AI 2027：智能爆炸的逐月模型——Scott Alexander 与 Daniel Kokotajlo

Scott Alexander 和 Daniel Kokotajlo 将 AI 2027 描述为一份具体的预测情景，逐月描绘 AI 从当前能力发展到 2027 年的 AGI、以及 2028 年可能出现的超级智能。情景通过呈现中间变化，让这段过渡显得有据可依。

Alexander 认为准确预测比构建合理故事更难，预测者常会因现实走向不同而被打脸。他之所以乐观，部分是因为 Kokotajlo 2021 年的《2026 年会是什么样子》预见了许多后续进展。Kokotajlo 评价更谨慎，认为那篇文章有对有错，但值得继续完善。他原本计划写到 AGI 和超级智能，后来因进展和不确定性太大而停笔。

Alexander 加入项目是因为敬佩团队，也相信 Kokotajlo 宁愿牺牲数百万美元，也不愿接受 OpenAI 的不贬损条款。与团队合作还让他更具体地理解情景中的风险，包括与中国发生军备竞赛的可能。Patel 则说，研究并反驳这份预测的过程让他多次改变对智能爆炸的看法。

预测早期聚焦智能体、更长任务时长和更强编程能力。其递归机制是 AI 开始帮助 AI 研究，从而加速后续进展。“研发进展乘数”衡量有 AI 协助时，一个月相当于常规研发的多少个月。情景预计 2027 年算法进展可达五倍；2025 年大体延续现状，2026 年智能体和编程能力逐步提升。

Kokotajlo 预计，到 2025 年底，电脑操作智能体会基本不再犯鼠标点击或读屏错误，但执行长任务仍不可靠。它或许能安排简短的办公室聚会，却可能在管理生活时犯下网络疯传的错误。Alexander 解释，情景关注编程，是因为编程加速 AI 研究后，也可能带动其他能力快速发展。

双方对预测者是过度乐观还是过于悲观意见不同。Patel 指出扩大预训练困难，O1 等强化学习系统也花很久才开发出来，现实经济影响仍不如基准测试暗示的显著。Alexander 说专家调查曾把很快实现的能力预测为多年后。Kokotajlo 认为多数观察者低估了进展与普及速度，但承认一些乐观预测已经落空。他们提到 Metaculus 的时间线从 2020 年左右的 2050 年提前至如今的 2030 年左右。

一位 AI 研究员说，当前模型每周能在熟悉领域帮他省四到八小时，在陌生领域则约省一天。Alexander 和 Kokotajlo 认为，语言模型掌握大量资料，特别适合帮助人们了解陌生技术领域。Patel 接着问，模型掌握大量知识后，为何还没有通过连接不同想法做出明确科学发现，例如发现补充镁可能缓解某些偏头痛。

Alexander 区分了识别别人指出的联系与独立发现联系。词源学是简单例子：happy、hapless、happen 看似有关联，但大多数人查词源词典前不会注意到它们共享词根。Patel 举出 David Anthony 的研究：他发现印欧及印度语言中“车轮”“马车”“马”等词有共同词源，早于后来关于 Yamnaya 人群的遗传证据。Alexander 认为，此类发现依赖专业知识、启发式方法和灵光一现，而不只是记住事实。

Alexander 设想用脚手架让智能体系统比较词语、记录疑似联系并研究成组词汇，但承认暴力穷举会遭遇组合爆炸。Kokotajlo 提醒，人们常把当前大语言模型的局限误认为整个范式的永久限制。双方讨论脚手架、更大模型或专门训练是否有帮助，并认为预训练并未强烈鼓励新颖联想。Kokotajlo 也指出，建立用于科学发现的强化学习环境本身就很困难。

作者并未假设 AI 会从当前水平直接跃升为科学发现者。编程智能体会先逐步变强，再帮助自动化研究流程；即使编程高度自动化，AI 仍可能缺少研究品味和组织能力。预测将加速拆为多个里程碑：超人类程序员、约达人类水平的 AI 研究员，之后才是超人类研究员。每一阶段都要估算所需条件和速度提升，再预测抵达下一阶段的时间。