新智元報道
新智元報道
【新智元導讀】anthropic聯合創始人兼首席科學家jared kaplan拋出重磅預測：人類水平的ai（agi）可能在2-3年內實現，而非此前預計的2030年。從ai能力的飛速擴展到claude 4的即將發布，再到deepseek等全球競爭者的崛起，kaplan為我們揭示了ai領域的最新突破與挑戰。
提到anthropic，大家首先想到的可能是它的聯合創始人、ceo dario amodei。
這位明星ceo經常出現在各種場合，不時拋出一個「爆炸」言論。
不過，anthropic的另一位聯合創始人，也是他們的首席科學家jared kaplan則鮮少露面。
近日，他參加了azeem azhar的一檔訪談節目，並拋出了一個與dario類似的觀點。
「人類水平的人工智慧兩三年內就會到來，不用等到2030年。」
這位略顯神秘的大佬表示，ai現在能夠處理的任務愈加複雜，甚至有些任務連人類專家也需要花費幾個小時，甚至幾天才能完成。
kaplan曾在去年預測實現人類水平的ai（agi）需要到2030年，但現在他更傾向於2到3年內到來。
不過，「人類水平」的ai並不是一個可以清晰界定的標準。
kaplan提出了衡量ai能力的兩個重要維度。
一個是ai能夠操作的環境範圍。
從最初只能在圍棋棋盤上操作的alphago，到如今可以理解文本、圖像，甚至最終可能化身為機器人進入物理世界，ai的操作範圍不斷延伸。
其二是ai能夠處理任務的複雜程度。
他回顧早期的語言模型（如bert）處理的都是1秒級的任務，比如看一個句子找出裡面的名詞。到了gpt-3，能處理的是10秒級的任務。
現在，像claude 3.7 sonet這樣的最新模型，已經能夠完成人類研究生需花費半天的複雜任務，例如分析和提煉長達20,000字的文本。
ai在這兩個維度上都快速地擴展。
kaplan表示，ai能力的快速提升有多種因素：
模型智能的整體提升使其能夠關注和處理更多不同的問題。
上下文窗口長度的持續擴展使ai能夠理解和處理更長的文本，從段落到書籍，從而增強其理解能力。
通過強化學習訓練ai執行更複雜的任務。
claude 3已經發布了一年多的時間，kaplan預計新一代的claude 4將會在接下來的六個月內發布。
「一方面，我們在後訓練跟強化學習上有了改進，讓claude能通過更多測試；另一方面，我們從預訓練中提升了效率。」kaplan說，短期內這種勢頭不會減慢。
對於測試時擴展(test-time scaling)，kaplan覺得這是個大突破。
簡單來說，就是讓ai多想一會兒，性能就能可預測地變好，尤其是在那種光靠思考就能提高表現的困難問題上。
比如讓claude 3.7想2000個token、4000個token、8000個token，每次思考量翻倍，性能就能穩定提升。
這種方式還能擴展到同時生成好幾個答案，然後讓ai挑個最好的。
kaplan解釋說：「對於特別難的任務，你可以選一個更聰明的模型快速搞定，或者讓一個普通點的模型多花點時間，效果可能差不多。」
不過這也帶來了新挑戰：模型得學會判斷什麼時候多想一會兒。
kaplan打了個比方：「就像你剛換了個新工作，老闆給你個難題，你肯定得花大把時間琢磨，因為你想答對，不想被炒魷魚。但一旦你適應這個工作，可能隨手就給出一個答案。」
deepseek發布的r1模型引發全球熱議，展現出了令人驚艷的推理能力。
kaplan對此並不意外，「我關注deepseek的進展至少有一年半了。他們一直在發表論文、優化模型，所以這對我們或anthropic來說並不算太大的驚喜。」
這話透露出頂尖ai實驗室之間對彼此的研究非常的熟悉。
他倒覺得全球的反應挺有趣：「很多人驚呼，『哇，中國竟然有這麼厲害的模型！』我跟一些美國人聊過，他們過去總覺得中國可能落後好幾年。但看看deepseek的論文，他們的進展其實很明顯，可能只差六個月，不會太遠。」
這也反映出中美兩國在ai發展方面的差距正在縮小。
kaplan表示，ai研究的突破來得特別快。這種飛速進步不是因為科學家突然變聰明了，而是因為ai這個領域就像個秋天的果園，掛滿了低垂的果子，迭代改進的空間很大。
他進一步說，算力硬體限制可能會讓西方公司在硬體資源上佔優，這對deepseek和其他公司來說可能是個挑戰。
但在演算法本身上，所有頂尖ai公司都在找簡單、有效、可擴展的方法。
deepseek的論文里也提到了這些思路和技術，他們在演算法上完全有競爭力，沒理由落後。
訪談的最後聚焦在了ai對經濟和社會的潛在影響上。
ai對生產力和勞動力市場的影響，可能會比歷史上的任何重大技術變革來得更快。
kaplan對此深以為然，他坦言：「我覺得我們對ai會如何改變社會和生產力的思考，可能遠遠不夠。隨著ai能夠完成的事情越來越多，人類可能會通過其他活動，或者用ai來放大自己的能力來實現不同。」
他同時強調了實證研究的關鍵作用。
比如ai是起到互補作用？還是提升了生產力？它會在多大程度上替代原本由人完成的任務？kaplan說他們正把這些數據開放給經濟學家去分析。
他還特別提到ai在軟體工程領域的應用，拋出了一個更深層次的問題：「像我們在軟體工程中看到的這麼多人用ai，這種趨勢會擴散到所有知識工作嗎？還是會慢得多？它又會怎樣滲透進我們的日常生活？」
從claude 4的突破到deepseek的異軍突起，全球ai競賽正以前所未有的速度推進。
它將如何改變我們的工作、生活乃至整個世界？
正如kaplan所言，答案或許藏在數據與實證研究中，而我們每個人都將是這場變革的見證者和參與者。