Explore the possible development trajectory of AI by 2030

核心观点

• AI 发展迅速，未来轨迹存在多种可能性：近年来，人工智能（AI）发展迅速，能力不断提升。然而，其未来发展轨迹存在多种可能性，包括停滞、放缓、持续和加速四种主要情景。
• 四种主要情景：
  • 停滞：AI 发展停滞不前，能力提升有限，主要依赖人类支持。
  • 放缓：AI 发展速度放缓，但仍能完成复杂任务，需要人类提供任务指导和决策支持。
  • 持续：AI 持续快速发展，在数字环境中能完成许多专业任务，具备一定自主性。
  • 加速：AI 发展加速，能力超越人类，能自主完成复杂任务，并与人类协作。
• 关键不确定因素：影响 AI 发展的关键不确定因素包括模型缩放与性能提升的关系、强化学习的应用、记忆和持续学习能力、物理能力、自主行为和元认知能力、创造力和解决新问题的能力，以及计算和数据输入的规模、算法效率提升、AI 系统在 AI 开发中的应用，以及社会、经济和制度因素。
• 专家观点：专家认为，AI 发展存在高度不确定性，难以预测具体时间节点和最终能力水平。但所有情景都具有可能性，AI 发展轨迹存在从停滞到超越人类能力的广泛范围。
• OECD AI 能力指标：OECD 开发了 AI 能力指标（beta 版），涵盖语言、社交互动、问题解决、创造力、元认知和批判性思维、知识、学习和记忆、视觉、物理操作和机器人智能等九个方面，用于评估和比较 AI 能力与人类能力的差距。
• 趋势外推：研报通过趋势外推，预测了 AI 系统在 2030 年能完成的任务长度，为不同情景提供了量化参考。

关键数据

• AI 基准测试表现：AI 系统在阅读理解、图像识别、语言理解、数学推理、编程等基准测试中表现优异，甚至超越人类水平。
• 模型缩放：AI 模型的参数数量、训练数据和计算资源规模在过去十年中快速增长，推动了 AI 能力的提升。
• 算法效率：算法效率提升对 AI 发展至关重要，未来算法创新的速度和方向仍存在不确定性。
• AI 输入：计算资源、数据、算法和 AI 系统自身的应用都是 AI 发展的重要输入，其规模和效率将影响 AI 能力的提升。

研究结论

• 政策启示：政府应考虑 AI 发展的多种可能性，制定政策以应对不同情景带来的机遇和挑战，并做好应对 AI 发展停滞或加速的准备。
• 研究方向：需要进一步研究 AI 能力的局限性，以及如何克服这些局限性，推动 AI 持续发展。