【新智元导读】2026年点亮持续学习，2030年实现全自动编程，2050年垄断诺奖级研究……人类向AI让渡科学主导权的倒计时，似乎已经开始。

　　此前，Jeff Dean曾在NeurIPS 2025炉边谈话上，指出了目前LLM痛点在于「缺乏持续学习」。

　　去年底，谷歌团队提出的「嵌套化方法」增强了LLM上下文处理能力，实现了持续学习。

　　拓展阅读：终结Transformer统治！清华姚班校友出手，剑指AI「灾难性遗忘」

　　持续学习，对于任何一个模型和智能体来说，至关重要。它是AI能否自我改进，不断涌现的一个核心要素。

　　全自动化编程（Automated Coder, AC），会不会成为AGI乃至ASI加速到来的关ued体育官网键拐点？

　　2030年不仅可能实现完全自动化编程，更有约25%的概率在一年内实现向ASI的飞跃！

　　一旦这个开关被按下，ASI就极有可能快速起飞（25%概率在1年内实现）。

　　扩展阅读（前作）：末日时间表来了！前OpenAI研究员76页硬核推演：2027年ASI接管世界，人类成NPC

　　针对 AGI 时间线预测这一争议话题，团队认为METR-HRS是目前最适合用于线性外推至超强AI的基准。

　　具体来说，就是以「能力基准趋势外推」作为核心方法，利用METR的编码时间跨度套件（METR-HRS）来设定达到AGI所需的有效算力，并沿着这条趋势线进行推演。

　　AI Futures Model 将 AI 软件研发的自动化与加速轨迹，直观地划分为三个阶段：

　　模型对自动化编程器（Automated Coder，AC）的定义非常硬核：

　　AC可以将某个AGI项目的代码编写工作完全自动化，直接替代该项目的整个程序员团队。

　　模型的推演起点的依据是METR图表的趋势外推，并预估「智能体式编码时间跨度」达到何种水平才算作AC。

　　除了代码之外，模型还追踪了另一项关键能力——研究品味（Research Taste）。

　　这更像是一种「团队协作」：写代码是执行力，研究品味是方向感。执行力再强，如果方向感跟不上，也只是在跑无效里程。

　　AI研究品味的提升速度（即在同样的进展输入下，每做一次实验能带来多少额外价值）。

　　在顶尖AGI项目中，AI研究员ued体育官网与人类研究员的差距，达到了顶尖人类研究员与中位研究员差距的2倍。

　　在几乎所有认知任务上，ASI与最强人类的差距，是最强人类与中位专业人士差距的2倍。

　　在模拟推演中，研究人员发现，存在一些轨迹显示AI可以在数月内从SIAR跃升至ASI；但也存在在智能爆炸阶段「哑火」的可能，即需要继续通过堆算力才能达到ASI。

　　要想实现最快的起飞，通常需要一个反馈循环：让AI能力每一次翻倍所需的时间，都比上一次更短。

　　在此，模型提出了一个关键概念——「仅靠研究品味的奇点（taste-only singularity）」：

　　这一奇点是否会出现，将取决于「创新想法变得越来越难挖掘的速度」与「AI研究品味提升速度」之间的博弈。

　　如果说AI Futures Model描绘的是AI自身进化的「速度」，那么Nature最新的展望则向我们展示了这种进化将如何重塑科学探索的「广度」。

　　常驻牛津、《超级智能：路径、危险与策略》的作者Nick Bostrom预计，AGI将2050年前后出现，并具备回答「我们当前关心、且原则上可以由科学回答的大多数问题」的能力。

　　即便没有所谓的超级智能全面主导，到了2050年，AI也可能让科学研究的方式发生根本变化。

　　由AI算法驱动的自主系统，结合机器人实验员，能够24小时不间断地攻克生物技术难题。

　　新技术催生新的科研方式，新知识反过来推动更新、更强的技术，从而不断解锁新的科学领域。

　　在此基础上，墨西哥国立自治大学物理学家Juan Carlos Hidalgo给出了一个乐观的预测：