AI進展變慢了？AlphaGo 核心研究員：我們正處於指數成長最陡峭的一段
身為人工智慧研究機構 Anthropic的 研究員，朱利安·施里特維澤（Julian Schrittwieser）的職業生涯，幾乎等同於AI最前沿突破的同義詞。他曾是Google DeepMind團隊的核心成員，其名字與AlphaGo、AlphaZero、MuZero到AlphaCode等一系列改變世界的AI專案緊密相連。
從征服圍棋，到探索演算法、生成程式碼，施里特維澤始終站在推動AI能力邊界的第一線。憑藉如此深厚的背景，昨天公開撰文示警，指出大眾普遍未能理解AI進展的「指數型」本質時，這份觀察就格外值得我們重視。我們似乎又一次，在指數型成長的浪潮前，選擇視而不見。
施里特維澤在文章中直言，大眾的認知與討論，時常瀰漫一種奇特的氛圍，讓人想起數年前新冠疫情爆發初期的情境。當時，數據早已清晰揭示指數型傳播的軌跡，預示一場全球大流行即將到來，但許多人卻依舊將其視為遙遠的局部現象。如今，AI的進展正以同樣驚人的速度奔馳，但公眾的反應卻如出一轍。
「人們注意到AI現在可以編寫程式、設計網站，但它仍然會犯錯或走向錯誤的方向，然後他們不知何故就跳到結論，認為AI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。」這種結論忽略一個關鍵事實：僅僅在幾年之前，讓AI執行這些任務還完全是科幻小說的情節。又或者，人們在比較兩個相鄰世代的模型時，因為未察覺到對話體驗有巨大差異，便斷定AI的發展正在趨緩。這種憑藉直覺的線性思維，正讓我們嚴重低估即將發生的變革。
Replit創辦人阿姆賈德·馬薩德（Amjad Masad）也描述這種感受：「在許多方面，人工智慧的進展感覺是漸進式的。」他點出，當從GPT-2躍升至GPT-3時，消費者還能感到震撼，但到了現在，「他們卻難以分辨GPT-5的改進之處。」然而，在消費級聊天機器人看似平緩的體驗曲線之下，一股更強大的力量正在以清晰且可衡量的方式，經歷爆炸性的成長。
拆解指數曲線的迷思要準確評估AI的進展，需要專業且系統性的方法。施里特維澤引用專門研究AI能力的機構METR最近發布的報告《衡量AI完成長任務的能力》，該研究專注於衡量模型能自主執行軟體工程任務的時長，這正是馬薩德所強調的「自主代理程式」能力。報告中的圖表清晰地呈現一條指數型成長的趨勢線。例如，七個月前發布的Sonnet 3.7模型，已經能在長達一小時的任務中，達到50%的成功率。
施里特維澤引導我們去看METR網站上即時更新的數據圖表，包含Grok 4、Opus 4.1及GPT-5等更新的模型，不僅完全符合原先「模型能力每七個月翻一倍」的預測，甚至還稍微超出趨勢線，頂尖模型已能成功處理超過兩小時的任務。這條陡峭上揚的曲線，是理解AI真實進展的關鍵鑰匙。它意味著，我們不能用看待過去的方式來預測未來。
線性的預期會告訴我們，從一小時到兩小時的進步，下一步或許是三小時。但指數型的現實卻是，能力的翻倍是以固定的時間間隔發生，成長的絕對值會越來越大，其速度遠超人類的直覺。從程式碼到各行各業的全面滲透當然，一個合理的質疑是：軟體工程的表現，能夠推及到更廣泛的經濟領域嗎？畢竟，這可能是AI實驗室工程師最熟悉的場景。
為回答這個問題，施里特維澤轉向另一份由OpenAI發布的重量級研究GDPval。這份評估報告涵蓋的範圍極廣，橫跨9個產業、44種不同職業，總計1320項任務。所有任務均來自經驗豐富的業界專家，並由評分人員進行盲測比較。結果呈現出相似的趨勢。在GDPval的圖表中，最新的GPT-5模型在多項職業的表現上，已經驚人地接近人類專家的水平。更值得注意的是，比GPT-5更早發布的Claude Opus 4.1，其表現甚至超越GPT-5，幾乎與業界專家的水準並駕齊驅。
施里特維澤特別讚揚OpenAI公布這項評估的正直行為，因為它誠實地展示一個來自競爭對手的模型，在某些方面超越自家的旗艦模型。這顯示出業界對於推動有益的AI發展，抱持著超越商業競爭的關懷。一個被低估的預測工具當我們將這些跨越多年、橫跨多個產業的指數型性能提升趨勢放在一起，一個清晰的圖像便浮現出來。
施里特維澤直言：「如果這些進步突然停止，那將會是極度令人意外的。」他認為，即使只是對現有趨勢進行相對保守的推斷，都指向一個明確的未來。他提出一個簡單卻強大的預測方法：在圖表上畫直線。「這聽起來可能過於簡化，但透過在圖表上延伸直線來做預測，很可能比大多數『專家』，甚至比多數領域專家，更能為你提供一個更好的未來模型。」
他的預測是：
- 到2026年中期，AI模型將能夠自主工作一整個工作日（8小時）。
- 在2026年底前，至少會有一款模型在眾多行業的表現上，能與人類專家匹敵。
- 到2027年底，模型在許多任務上的表現，將頻繁超越人類專家。
這個未來並非遙不可及，它就在指數曲線的下一段延伸線上。然而，當前的公共討論與政策制定，顯然尚未準備好應對如此巨大的變革。我們的心智模型，依舊習慣於用過去的步調去衡量未來，這種慣性，正是我們理解指數型成長最大的障礙。
在文章的討論區，有讀者提出AI的進步與病毒傳播或摩爾定律的機制不同。施里特維澤同意AI成長的因果過程更為複雜，但他巧妙地回應，摩爾定律本身就是一個絕佳的例子。它主要是一個統計觀察，但在很長一段時間內，要做出比「直接延伸對數圖上的直線」更好的預測，極其困難。他強調，至少在短期一到兩年內，同樣的邏輯極可能適用於AI的進展。
我們正處於一個關鍵的轉折點。數據和圖表所描繪的，是一個即將因AI而徹底重塑的經濟與社會樣貌。繼續用線性的、漸進的思維去應對一個指數型的現實，無異於在海嘯來臨前，還在爭論沙灘上的遮陽傘該擺在哪個位置。理解指數型成長，不僅是一個數學概念的認知，更是我們能否為未來做好準備的關鍵第一步。
