Anthropic 的聯合創始人預測到 2028 年將出現「自我學習的人工智慧」 - ForkLog：加密貨幣、人工智慧、奇點、未來

# Anthropic聯合創始人預測「自我發展的人工智慧」將於2028年出現

到2028年，市場上可能出現能夠自主開發和訓練自己繼任者的人工智慧系統，無需人類參與。這一預測由Anthropic的聯合創始人傑克·克拉克提出

「這非常重要。我不知道如何去理解這一點。我帶著不情願得出這個結論，因為後果如此重大，以至於我感到被它壓倒，我不確定社會是否已準備好迎接自動化AI開發所帶來的變革」，—他指出

克拉克描述了完全自動化AI研究的場景——模型自主：

• 設定研究任務；
• 設計實驗；
• 編寫並測試代碼；
• 優化學習；
• 改進下一版本AI的架構

專家稱這是「幾乎不可預測未來的里程碑」，並估計在未來兩年內實現此場景的概率為60%

評估的依據

克拉克的結論建立在多個基準測試的動態上：

• SWE-Bench——基於GitHub存儲庫解決實際工程問題的測試。到2023年底，最優模型約能解決2%的案例；到2026年春季，這一比例達到94%；
• CORE-Bench——重現科學AI論文的結果，包括設置環境、運行代碼和分析結論。據克拉克所述，該基準實際上已「封閉」：現代代理人約能達到95.5%；
• MLE-Bench——完成Kaggle層級的機器學習任務。最先進的代理系統已達到64-65%。

根據Anthropic聯合創始人的說法，這三個指標都表明：AI正迅速從單純的代碼撰寫轉向完整的工程和研究任務。

自主性增長

另一個理由是AI模型能完成的任務持續延長，且不需人類干預。

根據METR數據，2022年系統能完成耗時數十秒的人類任務。到2024年，這一指標約提升到40分鐘，2025年則達到六小時。目前，先進模型能連續進行約12小時的工程工作。

克拉克將此與代理工具在編程中的普及聯繫起來。模型持續追蹤目標、檢查中間結果和修正錯誤的時間越長，可委託的研究流程階段就越多。

為何這對AI開發很重要

現代AI開發流程基本遵循一個模式：學習資料、重現結果、組合實驗、訓練或微調模型、評估指標、找出瓶頸並重複。SWE-Bench、CORE-Bench和MLE-Bench的成長表明，模型已能應付整個流程的部分階段。

克拉克特別指出在更專門化的任務上的進展。例如，AI已開始用於GPU核心設計——這是決定模型訓練和推理效率的代碼。

另一個方向是模型微調。在PostTrainBench基準中，AI系統能提升開源小型大型語言模型（LLM）的性能。

截至2026年春季，最優神經網絡已達到目標增長的25-28%（人類團隊為51%）。克拉克認為這一結果具有重要意義：指標由經驗豐富的研究者打造的實用模型設定。

Anthropic測量了其模型在CPU上優化LLM訓練的情況。一年內，速度提升從2.9倍（Claude Opus 4）到52倍（Claude Mythos Preview）。人類完成類似任務通常需要四到八個小時。

AI已開始學會管理AI

克拉克指出，現代系統已開始協調其他代理的工作。這種方法已在Claude Code或OpenCode等產品中應用：一個助手分配任務給多個子助手，監控它們並收集結果。

對於AI開發來說，這很重要：它們很少是單一線性任務——通常是數十個並行流程，包括撰寫代碼和設置環境。如果模型能自主管理這些流程，人工參與將大幅減少。

神經網絡是否需要創造力

根據Anthropic聯合創始人的看法，一個關鍵問題是：AI的開發更像是發現廣義相對論，還是像拼裝樂高。

克拉克承認，當前的LLM尚無法產生根本性的新科學思想。然而，對於自動化AI研發的很大一部分來說，這可能並非必要。

「AI主要通過人類有條不紊地執行某個循環來推進：拿一個運作良好的系統，擴展其某個方面，觀察擴展中的錯誤並修正它們。這個過程中很少需要非標準的想法，大部分工作都像是粗糙的工程工作」，—專家指出

科學貢獻的早期跡象

克拉克認為，AI模型已開始展現早期的科學直覺。他舉了幾個數學和計算機科學的例子：

• 一個數學團隊利用Gemini驗證了約700個艾爾米特數問題，並得到13個解答，其中一個被研究人員稱為「略微非平凡」的對未解問題的貢獻；
• 來自不列顛哥倫比亞大學、澳大利亞新南威爾士大學、斯坦福和Google DeepMind的科學家，發表了由Gemini工具大幅參與的數學證明。

若預測成真會怎樣

克拉克指出，最大型的AI實驗室已在推進研究自動化。OpenAI計劃打造一個自主進行科學研究的AI實習生，Anthropic則推出了針對人類價值的自動調整工作。

如果目前的速度持續，專家預測行業將進入全面自動化階段——每一代新AI都會加速下一代的出現。

他表示，如果到2028年底這一轉變實現，世界不僅會迎來技術飛躍，還將面臨安全、資本分配、人類勞動角色和系統控制等根本性問題，這些問題的發展速度甚至超過了創造者。

「如果讓我預測2027年的概率，我會說30%。如果到2028年底還未實現，我認為我們會發現現有技術範式存在某些缺陷，未來的推進將需要人類的發明」，—克拉克總結

提醒一下，去年一月，Anthropic的CEO達里奧·阿莫迪預言了AGI的快速出現和就業崗位的縮減