StateofAI2026 提及 AGI2027 有可能到来,这一预测可信度有多高?
这类预测的可信度可以拆成两部分看:一是“AGI”究竟怎么定义,二是“2027 年到来”指的是达到某项能力门槛,还是出现被广泛承认、能在现实中自主完成大多数认知工作的通用系统。前者可能成立,后者目前仍有很大不确定性。
“AGI”没有统一、可直接验收的标准。若定义为在若干基准测试或特定知识工作上达到人类水平,随着模型、工具调用和推理能力进步,短期内达到某些局部门槛并非不可能。但基准成绩不等于可靠的通用能力:模型可能在熟悉任务上表现很好,却在新情境、长周期任务、事实核验、错误恢复或现实世界交互中明显不稳定。
判断时间表时,关键不只是模型能否给出聪明答案,还要看它是否能持续完成复杂任务:能否在数小时乃至更久的工作中保持目标、正确使用工具、发现并修正错误;能否在陌生领域迁移;以及成本、速度、安全性和可控性是否达到实际部署要求。训练规模、数据与算法改进可能推动进展,但算力、数据质量、推理成本、可靠性和评测方式也可能成为瓶颈。这些因素的变化很难精确外推到某个年份。
因此,提到“AGI 可能在 2027 年到来”,更适合看作一个有条件的预测或对进展速度的判断,而不是已经证实的结论。要评估其可信度,应查看预测者使用的明确定义、概率或时间区间、可检验的里程碑,以及过去预测的校准表现;单凭一句引述无法判断其依据强弱。较稳妥的结论是:2027 年前后出现能力显著增强、能自动化更多知识工作的 AI,值得认真对待;但把它等同于公认意义上的 AGI,并断言届时必然实现,证据还不足。