<p data-vmark="772e" style="text-align: left;"><strong>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。</strong></p><p data-vmark="12d7">一早，谷歌 DeepMind 研究员重磅预测刷屏全网！</p><p data-vmark="d3d0">2026 年，将会成为「持续学习」之年。</p><p data-vmark="2564" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/0f0844be-72a2-4d4d-846e-fc6.png?x-bce-process=image/format,f_auto" w="1080" h="584" data-type="png" data-vmark="9acf" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/0f0844be-72a2-4d4d-846e-fc6.png?x-bce-process=image/format,f_auto" width="1080" height="443"></p><p data-vmark="0c61">或许它已经在谷歌内部实现了。</p><p data-vmark="f5b0" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/d6a8fe03-f726-4740-826e-4524dc284c34.png?x-bce-process=image/format,f_auto" w="1080" h="423" data-s="300,640" data-type="png" data-vmark="f5d2" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/d6a8fe03-f726-4740-826e-4524dc284c34.png?x-bce-process=image/format,f_auto" width="1080" height="321"></p><p data-vmark="7763">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」。</p><p data-vmark="47bb">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。</p><p data-vmark="269d">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」</p><p data-vmark="711d" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/39109cf6-4e0c-4fd8-be47-c0754aad1733.png?x-bce-process=image/format,f_auto" w="1080" h="1073" data-type="png" data-vmark="8542" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/39109cf6-4e0c-4fd8-be47-c0754aad1733.png?x-bce-process=image/format,f_auto" width="1080" height="815"></p><p data-vmark="5bb2">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。</p><p data-vmark="5bb9">Anthropic CEO Dario Amodei 也表示，持续学习将在 2026 年就搞定了，并能实用起来。</p><p data-vmark="06ac">实际上，AI 这种持续学习的苗头，早已显现。</p><p data-vmark="fbd7">Anthropic 工程师自曝，过去一个月，自己对 Claude Code 的贡献，全部由 AI 100% 直出代码。</p><p data-vmark="b4d2" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/adbcc890-cfd0-4238-8aa4-2cfe5f.png?x-bce-process=image/format,f_auto" w="1080" h="471" data-type="png" data-vmark="438f" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/adbcc890-cfd0-4238-8aa4-2cfe5f.png?x-bce-process=image/format,f_auto" width="1080" height="358"></p><p data-vmark="b6b9">另一位非技术型程序员 Ben Tossell 四个月，烧掉 30 亿 Token，用 Claude Code 连造 50 个项目。</p><p data-vmark="7aad">Tossell 全程所做的，只是看着 AI 完成编码。</p><p data-vmark="5eb2" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/0e-6b39-41e5-ab13-58f76d7f717f.png?x-bce-process=image/format,f_auto" w="1080" h="1018" data-type="png" data-vmark="4089" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/0e-6b39-41e5-ab13-58f76d7f717f.png?x-bce-process=image/format,f_auto" width="1080" height="773"></p><p data-vmark="c5a6">这一刻，模型不再通过训练获得改进，而是在自编码过程中不断进化。</p><p data-vmark="acf9">人类不用插手，几乎 0 干预，全自动化编程和研究的时代更近了。</p><p data-vmark="235e" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/450db6fe-653f-494a-b2c6-ebf6.png?x-bce-process=image/format,f_auto" w="1080" h="161" data-type="png" data-vmark="046f" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/450db6fe-653f-494a-b2c6-ebf6.png?x-bce-process=image/format,f_auto" width="1080" height="122"></p><p data-vmark="4a8a" style="text-align: center;">OpenAI 研究员 Hieu Pham 预测，2026 将见证 AI 激活成功教程一个千禧年难题</p><p data-vmark="d3eb">全自动化编程（Automated Coder, AC），会不会成为 AGI 乃至 ASI 加速到来的关键拐点？</p><p data-vmark="cd71">前 OpenAI 研究员 Daniel Kokotajlo 和他的团队给出了肯定答案。</p><p data-vmark="c776">他们利用自主开发的 AI Futures Model 做出了惊人预测：</p><p data-vmark="a01b">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！</p><p data-vmark="177a" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/-92cd-4fdf-9d18-1fc9dec875af.png?x-bce-process=image/format,f_auto" w="1080" h="575" data-type="png" data-vmark="19e3" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/-92cd-4fdf-9d18-1fc9dec875af.png?x-bce-process=image/format,f_auto" width="1080" height="437"></p><p data-vmark="3276">团队认为，AC 就像是 AGI 研发进入自动化加速阶段的「开关」。</p><p data-vmark="db39">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）。</p><p data-vmark="e1b7">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</p><p data-vmark="bff6" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/16c935f9-b731-4db8-947a-6864f93d6934.png?x-bce-process=image/format,f_auto" w="1080" h="379" data-type="png" data-vmark="e1bd" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/16c935f9-b731-4db8-947a-6864f93d6934.png?x-bce-process=image/format,f_auto" width="1080" height="288"></p><p data-vmark="ac3e" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/7c152d9a-0f25-4deb-b653-9c8d2495de47.png?x-bce-process=image/format,f_auto" w="1080" h="611" data-type="png" data-vmark="810f" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/7c152d9a-0f25-4deb-b653-9c8d2495de47.png?x-bce-process=image/format,f_auto" width="1080" height="464"></p><p data-vmark="026d" style="text-align: left;"><span class="link-text-start-with-http">https://blog.ai-futures.org/p/ai-futures-model-dec-2025-update</span></p><p data-vmark="23bd"><strong>核心锚点：用 METR-HRS 外推「编码时间跨度」</strong></p><p data-vmark="6aaa">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。</p><p data-vmark="7cf9">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。</p><p data-vmark="a92e" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/9eec6aba-293f-43cf-885a-dfc9cd.png?x-bce-process=image/format,f_auto" w="1080" h="470" data-type="png" data-vmark="f9ad" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/9eec6aba-293f-43cf-885a-dfc9cd.png?x-bce-process=image/format,f_auto" width="1080" height="357"></p><p data-vmark="8486">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：</p><p data-vmark="592a" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/25f71f7a-5a1f-4ef4-bdfd-be43dee870ac.png?x-bce-process=image/format,f_auto" w="1080" h="685" data-type="png" data-vmark="0666" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/25f71f7a-5a1f-4ef4-bdfd-be43dee870ac.png?x-bce-process=image/format,f_auto" width="1080" height="520"></p><p data-vmark="e2c9"><strong>阶段 1：自动化编程</strong></p><p data-vmark="0ff2">首先预测「写代码」何时会被完全自动化。</p><p data-vmark="14d1">模型对自动化编程器（Automated Coder，AC）的定义非常硬核：</p><p data-vmark="49fb">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。</p><p data-vmark="9f42">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。</p><p data-vmark="078d">同时，模型不仅仅盯着曲线，还综合考量了多重变量：</p><p data-vmark="27c1"><strong>阶段 2：自动化研究品味</strong></p><p data-vmark="33a4">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）。</p><p data-vmark="a85c">它指的是确定研究方向、挑选实验、解读结果以及从实验中提取知识的能力。</p><p data-vmark="4dad">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。</p><p data-vmark="2d74">阶段 2 的目标是预测从 AC 进化到超人类 AI 研究员（Superhuman AI Researcher，SAR）需要多长时间。</p><p data-vmark="7959">SAR 的定义同样强悍：</p><p data-vmark="088c">SAR 可以将 AI 研发完全自动化，完全替代所有人类研究员。</p><p data-vmark="5c28">这一阶段的速度取决于三个因素：</p><p data-vmark="24df"><strong>阶段 3：智能爆炸</strong></p><p data-vmark="6859">当 AI 研发实现完全自动化，模型便进入了最让人心跳加速的阶段：</p><p data-vmark="8512">AI 会以多快的速度自我提升，逼近智能上限。</p><p data-vmark="7009">这一阶段追踪的里程碑包括：</p><p data-vmark="ad9c">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。</p><p data-vmark="4639">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。</p><p data-vmark="8066">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）」：</p><p data-vmark="f625">速度的翻倍完全来自于研究品味的提升，而非算力增加或代码能力的提升。</p><p data-vmark="794f">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。</p><p data-vmark="3f93">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」。</p><p data-vmark="598a" style="text-align: center;"><img src="https://img.ithome.com/newsuploadfiles/2026/1/091f0c43-9bd2-4e23-b9e0-eac.png?x-bce-process=image/format,f_auto" w="1080" h="341" data-type="png" data-vmark="2f77" class="lazy" title="谷歌 DeepMind 震撼预言：2026 年，持续学习将让 AI「永生」" data-original="https://img.ithome.com/newsuploadfiles/2026/1/091f0c43-9bd2-4e23-b9e0-eac.png?x-bce-process=image/format,f_auto" width="1080" height="259"></p><p data-vmark="3b6d">尽管时间线难以精确锁定，但科学界对终局的共识逐渐清晰：</p><p data-vmark="c84f">到 2050 年，AI 系统或将成为「诺奖级」科学研究的主力军。</p><p data-vmark="cdff">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。</p><p data-vmark="59d4">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。</p><p data-vmark="7bc8">对此，伦敦研究与前瞻公司 Outsmart Insight 联创 Alex Ayad 描述了一种名为「黑灯实验室」（lights out labs）的场景：</p><p data-vmark="4b86">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。</p><p data-vmark="23bc">在此期间，完全不需要人类在场，故名「黑灯」。</p><p data-vmark="2f67">而这，也将催生一个完美的「共生循环」：</p><p data-vmark="a7d8">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。</p><p data-vmark="4422">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：</p><p data-vmark="d927">在 AI 的辅助攻坚下，到 2050 年，核聚变能源成熟的前景「相当可期」。</p><p data-vmark="63fb">参考资料：HYB</p>