新智元報道

　　編輯：編輯部

　　【新智元導(dǎo)讀】2026年點亮持續(xù)學習，2030年實現(xiàn)全自動編程，2050年壟斷諾獎級研究……人類向AI讓渡科學主導(dǎo)權(quán)的倒計時，似乎已經(jīng)開始。

　　一早，谷歌DeepMind研究員重磅預(yù)測刷屏全網(wǎng)！

　　2026年，將會成為「持續(xù)學習」之年。

　　或許它已經(jīng)在谷歌內(nèi)部實現(xiàn)了。

　　此前，Jeff Dean曾在NeurIPS 2025爐邊談話上，指出了目前LLM痛點在于「缺乏持續(xù)學習」。

　　去年底，谷歌團隊提出的「嵌套化方法」增強了LLM上下文處理能力，實現(xiàn)了持續(xù)學習。

　　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)學習，對于任何一個模型和智能體來說，至關(guān)重要。它是AI能否自我改進，不斷涌現(xiàn)的一個核心要素。

　　Anthropic CEO Dario Amodei也表示，持續(xù)學習將在2026年就搞定了，并能實用起來。

　　實際上，AI這種持續(xù)學習的苗頭，早已顯現(xiàn)。

　　Anthropic工程師自曝，過去一個月，自己對Claude Code的貢獻，全部由AI 100%直出代碼。

　　另一位非技術(shù)型程序員Ben Tossell四個月，燒掉30億Token，用Claude Code連造50個項目。

　　Tossell全程所做的，只是看著AI完成編碼。

　　這一刻，模型不再通過訓練獲得改進，而是在自編碼過程中不斷進化。

　　人類不用插手，幾乎0干預(yù)，全自動化編程和研究的時代更近了。

　　OpenAI研究員Hieu Pham預(yù)測，2026將見證AI破解一個千禧年難題

　　2030告別手搓代碼？

　　前OpenAI研究員揭秘ASI倒計時

　　全自動化編程（Automated Coder, AC），會不會成為AGI乃至ASI加速到來的關(guān)鍵拐點？

　　前OpenAI研究員Daniel Kokotajlo和他的團隊給出了肯定答案。

　　他們利用自主開發(fā)的AI Futures Model做出了驚人預(yù)測：

　　2030年不僅可能實現(xiàn)完全自動化編程，更有約25%的概率在一年內(nèi)實現(xiàn)向ASI的飛躍！

　　團隊認為，AC就像是AGI研發(fā)進入自動化加速階段的「開關(guān)」。

　　一旦這個開關(guān)被按下，ASI就極有可能快速起飛（25%概率在1年內(nèi)實現(xiàn)）。

　　擴展閱讀（前作）：末日時間表來了！前OpenAI研究員76頁硬核推演：2027年ASI接管世界，人類成NPC

　　https://blog.ai-futures.org/p/ai-futures-model-dec-2025-update

　　核心錨點：用METR-HRS外推「編碼時間跨度」

　　針對 AGI 時間線預(yù)測這一爭議話題，團隊認為METR-HRS是目前最適合用于線性外推至超強AI的基準。

　　具體來說，就是以「能力基準趨勢外推」作為核心方法，利用METR的編碼時間跨度套件（METR-HRS）來設(shè)定達到AGI所需的有效算力，并沿著這條趨勢線進行推演。

　　AI Futures Model 將 AI 軟件研發(fā)的自動化與加速軌跡，直觀地劃分為三個階段：

　　自動化編程

　　自動化研究品味

　　智能爆炸

　　階段1： 自動化編程

　　首先預(yù)測「寫代碼」何時會被完全自動化。

　　模型對自動化編程器（Automated Coder，AC）的定義非常硬核：

　　AC可以將某個AGI項目的代碼編寫工作完全自動化，直接替代該項目的整個程序員團隊。

　　模型的推演起點的依據(jù)是METR圖表的趨勢外推，并預(yù)估「智能體式編碼時間跨度」達到何種水平才算作AC。

　　同時，模型不僅僅盯著曲線，還綜合考量了多重變量：

　　供給約束是否會導(dǎo)致增長放緩；

　　AI研發(fā)自動化是否會帶來加速效應(yīng)；

　　時間跨度趨勢是否呈現(xiàn)超指數(shù)級增長；

　　階段2：自動化研究品味

　　除了代碼之外，模型還追蹤了另一項關(guān)鍵能力——研究品味（Research Taste）。

　　它指的是確定研究方向、挑選實驗、解讀結(jié)果以及從實驗中提取知識的能力。

　　這更像是一種「團隊協(xié)作」：寫代碼是執(zhí)行力，研究品味是方向感。執(zhí)行力再強，如果方向感跟不上，也只是在跑無效里程。

　　階段2的目標是預(yù)測從AC進化到超人類AI研究員（Superhuman AI Researcher，SAR）需要多長時間。

　　SAR的定義同樣強悍：

　　SAR可以將AI研發(fā)完全自動化，完全替代所有人類研究員。

　　這一階段的速度取決于三個因素：

　　寫代碼自動化能為AI研發(fā)帶來多大的加速；

　　當AC出現(xiàn)時，AI的研究品味已經(jīng)達到了什么水平；

　　AI研究品味的提升速度（即在同樣的進展輸入下，每做一次實驗?zāi)軒矶嗌兕~外價值）。

　　階段3：智能爆炸

　　當AI研發(fā)實現(xiàn)完全自動化，模型便進入了最讓人心跳加速的階段：

　　AI會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項目中，AI研究員與人類研究員的差距，達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AI（Top-human-Expert-Dominating AI，TED-AI）：

　　在幾乎所有認知任務(wù)上，至少達到頂尖人類專家的水平。

　　超級人工智能（Artificial Superintelligence，ASI）：

　　在幾乎所有認知任務(wù)上，ASI與最強人類的差距，是最強人類與中位專業(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)通過堆算力才能達到ASI。

　　要想實現(xiàn)最快的起飛，通常需要一個反饋循環(huán)：讓AI能力每一次翻倍所需的時間，都比上一次更短。

　　在此，模型提出了一個關(guān)鍵概念——「僅靠研究品味的奇點（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。

　　這一奇點是否會出現(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。

　　Nature

　　2050年，AI扛下諾獎級研究

　　如果說AI Futures Model描繪的是AI自身進化的「速度」，那么Nature最新的展望則向我們展示了這種進化將如何重塑科學探索的「廣度」。

　　盡管時間線難以精確鎖定，但科學界對終局的共識逐漸清晰：

　　到2050年，AI系統(tǒng)或?qū)⒊蔀椤钢Z獎級」科學研究的主力軍。

　　常駐牛津、《超級智能：路徑、危險與策略》的作者Nick Bostrom預(yù)計，AGI將2050年前后出現(xiàn)，并具備回答「我們當前關(guān)心、且原則上可以由科學回答的大多數(shù)問題」的能力。

　　即便沒有所謂的超級智能全面主導(dǎo)，到了2050年，AI也可能讓科學研究的方式發(fā)生根本變化。

　　對此，倫敦研究與前瞻公司Outsmart Insight聯(lián)創(chuàng)Alex Ayad描述了一種名為「黑燈實驗室」（lights out labs）的場景：

　　由AI算法驅(qū)動的自主系統(tǒng)，結(jié)合機器人實驗員，能夠24小時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，故名「黑燈」。

　　而這，也將催生一個完美的「共生循環(huán)」：

　　新技術(shù)催生新的科研方式，新知識反過來推動更新、更強的技術(shù)，從而不斷解鎖新的科學領(lǐng)域。

　　在此基礎(chǔ)上，墨西哥國立自治大學物理學家Juan Carlos Hidalgo給出了一個樂觀的預(yù)測：

　　在AI的輔助攻堅下，到2050年，核聚變能源成熟的前景「相當可期」。

　　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