Ray Kurzweil 的 AGI 时间线：他如何预测未来数十年

为什么 Kurzweil 对 AGI 的预测值得关注

Kurzweil 对 AGI 的预测值得关注，因为它把人们对人工智能进步的宽泛信念，转化为一系列带有明确日期、可以检验的主张。投资者、研究人员、记者和企业领导者可以围绕具体预测展开更有成效的讨论，而不是争论智能机器是否终有一天会出现。

他的思路也为进步为何可能加速提供了连贯解释。更好的计算机能帮助研究人员设计更好的计算机。能力更强的软件能帮助创造、测试和运行下一代软件。成本下降让更多组织能够实验，进而带来知识积累和进一步投资的需求。

这种结构并不意味着日期一定正确，但它让推理过程变得可见。读者可以审视测量方法，质疑假设，并找出哪些证据会强化或削弱预测。

这种区别很重要，因为长期技术预测结合了多种不同预测。硬件必须进步。算法必须把资源转化为有用能力。训练数据或替代学习方法必须持续可用。系统必须能在演示之外可靠运行。组织和政府必须允许部署。任何一层出现问题，都可能改变 AGI 时间线，而不会完全阻止 AI 进步。

随着通用 AI 系统学会生成文本、编写软件、理解图像、调用工具并跨多个领域工作，Kurzweil 的预测变得更具现实意义。这些能力让讨论不再那么假设性，但并不能给出定论。在受控界面中的广泛能力，不等于在开放环境中的可靠通用智能。

因此，有用的问题不是 Kurzweil 是乐观主义者还是悲观主义者，而是他的模型是否能把可测量的输入与 AGI 所隐含的能力联系起来，以及这种联系能否经受工程、经济和人类行为的检验。

Ray Kurzweil 是谁

Ray Kurzweil 是美国发明家、作家、企业家和未来学家。他的预测源于数十年间在语音、阅读和音乐技术领域的实践。

AGI 争论之前的工作

Kurzweil 的声誉来自实用系统，而不只是预测。他的公司从事光学字符识别、文本转语音、语音识别、电子乐器，以及面向视障人士的阅读技术。这些领域既需要计算硬件进步，也需要模式识别进步，后来都成为他预测方法的核心。

职业经历也让他看到了实验室成果与产品之间的差距。识别准确率、组件价格、处理速度、分发渠道和用户需求，都会影响一项发明何时能大规模发挥作用。这也解释了他为何关注性价比曲线，而非孤立的技术演示。

Kurzweil 于 2012 年加入 Google，从事机器智能和自然语言理解工作。这让他进入了一家大力投资大规模计算和 AI 研究的组织，不过他的核心预测早于这份工作。

时间线背后的著作

Kurzweil 在多本书中逐步展开论证。The Age of Intelligent Machines 探讨了计算机智能的发展方向。1999 年出版的 The Age of Spiritual Machines 围绕未来日期组织预测，并描述人与计算机日益紧密的互动。2005 年出版的 The Singularity Is Near 提出了他最著名的加速回报论。

2012 年出版的 How to Create a Mind 更聚焦认知，并提出模式识别机制或许有助于解释新皮层。2024 年出版的 The Singularity Is Nearer 在现代生成式 AI 兴起后重新审视早期预测，并没有用新的时间表取代原来的关键日期。

这些书对智能的定义并不完全相同，但共享同一个论点：信息技术通过复合过程不断进步，最终会让机器智能达到可与人类智能相比的水平。

这些术语需要分别定义

以下三个术语经常被混在一起，尽管它们指向不同主张：

• 人工通用智能 指系统能在广泛的陌生任务中学习、推理和应用知识，而不是只在一个狭窄专业领域中运行。
• 人类水平 AI 指与人类相当的表现，但任何使用这一说法的主张，都必须说明是与哪些人相比、针对哪些任务、允许多少帮助，以及什么错误率才算相当。
• 技术奇点 指 Kurzweil 提出的一个极快变革时期，机器智能和人类技术将强大到足以以前所未有的速度改变社会，快到传统预测方法难以跟上。

一台机器可能满足某个操作性的人类水平 AI 定义，却达不到严格的 AGI 定义。AGI 也可能在社会出现任何类似奇点的情况之前出现。把这些术语当作同义词，会让时间线显得比实际更精确。

Kurzweil 实际提出的 AGI 时间线

Kurzweil 的关键预测是，2029 年左右出现人类水平的机器智能，2045 年左右出现技术奇点。

2029 年预测说了什么

Kurzweil 将 2029 年与机器通过有效图灵测试、达到人类水平智能联系在一起。在图灵式评估中，人类评审者会与一个看不见的参与者交流，并试图判断对方是人还是人工系统。

「有效」一词承载了很大分量。与毫无准备的评审者进行短暂对话，只能提供较弱证据，因为系统可以模仿人类语言，却在规划、事实一致性或陌生工作上失败。更强的测试应包含专业评估者、持续互动、对抗性提问，以及防止背诵答案或暗中人工协助的控制措施。

即使严格的图灵测试，也只是通过对话衡量行为模仿。它本身不能证明可靠自主性、物理能力、意识，或掌握任何智力任务的能力。Kurzweil 更广泛的写作所暗示的内容，超过了一个令人信服的聊天机器人，因此评估该预测需要更广的一组里程碑。

2045 年预测说了什么

Kurzweil 将 2045 年与一次规模更大的转变联系在一起，届时机器智能将显著增强，技术会深度融入人类生活。他的推理包括 AI 辅助研究快速发展、计算能力持续提升，以及生物与非生物认知之间更紧密的连接。

因此，这个日期不只是预测计算机会变得更快。它依赖于智能以非同寻常的速度带来进一步技术进步。更好的 AI 必须能帮助改进算法、硬件、医疗、制造和科学发现，这些进步又必须反馈给产生它们的系统。

反馈循环可以加快进步，但不会无限加速。实验仍需时间，工厂有建设周期，物理过程有极限，机构也会审查影响重大的变化。每项约束的强弱，决定进步看起来是爆发式、只是快速，还是在不同领域参差不齐。

里程碑让预测可以检验

比单一对话测试更有说服力的可观察能力包括：

• 只需少量任务专属训练，就能快速迁移到陌生任务
• 在长序列行动中可靠规划并从问题中恢复
• 持续学习，同时不丢失先前获得的技能
• 在不断变化的现实约束下准确使用工具
• 无需持续专家监督，也能带来广泛经济价值

这些里程碑保留了预测的核心承诺，同时避免围绕单一日期的二元争论。它们也让部分进展变得可见。一个系统可能掌握工具使用，却仍不擅长持续学习，或在软件领域表现出色，却难以应对物理环境。

Kurzweil 的预测记录

Kurzweil 的记录包括显著成功、大方向正确的判断，以及当人们按原始措辞和截止日期审视预测时会显现的偏差。

计算机国际象棋的明确成功

他最常被提及的成功预测之一与国际象棋有关。1990 年，Kurzweil 预测计算机会在 1998 年前击败人类国际象棋世界冠军。IBM 的 Deep Blue 在 1997 年的一场比赛中击败了 Garry Kasparov。

这个例子尤其有力，因为事件、对手和截止日期都很明确。它也属于规则固定、表现可量化，并且有强烈动力改进专用硬件和搜索算法的正式领域。这些条件让国际象棋比开放式智能更容易预测。

这一结果表明，机器能在一项要求很高的脑力任务上超越顶尖人类。它并没有证明同一系统能把这种能力迁移到另一类问题。卓越的狭窄能力与通用能力之间的区别，仍是 AGI 争论的核心。

大方向正确的预测

Kurzweil 预见了便携计算、无线接入、数字文档、面向消费者的语音技术广泛普及，以及 AI 在特定模式识别任务上超过人类。这些预测的大方向与后来的发展相符。

细节则不那么一致。便携计算主要通过智能手机和笔记本电脑成为主流，而不是一些设想中那组特定的可穿戴设备。语音识别广泛可用，但到 2009 年，连续语音听写并没有取代键盘，成为大多数人创作文本的标准方式。数字媒体迅速扩张，纸张仍存在于办公室、教育、政府和个人使用中。

当底层转变通过不同产品或采用模式发生时，预测值得获得部分认可。如果原始主张包含错过的日期、普及程度或设备形态，就不应获得完全认可。方向和时机回答的是不同问题。

进展较慢或仍无定论的预测

一些设想认为，沉浸式虚拟环境、极具说服力的机器对话，以及人体与计算机更紧密的融合，会比日常使用实际呈现得更早。虚拟现实、辅助设备、医疗植入物和生成式模型都展现了其中的元素，但可获得不等于被广泛采用。

社会偏好也能否定技术上可行的预测。人们可能因为设备不舒适、昂贵、令人分心、在社交中尴尬、难以维修或侵犯隐私而拒绝使用。衡量组件性能的曲线无法捕捉这些顾虑。

为什么准确率百分比可能误导人

Kurzweil 曾回顾评估早期作品中的预测，并按照自己的评分方法报告了很高的成功率。这项回顾并不是盲测、独立审计，许多主张还允许归入「基本正确」或「方向正确」等类别。

任何公平的审查都应分别记录四项属性：

• 预测的确切结果
• 截止日期及可接受的误差范围
• 成功的可测量门槛
• 评估者是否在看到结果前就确定了标准

关于晶体管价格的预测，比「计算机会变得无形」或「机器对话会让人觉得自然」的预测更容易评分。把两者合并为一个百分比，会掩盖具体性和难度上的巨大差异。

加速回报定律如何产生这条预测

加速回报定律之所以能产生 Kurzweil 的时间线，是因为它把技术进步视为复合过程：每一代工具都会为下一代作出贡献。

线性变化与指数变化

线性过程会在每个周期增加相同数量。如果一个系统每年增加 10 个单位的能力，它会从 10 变成 20，再变成 30、40。指数过程则按稳定倍数增长。五次翻倍会让 10 个单位变成 320。

指数增长的早期阶段看上去可能并不起眼，因为绝对变化很小。后期即使增长倍率没有变化，也会让人感觉突然而猛烈。Kurzweil 认为，人类直觉常常预期线性变化，因此低估了信息技术的复合增长。

现实技术曲线很少是完美指数。增长率会变化，测量存在噪声，单个方法也会达到极限。这里的主张是，即使一种方法放缓，更广泛的性价比趋势仍可以通过后续方法延续。

性价比比原始能力更重要

一种能力如果只存在于昂贵的研究系统中，影响范围有限。成本下降后，大学、创业公司、成熟企业和个人都能开展更多实验。更广的使用会创造基础设施需求、暴露故障模式，并支持为进一步开发提供资金的企业。

这就是 Kurzweil 经常考察单位成本计算能力的原因。一颗新处理器即使更快，如果价格按相同比例上涨，也未必能扩大使用范围。能用更少芯片、更低能耗或更小模型完成同样工作的系统，即使没有创造原始性能纪录，也可能改变采用情况。

对 AI 而言，相关分母越来越不是一次运算或一个 token 的成本，而是一个经验证成果的成本。廉价模型若需要大量修正，每项完成任务的成本可能高于错误率较低、价格更高的模型。

范式转变延长曲线

Kurzweil 的论点不只是让晶体管缩放永远持续。机械计算器、继电器、真空管、晶体管、集成电路、专用加速器和分布式系统，都可以视为提供计算能力的连续方式。

当一种方法遇到物理或经济限制时，投资可能转向另一种方法。因此，历史曲线可以跨越机制变化而延续。这比摩尔定律更强，但也更难检验，因为每当某项技术停滞时，类别都可以扩展。

多条曲线必须共同复合

仅有计算能力并不足够。内存、通信、软件效率、模型架构、数据质量和研究生产力都会影响最终能力。当改进彼此强化时，进步可能加速，例如更好的算法降低完成任务所需的硬件。

反过来也可能如此。高质量数据短缺、供电受限、内存带宽不足或评估不佳，都可能让昂贵处理器得不到充分利用。基于单一持续上升输入的预测会忽略这些相互作用。

证据支持什么，又不支持什么

证据强烈支持 AI 的许多输入会持续改进，但并不能证明这些输入与通用智能之间存在固定转化率。

来自计算与算法的证据

长期记录显示，计算性价比、存储、网络容量和软件能力都取得了巨大提升。AI 也受益于专用处理器、分布式训练、改进的数值格式、更好的优化，以及能用更少资源达到目标结果的算法。

缩放定律提供了另一部分证据。在经过测试的范围和给定训练设置内，模型大小、数据和计算量的变化，能相对可预测地改变训练损失。这种可预测性帮助实验室规划大型训练任务，并估计资源之间的取舍。

缩放定律不是智能定律。更低的训练损失不能保证答案真实、目标一致、具备因果理解，或能成功完成长期项目。外推到测试范围之外，也是假设数据分布、架构和评估仍有意义。

来自广泛 AI 能力的证据

通用模型能完成过去需要不同系统处理的任务，包括写作、翻译、图像理解、软件生成、文档分析和工具调用。单个模型往往能通过指令在这些活动之间切换，而无需重新训练。

这种广度与 AGI 有关，因为它削弱了「每项脑力活动都需要单独工程化程序」的观点。它还表明，模型从多样化数据中学习时，多种能力可以同时出现。

剩下的差距在于可靠表现。系统可能解决一道难题，却在更简单的变体上失败，接受错误前提，编造来源，或在长时间工作中忘记约束。偶尔成功只能证明可能性。通用智能需要在陌生条件下保持足够高的成功率。

为什么基准结果需要背景

基准测试在包含未见任务、评分清晰、能抵御污染，并衡量与真实工作相关行为时很有用。当训练数据吸收了其中的问题，或开发者直接针对评分规则优化后，它们的信息价值就会下降。

可信的评估计划应把开发测试与私有最终测试分开，记录资源使用情况，重复试验，并报告失败分布而非只给出平均值。它还应与合适的人类基准比较。在相同时间和工具约束下，某项测试上与新手相当，和与受训专业人士相当是不同的事。

真实工作流试验能提供静态测试遗漏的信息。它们揭示系统是否会索取缺失细节、检查自己的工作、在出错后恢复，以及识别何时应停止。这些行为对部署的重要性，超过在已饱和测试集上再取得一点提升。

输入比结果更容易衡量

计算、存储和带宽有稳定单位，通用性、判断力、适应性和常识没有。研究人员可以精确计算处理器数量，却会对一项完成任务究竟体现了推理能力还是复杂模式匹配产生分歧。

这种测量不匹配，让量化预测显得比目标变量实际支持的更精确。更好的输入数据只缩小了一部分不确定性。

数十年后 AGI 预测背后的假设

Kurzweil 的时间线依赖一组层层叠加的假设，只要其中一个不成立，日期就可能大幅移动。

算力在经济上仍可获得

该预测假设，组织可以通过改进芯片、扩大系统、提高利用率或降低推理成本，持续扩展有用计算能力。制造能力、资本支出、电力、冷却、内存、网络和国际贸易都会影响这种可获得性。

物理极限无需阻止进步，也能改变时间线。较慢的改进速度若持续几年，复合后会与原始预测产生巨大差异。

算法持续把资源转化为能力

更多计算必须继续带来有意义的提升。这可能通过扩展现有方法、发现更高效的架构、改进训练目标，或将学习模型与搜索、记忆、工具和形式化验证结合实现。

这一假设比预测硬件变快更强。算法突破不会按照固定制造周期出现，而且其价值在不同领域可能不同。

学习不会受数据限制阻碍

未来系统需要有用的经验。这些经验可能来自人类创作材料、多模态观察、模拟、交互、合成示例、反馈，或由系统自行开展的实验。

合成数据并不能自动替代外部证据。如果模型从自己的错误中生成材料，又没有纠正信号，训练可能会强化这些错误。当模拟遗漏现实环境中重要属性时，迁移效果也会很差。

人类认知可以由机器复现

Kurzweil 假设，智能源于物理的信息处理过程，可以被理解并在非生物系统中实现。他的估算常将可用计算能力与大脑模型比较，并把神经科学视为工程洞见的来源。

这一立场不要求复制每个神经元，但要求相信不存在某种未知生物机制构成无法逾越的障碍。基于大脑的算力估算差异很大，因为研究者对运算、突触、脉冲、生化过程和学习效率的计数方式不同。

更好的 AI 会加速 AI 研究

预测的最快版本要求 AI 对自身改进作出实质贡献。编写代码只是这个循环的一部分。研究系统还需要提出有价值的假设、设计实验、解读负面结果，并区分真正进步与对基准的过拟合。

自我改进还取决于访问权限。能力再强的模型，若人们不提供资源和许可，也无法重新设计硬件、运行大型实验或部署继任系统。智能可以缩短部分步骤，外部瓶颈依然存在。

什么可能推迟或重新定义 AGI

即使模型能力持续上升，可靠性、学习、安全和部署也可能成为限制因素，让 AGI 晚于预测到来。

长任务会放大小错误率

系统在单个步骤上看似准确，仍可能在大多数长期项目中失败。如果每一步独立地有 99% 成功率，连续完成 100 个必要步骤且没有错误的概率约为 37%。

真实失败往往彼此相关，结果可能更糟。开头的错误假设可能污染之后的每一步行动。因此，进步取决于发现错误、修订计划、保存状态、测试中间结果，以及把模糊决策交由人工处理。

这也是为什么自主任务持续时间比单次回答质量更能说明问题。能够完成经验证的八小时任务的模型，带来的工作变化不同于每几分钟就需要修正一次的模型。

持续学习仍然困难

人类能通过经验获得新知识，同时保留已知的大部分内容。部署中的 AI 系统通常将训练与使用分开。更新它们可能需要新数据集、评估和又一个训练周期。

AGI 候选系统应能从交互中安全学习，而不会吸收恶意指令、私人信息或意外错误信息。它还应知道哪些经验仅适用于一种情境，哪些可以泛化。解决这一问题涉及记忆设计、访问控制、来源追踪和防止灾难性遗忘。

自主性会带来安全问题

只提出文本建议的模型，行动范围有限。获准发送消息、修改软件、花钱、操作机器或管理账户的系统，可能因一个小小误解造成损害。

因此，更高自主性需要范围受限的权限、审批关卡、审计日志、隔离执行和恢复程序。这些控制可能会减慢行动，但移除它们不会提升智能，只是把错误成本转嫁给用户和旁观者。

物理能力可能落后于数字能力

通过软件体现的智能受益于快速、可重复的环境。物理工作必须应对摩擦、破损、不确定的传感器、异常物体、变化的天气，以及与人共处时的安全问题。

AI 系统可能先在研究、分析、沟通和软件方面具备广泛能力，机器人再晚些达到相当灵活性。这是否算 AGI 取决于定义。要求达到人类水平的物理适应能力，比只要求通过计算机完成通用认知工作门槛更高。

机构可能要求更强证据

医疗、金融、交通、公共管理和关键基础设施带来的后果，是普通基准测试无法涵盖的。保险公司、监管机构、法院、客户和专业组织，可能要求有文档记录的表现，才允许自主运行。

这种延迟并不说明底层模型缺乏智能，只说明能力与许可是不同里程碑。关于技术可行性的预测，不应暗中假设社会会立即部署。

对 Kurzweil 方法的主要批评

对 Kurzweil 方法的主要批评是，信息技术中的可靠趋势并不能自动决定一种定义不清的认知能力会在何时出现。

趋势选择会影响答案

一条长期历史曲线取决于决定将哪些技术、价格和性能指标纳入数据集。把连续的计算方法结合起来，可能揭示真实模式，也会让分析者在单一序列改变方向后，仍有灵活空间维持该模式。

起止日期同样重要。短期快速改进看上去可能永远呈指数增长，长期平均则可能掩盖最近的放缓。预测应公开底层观测数据，并展示在不同时间窗口下结果如何变化。

智能可能不是一种可缩放的单一量

推理、记忆、社会判断、感知、运动控制和事实准确性不会均匀提升。系统可以在一个领域大幅进步，在另一个领域仍不可靠。

这种不均衡挑战了把机器能力与估算的大脑计算能力进行比较的做法。达到一个数值运算门槛，不能说明使用这些运算所需的算法、表征、发展经验或架构已经具备。

复杂系统会经历机制变化

当工程、经济或政策变化时，历史关系可能失效。制造可能转向更高成本。能源需求可能遇到本地电网限制。监管可能限制训练数据或部署。消费者也可能抵制收集敏感信息的产品。

这些变化并不反驳复合进步是一种总体观察，但会削弱人们对基于早期速度持续不变而推导出的具体日期的信心。

递归改进不一定会爆发

有能力的 AI 研究人员可能先找到容易的改进，之后面对更难的问题。每一代可能只带来更小的收益，需要更多验证，或依赖持续时间固定的物理实验。

软件有时可以快速复制和测试，但芯片制造、临床研究、建设和能源基础设施遵循不同节奏。奇点主张需要一个关于这些限制过程的模型，而不只是软件智能模型。

灵活措辞削弱可证伪性

当智能、融合、无处不在或人类水平等术语仍可被重新解释时，预测就很难被证伪。对话模型、医疗植入物和智能手机，都可以被当作广泛人机融合的部分佐证。

好的预测会在截止日期前确定评分规则。如果原始门槛在观察结果后改变，这项工作衡量的就是叙事适应性，而不是预测准确性。

其他预测者如何估计 AGI 时间线

其他预测者通过专家调查、算力模型、能力趋势、结构化情景和预测市场估计 AGI，每种方法都揭示了不同的不确定性来源。

专家调查

调查会询问研究人员，何时会为人类水平机器智能或特定任务自动化赋予明确概率。它们收集接近技术一线人士的知情判断，也能展示重要成果出现后观点如何变化。

答案很大程度上取决于抽样和措辞。调查机器学习会议作者，结果可能不同于聚焦机器人学、神经科学、安全或经济学的调查。询问 AI 何时能完成大多数有偿工作，并不等同于询问它何时能在每项任务上超过人类。

概率问题比要求给出某一年份更有信息量。预测者给出 10%、50% 和 90% 的日期，表达的是分布，而不是用一个点估计隐藏不确定性。

基于算力的模型

算力模型会估计复现人类认知相关方面所需的资源，再预测这些资源何时会变得可负担。生物锚定方法是这种方法的一种版本。

计算过程足够透明，便于修订，但不确定性很大。研究人员必须估算大脑计算量、训练需求、算法效率、硬件价格，以及实用系统需要复现多少认知。把多个不确定估计相乘，可能得到很宽的日期范围。

基于能力的预测

能力预测会跟踪系统在定义明确任务上的表现，并估计其缩小差距的速度。有用目标包括软件项目、科学问题解决、陌生游戏、研究辅助和交互环境中的操作。

这种方法紧贴可观察输出。它的弱点是，基准进步未必以同样速度持续，一系列任务胜利也可能仍遗漏通用运行所必需的某种能力。

情景规划与预测市场

情景规划会建立多个内部一致的未来，而不是只选择一个。快速情景可能结合高效算法、充足基础设施和成功的 AI 辅助研究。较慢情景则可能包含收益递减、艰难的安全工程或有限部署。

预测市场和预测平台为校准良好的估计提供激励，并允许在新证据出现后更新观点。它们是否有用取决于清晰的结算标准。如果参与者对什么事件算 AGI 存在分歧，市场就无法公平结算。

没有任何方法能消除定义上的不确定性。比较预测时，首先要把它们转换为相同目标、证据标准和概率水平。

会强化或削弱预测的信号

最有力的信号将衡量可迁移能力、持续自主性、学习效率、经过验证的经济性和安全部署，而不是围绕单次演示的宣传。

迁移到真正的新工作

强大的系统应能在训练截止日期后创建、且开发者无法接触的任务上表现良好。它应能推断陌生规则、索取缺失信息，并把一个领域的知识应用到另一个领域，而无需专门训练项目。

评估者应改变措辞、工具、数据格式和环境约束。在这些变化中成功，比记住熟悉的测试风格更能证明通用性。

更长的自主任务跨度

跟踪系统按既定验收标准完成任务的时长与复杂度。有意义的指标应包括重试、人工介入、验证时间，以及让环境变得更糟的失败。

最大演示时长增加，不如可靠任务时长中位数增加更有意义。跨许多试验的可重复表现，能证明规划和恢复是否真正改进。

每项被接受成果的成本更低

Token 价格和模型大小不能直接衡量商业价值。每项被接受成果的成本包括模型使用、工具、审核、修正、基础设施，以及错误带来的损失。

如果多种工作中的经验证成本持续下降，将支持加速回报论，因为这会让更多实验和更广泛采用成为可能。如果由于监督或返工而使成本居高不下，则会削弱仅基于低价推理的主张。

部署后的安全学习

如果系统能吸收新经验，无需无限制重新训练，也不会丢失先前能力，通用智能的证据就会更强。测试应检验系统是否能区分可信证据与操纵，是否保持隐私边界，以及能否说明新信念来自何处。

这方面的进步将解决静态模型与适应性工作者之间的一个主要差异。失败则会让组织即使面对看似知识丰富的模型，也仍依赖外部更新周期。

独立的运营证据

经过审计的部署可以揭示 AI 是否在软件、科学、支持、运营和其他领域带来持久收益。有用报告应包括任务定义、基线表现、错误严重程度、监督要求和总成本。

不利于最快时间线的证据包括：可靠任务时长停滞、在简单变体上持续失败、每项被接受成果的基础设施成本上升，或无法在不牺牲大部分有用自主性的前提下提升安全性。这些反向信号比某一基准的短暂停滞更有力。

规划中的实际启示

对 Kurzweil 预测最实际的回应，是为更快的 AI 进步做准备，但不要让企业、职业或政策依赖某一个日期。

区分当前能力与 AGI

组织不需要 AGI，也能从语言模型、软件智能体、文档分析或自动化工作流中获益。但它们需要把每种工具匹配到范围明确的任务，并验证它是否能以合理成本完成任务。

把每个有用系统都称为 AGI，会在两个方向上造成糟糕决策：模型不可靠时会鼓励鲁莽自主，而受监督的有限应用已可用时又会造成不必要延迟。

使用可逆实验

合理的实施流程会限制判断错误的代价：

• 选择模型前，先定义任务、约束和验收测试
• 在性能得到衡量前，让重要行动经过明确批准
• 按严重程度和原因记录错误，不把它们平均成单一分数
• 保留快照、日志和回滚程序，方便恢复
• 与现有流程比较总经验证成本

无论 AI 进步快速、参差不齐还是缓慢，这种方法都有效。它能产生可用于更新策略的证据，无需相信 AGI 会在确切时间到来。

Koder.ai 为软件开发提供了一种开展这类实验的方式。它的聊天界面可以创建 React Web 应用、带 PostgreSQL 数据库的 Go 服务，以及 Flutter 移动应用。规划模式有助于在实现前明确工作内容，快照和回滚则让试验更容易撤销。源代码导出、部署、托管和自定义域名支持，让团队能够测试应用，并对结果保持实际控制。

这些能力不依赖于宣布 AGI 已经到来。它们把当前 AI 用于特定工作流，产出可检查。创始人可以制作网站、CRM、ERP 或移动产品原型，与用户测试，再判断是否值得继续投入。

按三种情景规划

快速进步情景假设，智能体很快能在长期任务中保持可靠。准备重点应放在权限设计、评估能力、组织整合和快速实验上。

参差不齐的进步情景假设，一些领域表现强劲，其他领域仍有持续弱点。准备重点应放在任务拆分、把工作分配给适当系统，以及在错误代价高的地方保留人工审核。

缓慢进步情景假设，当前方法遇到难以突破的限制。准备应优先投资那些同样能改善传统运营的事项，如更好的数据、更清晰的流程、模块化软件和可衡量的质量控制。

在三种情景下都有效的决策，比只有某个预测完全正确才会成功的大额不可逆押注更有价值。

对每个预测提出精确问题

在根据 AGI 预测采取行动前，先确定：

• 哪种可观察行为算作 AGI？
• 所述年份附带了什么概率？
• 哪些证据会让预测者调整日期？
• 模型排除了哪些技术或社会约束？
• 如果结果以不同形式出现，将如何给预测评分？

Kurzweil 的时间线最适合作为关于复合技术进步的假设。它的价值在于促使读者审视其中的测量和假设，而不是把某个日历年份当作承诺。通过范围明确的实验、独立评估和可逆决策做好准备，再在证据改变时调整方向。