五年後，AI比全人類加起來還聰明？ ——馬斯克最近之驚世訪談

2026年7月，在德克薩斯州特斯拉超級工廠，《經濟學人》主編贊妮·明頓·貝多斯（Zanny Minton Beddoes）與馬斯克進行了一場90分鐘的對談。被問到十年後的世界，馬斯克脫口而出：十年後，AI“遠遠超過人類智慧的總和”——而這個節點可能只要五年。“屆時將不存在任何AI做得不如人類的事，除了‘做一個人’本身。”

他還順手丟下更多炸彈：2036年金錢將失去意義；AI導致人類滅絕的概率是10%–20% ；未來超級智慧與我們的差距，將大過今天人類與黑猩猩的差距——黑猩猩能活著，靠的是人類的仁慈，而不是談判資格。

這是科幻囈語，還是嚴肅預報？要回答它，需要的不是站隊，而是方法。

一、AGI連定義都在打架

AGI（通用人工智慧）指在絕大多數認知任務上達到或超過人類的系統——但“絕大多數”是多少、誰來判定，業內並無共識。馬斯克用的是最直白的定義：“比最聰明的人類更聰明” ；DeepMind聯合創始人沙恩·萊格用“能完成普通人全部認知工作”的“最小AGI”；而Keras之父弗朗索瓦·肖萊（François Chollet）乾脆認為“會做題”不等於“有智慧”——他眼中真正的智慧，是面對從未見過的任務時學會新技能的效率。

馬斯克自己打了個比方：手機上的象棋引擎可以輕鬆擊敗世界冠軍，人類棋手與它之間連“有意義的對抗”都構不成。但請注意：象棋引擎並不“懂”任何事。這恰好點中了爭論的核心——AI超越我們的，究竟是“智慧”，還是“技能”？

二、科學家怎樣測量AGI還有多遠

與其聽名人拍腦袋，不如看三套正在運轉的“測量儀器”。

第一套：算力賬- 研究機構Epoch AI統計了1950年以來的重要模型：2010年以來，前沿模型的訓練算力以每年約4.5倍膨脹，演算法效率同時以每年約3倍進步——同等性能所需算力每年減少三分之二。這就是著名的“擴展定律”（scaling law）：模型性能隨算力、資料、參數呈冪律提升，跨越七個數量級依然成立。用外行的話說：多做十倍的題，分數就穩定地漲一截——十幾年了，這條曲線還沒彎。

第二套：任務時長- 獨立測評機構METR想了個聰明辦法：不考偏題怪題，而是測量“AI能不撒手獨立完成的任務，相當於人類專家幾小時的工作量”。結果：2019年的GPT-2只能撐2秒；2025年初的Claude 3.7 Sonnet能撐50分鐘；2026年初的Opus 4.6已能撐約12小時。這條“時間跨度”曲線以約每7個月翻倍的速度指數增長，2024年後甚至加速到約每89天翻倍。按趨勢外推，2027—2031年間，前沿AI將能獨立完成為期一個月的任務。

第三套：換考題- 一旦某套試卷被“刷穿”，科學家就換更難的：研究生級科學問答GPQA，人類專家正確率僅65%，如今最好的模型已超90%；為“防作弊”設計的數學前沿題庫FrontierMath，2024年底最強模型得分不足2%，一年半後已逼近50%；“人類最後的考試”（HLE）上線時模型得分不到10%，如今已升至40%–55%。

三、先例：AI確實“超越”過我們三次

圍棋（2016）- AlphaGo擊敗李世石，論文登上《自然》封面；它下出的第37手，被職業棋手稱為“人類永遠想不到的一手”。

蛋白質折疊（2020—2024）- 人類花50年、用X射線晶體學等實驗手段解析了約20萬個蛋白質結構；DeepMind的AlphaFold一舉預測了2億多個——效率提升約1000，資料庫免費向190多個國家的300多萬研究者開放。2024年，哈薩比斯與江珀因此摘得諾貝爾化學獎。一樁50年懸案，AI幾個月內關門。

數學奧賽（2025）- DeepMind的Gemini Deep Think在國際數學奧林匹克（IMO）官方評分中拿到35/42的金牌線成績。但請看細節：所有參賽AI都栽在了第6題上——那道題需要真正的創造性探索。強大與邊界，同時存在。

四、潑冷水的人：四堵看得見的牆

數據牆- Epoch AI估算，人類高品質公開文本總量約300萬億token，按當前消耗速度，將在2026—2032年間被“吃幹榨盡”（中位數2028年）。OpenAI前首席科學家蘇茨克維說得更直白：“數據是AI的化石燃料。”

可靠性牆- 單步準確率95%的系統，連走100步，整體成功率只剩0.95¹⁰⁰≈0.6%——這就是“複利錯誤”。考試可以靠單題取勝，現實世界卻是一場馬拉松：AI在髒亂、開放、不可逆的環境中的表現仍遠遜於人。

泛化牆- o3在肖萊設計的“反刷題”測試ARC-AGI-1上飆到87.5%（GPT-4o僅5%），轟動一時；但換到ARC-AGI-2，同類模型跌到個位數，而普通人輕鬆拿到60%以上。會考試，不等於會適應。

架構牆- 2025年AAAI組織的調研中，76%的AI研究者認為“光靠擴展現有路線”到不了AGI 。圖靈獎得主楊立昆（Yann LeCun）稱大語言模型是通往人類級智慧的“岔路出口”，2025年11月他離開Meta創辦“世界模型”公司，押注另一條路。

五、所以到底幾年？一張跨度40年的時間表

一個耐人尋味的細節：連最激進的《AI 2027》報告的作者本人，也在2025年底悄悄把時間表後調到2030年。這40年的分歧，本質上不是技術分歧，而是兩個假設的分歧：你相信指數曲線會一直保持嗎？你相信“會做科研的AI”會引發自我加速的連鎖反應嗎？

六、“上帝知道”的部分

1965年，數學家古德（I. J. Good）寫下那句著名警告：“第一台超智慧型機器，將是人類需要完成的最後一項發明。”一旦AI能自己設計更強的AI，反饋回路就可能引爆“智慧爆炸”——這正是馬斯克“十年後失控”論斷的理論原型。

嚴肅學界並未把它當笑話。2024年5月，本吉奧、辛頓等25位頂級學者在《科學》雜誌連署共識：前沿AI的極端風險（濫用、失控）是真實的，而人類現有的治理機構遠未準備好。馬斯克自己給出的估計是10%–20%的滅絕概率，並提議讓互相競爭的AI實驗室在發佈前互相審查對方的最強模型—— 一場連他都說“上帝才知道結果”的賭局。

結語：做一個清醒的讀者

筆者認為馬斯克的時間表可能錯——他的預測記錄素以激進著稱；但“專家們”也曾錯得離譜：2022年，學界還認為人類級AI要到2060年。真正值得追蹤的不是某個年份，而是三條曲線：METR的任務時長是否繼續翻倍、算力與資料供給能否跟上、AI在“髒亂現實”中的可靠性是否改善。與其背誦預言，不如盯住儀錶盤。

畢竟，如果那條曲線真是指數的，那麼無論拐點落在2028還是2047，我們留來準備的時間，都比直覺以為的少得多。

（數據來自Epoch AI, METR, AI Impacts 2023 Research, Metaculus, 由筆者用KIMI AI製圖)

（數據來自Epoch AI, METR, AI Impacts 2023 Research, Metaculus, 由筆者用KIMI AI製圖)

 

作者:馮穎匡博士，香港教育評議會執委兼AI教育工作小組副組長

教育4.0

** 博客文章文責自負,不代表本公司立場 **

四年一度的世界杯開鑼了! 筆者今期談談”預測世界盃”的演進史, 最後看看AI機器學習能否預測準確? 提醒大家, 本文只供學術參考, 不是提供任何賭博建議。

人類預測賽事勝負的歷史最初充滿了玄學色彩，其中最具代表性的便是 2010 年南非世界盃期間的「章魚保羅」（Paul the Octopus）。保羅透過選擇印有參賽國國旗的食物箱來進行預測，不僅準確命中德國隊的七場比賽，更成功預測西班牙奪得決賽冠軍，其生涯預測準確率高達 85.7%。筆者當時有留意此新聞，也覺得十分匪夷所思!

保羅的成功引發了全球的動物預測熱潮，各國紛紛推出具備在地特色的「動物神諭」，涵蓋貓、水獺甚至是駱駝。然而，從認知科學與統計學的角度來看，這種「超自然預測能力」純粹是「檢察官謬誤」（Prosecutor's fallacy）的體現。當全世界有數以百計的動物同時進行隨機選擇時，根據機率法則，必然會有極少數的動物能連續猜中多場比賽。一旦牠們連續命中，便會受到媒體的強烈放大報導，而無數預測失敗的動物則被大眾遺忘。這種現象凸顯了人類在面對高度不可預測的足球運動時，極度渴望尋求確定性的心理投射 (本文不談打假波, 並排除賭波因素)。

隨著大數據與人工智慧技術的成熟，世界盃預測已從水族館轉移至雲端運算中心。在現今 2026 年的賽季中，數據科學家紛紛投入預測模型的建構，試圖尋找比章魚更精準的科學依據。現代的預測系統不再依賴少量變數，而是整合了海量的歷史賽事特徵，如 Elo 等級分（Elo Ratings）、泊松分佈（Poisson Distribution）以及混合隨機森林等高階演算法。

近期的多項獨立開發專案展示了這些科學模型的運作邏輯與結果分歧。德國學者斯蒂芬妮·霍恩伯格（Stephanie Hohenberg）透過競爭性測試兩種機器學習模型，最終預測阿根廷將再次奪得桂冠。另一位分析師維克多·亞當斯（Victor Adams）則運用蒙地卡羅模擬（Monte Carlo simulation）為模型加入機率分佈，推導出法國、西班牙、阿根廷與英格蘭皆具備極高的奪冠潛力。此外，開發者桑德·林（Sander Lam）在 Databricks 平台上建構模型，經過高達 20,000 次的賽事模擬，得出了極其具體的決賽預測：西班牙將與阿根廷以 1–1 戰平，而阿根廷最終將在點球大戰中勝出。

“波係圓的!” 預測的極限最終迴避不了足球運動本身的不可預測性。黑馬球隊的崛起與奪冠大熱門的意外崩盤，構成了這項運動最迷人的魔力。數據科學可以提供勝率的明確指標，蒙地卡羅模擬可以勾勒出萬千種可能的情境，但在哨音響起的那一刻，決定勝負的依然是人類的意志與賽場上的奮鬥過程。正是這種無法被完全預測的延遲與不確定性，讓數百萬人願意在整整一個月的時間裡，堅定地相信那些不可能的奇蹟! 你相信阿根廷會再次冧莊嗎?

作者:馮穎匡博士，香港教育評議會執委兼AI教育工作小組副組長