可以開始依賴它們；L4 可能會(huì)顛覆這一點(diǎn)，當(dāng)Agent需要人類幫助時(shí)，會(huì)向你尋求幫助，更像是一種遠(yuǎn)程操作模式。首先，讓模型在每個(gè)領(lǐng)域都具備推理能力，最終在幾乎每個(gè)領(lǐng)域都能發(fā)揮作用。其次，建設(shè)能夠?qū)崿F(xiàn)遠(yuǎn)程操作Agent的基礎(chǔ)設(shè)施。在未來，我們大多數(shù)人可能只是 AI Agent的遠(yuǎn)程操作員。
挑戰(zhàn)四是芯片和能源。在未來五年內(nèi)，這些數(shù)據(jù)中心所需的電力保守估計(jì)為100吉瓦，也許遠(yuǎn)遠(yuǎn)不夠。這相當(dāng)于 20 個(gè)芝加哥的能源消耗，需要投入數(shù)萬(wàn)億美元的資本支出。在這里我沒有解決方案，只是指出這個(gè)挑戰(zhàn)。
AGI被視為人類追求的“圣杯”。一旦實(shí)現(xiàn)，世界將被徹底改變。
如果AI出現(xiàn)了“神”的能力，它或許就成了“神”的化身。
無論是在2年后，3年后，抑或5年后，10年后，終有一天AGI會(huì)實(shí)現(xiàn)，現(xiàn)在留給人類“轉(zhuǎn)型”的時(shí)間還有多少？
或許，預(yù)測(cè)未來不如預(yù)測(cè)“脆弱”。
正如Sam Altman所言：我從不祈禱求神站在我這邊，而是希望自己站在神的一邊。
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論