新年特辑！来自 David Cox、Adji Bousso Dieng、Juan M. Lavista Ferres、Tanmay Gupta、Pengtao Xie 和 Sharon Zhou 对 2026 年的展望

# 新年特辑！来自 David Cox、Adji Bousso Dieng、Juan M. Lavista Ferres、Tanmay Gupta、Pengtao Xie、Sharon Zhou 的 2026 年展望 来源：https://www.deeplearning.ai/the-batch/issue-334/ 亲爱的朋友们， 2026 年快乐！今年会是我们终于实现 AGI 的一年吗？我想提出一个图灵测试的新版本，我将其称为“图灵-AGI 测试”（Turing-AGI Test），来检验我们是否真的达成了这一目标。稍后我会解释为什么制定新测试很重要。 大众认为实现 AGI 意味着计算机将拥有与人类相当的智慧，并能完成大部分或全部的知识型工作。我想提出一项新测试。测试对象——无论是计算机还是专业的熟练人类——将被提供一台能上网并装有网页浏览器和 Zoom 等软件的电脑。评审员会通过电脑为测试对象设计一个多天的体验流程，让其完成工作任务。例如，体验可能包括一段培训期（比如作为客服代表），随后被要求执行任务（接听电话），并接受持续的反馈。这与一名配备完整电脑（但无摄像头）的远程办公员工所面临的工作场景类似。 如果计算机能够像熟练的人类一样出色地完成任务，即视为通过图灵-AGI 测试。 大多数人大概都相信，真正的 AGI 系统应该能通过这项测试。毫无疑问，如果计算机像人类一样聪明，它们理应能像人类员工一样胜任各项工作任务。因此，图灵-AGI 测试符合大众对 AGI 含义的普遍认知。 我们需要新测试的原因在于：“AGI” 已演变成一个炒作词汇，而非具有精确含义的概念。AGI 的一个合理定义是：能够完成人类所能完成的任何智力任务的 AI。当企业宣扬他们可能在几季度内实现 AGI 时，通常会通过设定一个低得多的门槛来为这种说法辩解。这种定义的错位是有害的，因为它让人误以为 AI 的实际能力比真实情况更强大。我发现这种现象正在误导从高中生到 CEO 等各类人群：高中生因为觉得 AGI 即将到来而回避某些专业学习；CEO 们在决定投资项目时，有时甚至假设 1-2 年内 AI 的能力会远超现实可能。 Andrew Ng 的照片：他正坐在大窗前用笔记本写字，背景可见花园和泳池。原始的图灵测试要求计算机通过文字聊天欺骗人类评审，使其无法将其与人类区分开来，但这已不足以表明具备人类水平的智能。Loebner Prize (https://web.archive.org/web/20190220020219/https://aisb.org.uk/events/loebner-prize?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr) 比赛实际上就运行了图灵测试，结果发现，要骗过评审，能够模拟人类打字错误甚至比真正展示智能更为重要。如今 AI 开发的主要目标是构建能产生经济价值的实用系统，而不是去忽悠评审。因此，衡量实际工作能力的改良版测试，会比衡量欺骗人类能力的测试更有价值。 对于当今几乎所有 AI 基准测试（如 GPQA、AIME、SWE-bench 等），测试集都是提前确定的。这意味着 AI 团队最终至少会间接地将他们的模型针对已发布的测试集进行调优。此外，任何固定的测试集只能衡量智能中极其狭窄的一个侧面。相比之下，在图灵测试中，评审可以自由提问以探知模型的底细。这使得评审能够检验计算机或人类的知识库究竟有多“通用”。同理，在图灵-AGI 测试中，评审可以设计任意体验流程，且该流程不会提前透露给待测的 AI（或人类受试者）。相比于预设的测试集，这是一种衡量 AI 通用性更好的方法。 AI 正处于令人惊叹的发展轨迹上。在过去的几十年里，过度炒高的期望导致了 AI 寒冬，即对 AI 能力的失望引发了兴趣和资金的缩减，直到该领域取得更多进展后才再度回暖。可能会阻碍 AI 巨大发展势头的少数因素之一，就是制造投资泡沫 (https://www.deeplearning.ai/the-batch/understanding-the-ai-bubble-if-there-is-one/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr) 的不切实际的炒作，这不仅会带来失望，还会导致兴趣崩塌。为了避免这种情况，我们需要重新校准社会对 AI 的预期。开展测试将有所帮助。 如果我们举办一场图灵-AGI 测试竞赛，而所有 AI 系统都未能达标，那其实是一件好事！通过淡化围绕 AGI 的炒作并降低泡沫风险，我们将为持续投资 AI 铺就更可靠的路径。这将使我们能够继续推动真正的技术进步并构建有价值的应用——即使这些应用远未达到 AGI 的水平。而如果这项测试能为团队设定一个明确的目标，让他们朝着实现 AGI 的方向努力并以此为荣，那也会非常棒。我们可以确信，如果有公司通过了这项测试，他们产出的将绝不仅仅是一次营销宣传，而会是极具价值的东西。 新年快乐，祝大家在建设中度过一个精彩的一年！ Andrew ## 2026 年的智能体（Agents） 基础已经就位：AI 模型已具备生成连贯文本、图像、视频及其他数据的能力；能够调用专有数据库；并且可以浏览网页并在互联网上采取行动。准备好迎接智能应用的“寒武纪大爆发”，它们将帮助我们过上更好的生活，并更好地管理我们的组织与社区。在本期《The Batch》特刊中，正如以往的新年特刊 [第282期](https://www.deeplearning.ai/the-batch/issue-282/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr)、[第229期](https://www.deeplearning.ai/the-batch/issue-229/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr)、[第177期](https://www.deeplearning.ai/the-batch/issue-177/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr)、[第125期](https://www.deeplearning.ai/the-batch/issue-125/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr)、[第72期](https://www.deeplearning.ai/the-batch/issue-72/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr) 及 [第20期](https://www.deeplearning.ai/the-batch/issue-20/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr) 所呈现的那样，一些最杰出的 AI 专家分享了他们对未来的期许。 --- David Cox 的照片：他在玻璃墙办公室中进行讨论，契合开源创新与团队协作的主题。## 开源必胜 我的希望是，开放 AI 能够继续蓬勃发展并最终赢得未来。 开放生态一直是真正创新的引擎。它让社区能够建立在数十年的进步之上，调动集体人才的力量，而不仅仅依赖单一公司的资源。早在 20 世纪 90 年代，Linux、Apache 和 Eclipse 等开放软件就曾挑战占据主导地位的专有系统。那场抗争塑造了我们今天所熟知的互联网。如今，同样的原则也必须指引 AI 的演进。 这种平行关系令人不安。一些玩家正试图像当年微软在向发展中国家倾销免费 Windows 副本以遏制 Linux 站稳脚跟时所做的事情一样，独占和控制 AI。 如同过去微软免费发放的软盘一样，主要的 AI 开发者推出了所谓的“开放模型”，但实际上并不开放。他们不公开任何关于训练集或算法公式的信息，并对你能赚取的营收设置上限。这一切都是为了阻止其他任何人获得优势，从而让你的产品脱颖而出。 但真正开放 AI 的潜力至关重要。AI 不应被任何个人或单一公司垄断，也不应仅仅代表某一家公司的价值观。更重要的是，每个人都能参与塑造它的未来，无论他们是其他公司的员工、学者还是普通用户。 开放开发具有重要优势。首先，它能降低厂商锁定（vendor lock-in）的风险。没有人愿意被困在一个通过 API 运作、最终成为关键基础设施的专有模型上。其次，它支持更高的定制化程度。你不仅在法律上有权自定义开放模型（包括用它衍生出闭源模型），而且因为你了解其构建原理，重新改造它也更容易。 目前中国拥有一个蓬勃发展的开放生态。那里的开发者取得了惊人的成就。但也存在一种微妙的地缘政治阴影。各国之间缺乏互信。中国不信任美国，美国不信任中国，欧洲也对两者心存疑虑。使用被污染的数据训练模型很容易就会引入后门。而真正的开放开发能解决这一问题，因为所有人都清楚训练集的来源以及如何获取的。 在 IBM，我们一直在践行这一理念。我们会发布模型的详细信息、训练方式，尤其是训练所使用的数据。斯坦福透明度指数 (https://hai.stanford.edu/news/transparency-in-ai-is-on-the-decline?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9RXwJZjE8B84jXW0-hijBoadoSCoEoGapXTd9lWYKApL7h_n_e2MHZv96uqNoev-MvcifE) 将我们置于榜首，得分高达 95%，领先第二名 23 分。我们并非孤军奋战。艾伦人工智能研究所（The Allen Institute）也做出了令人瞩目的工作，中国的开发者也在付诸实践——但又回到了上述的地缘政治问题。美国不信任来自中国的模型，中国也不信任来自美国的模型。 我们知道 IBM 素以谨慎著称。但谨慎未必是坏事。“无聊”意味着稳定；它是你可以依托的基础。同时，IBM 也热衷于实验。正是这种稳定的基础，让你能在不担心系统崩溃的前提下从事前沿工作。让我们在今年的 AI 发展中做到更加开放、更具实验精神，或许也稍微保守一点。 *David Cox 是 IBM Research 的 AI 模型副总裁兼 MIT-IBM Watson AI Lab 主任。此前，他曾在哈佛大学讲授自然科学、应用科学和工程学。* --- Adji Bousso Dieng 的照片：她在暖光下的房间里使用笔记本电脑，专注于 AI 驱动的科学研究。## AI 助力科学发现 ## 作者：Adji Bousso Dieng 2026 年，我希望 AI 能从提升效率的工具转变为科学发现的催化剂。 过去十年，深度学习的主导范式是插值（interpolation）。我们构建了极其强大的模型，擅长模仿其训练数据的分布。这对于当前 AI 擅长的应用场景恰到好处，例如对话代理和编程助手，它们只需通过识别现有数据中的统计模式就能回答问题。这一范式甚至催生了成功的科学应用，例如 AlphaFold，它能够解决那些可建模为监督学习问题的科学挑战。 然而，在该范式下，模型在处理极少见的样本（即数据分布的尾部）时会遇到困难。例如，在我们与 VendiScope (https://arxiv.org/abs/2502.10828?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr) 的合作中——这是我们开发的一款用于审计数据集的工具——我们发现，即便是 AlphaFold，也难以预测稀有蛋白质的 3D 结构。此外，物理学领域的许多重大挑战，从从头设计蛋白质到发现能捕获大气中 CO2 的新型金属有机框架（MOFs），都无法被表述为监督学习问题。相反，它们属于探索性问题，其核心在于寻找稀缺的事物。 在这些场景下，分布的主模态往往在科学上缺乏吸引力，因为它们更多地代表我们已经知道的内容。2026 年，我希望我们能最终破解探索的密码，转向能够驯服分布尾部、甚至发现分布外（out-of-distribution）有意义事物的技术。目标是找到自然界允许存在但我们尚未目睹的现象。 要实现从插值到探索的飞跃，AI 社区必须优先考虑驱动机器学习的目标函数的根本性转变。我们需要超越单纯最大化准确率和概率似然性的目标，因为这些目标本质上会将模型推向插值并坍缩至数据分布的主模态。相反，我们需要将多样性提升为一等公民的目标（first-class objective），而不是仅将其作为一种模糊的社会技术规范来追求公平。 在我所在的实验室 Vertaix (https://x.com/Vertaix_?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr) 中，我们通过开发 Vendi Score (https://github.com/vertaix/Vendi-Score?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr) 引领了这一研究方向。在关于材料发现的研究 (https://pubs.rsc.org/en/content/articlelanding/2024/sc/d4sc03609c?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr) 中，我们发现优化 Vendi Score 使我们能够识别出稳定且节能的 MOFs，而这些是标准搜索方法遗漏的，因为后者无法有效探索涵盖数万亿种材料的搜索空间。 2026 年，我们应停止将多样性仅仅视为次要的评估指标，而是开始将其作为探索的核心数学引擎。如果我们做出这一转变，AI 将不再只是人类知识的模仿者，而是将成为拓展知识疆界的真正伙伴。 *Adji Bousso Dieng 是普林斯顿大学 Vertaix 研究实验室创始人，也是国家科学基金会（NSF）数据驱动动态设计研究所的共同首席研究员。她是非营利组织 The Africa I Know (https://www.theafricaiknow.org/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-9Gdapm9djJGh5bjVfu2tbqWN2NGQaoQY1MJg11oy1fd03sYlWekSLhRMxIB8oIttbIfJLr) 的创始人，该组织致力于支持非洲青少年的 STEM 教育。* --- Juan M. Lavista Ferres 的照片：他手持笔记本电脑，学生们正在屏幕前观看关于 AI 的视频，体现了教育与科技的融合。## 顺势而为的教育：与 AI 协作而非对抗 ## 作者：Juan M. Lavista Ferres 三年多前，OpenAI 发布了 ChatGPT，教育从此彻底改变。对学生而言，几秒钟内按需生成流畅、可信文本的能力是一项不可思议的新工具。对教育工作者来说，这是一种全新的挑战。在接下来的这一年里，我希望教育界能与 AI 作为教育工具这一现实和解，并集中精力开发在生成式媒体时代可靠评估学生表现的方法。 ChatGPT 问世后的几个月里，一个令人安心的故事被广泛传播：如果生成式 AI