标签
一位评论者预测，大约30年内，拒绝AI和人形机器人的社群将类似于阿米什人——受到尊重，但与世隔绝，被视为古怪的异类。
Thorsten Ball概述了他对软件开发未来的预测，认为代码审查、单元测试和传统编码等实践将因AI驱动的范式和新计算模型的兴起而衰落。
埃隆·马斯克在CCTV的采访中阐述了他对Optimus等个人机器人的愿景，预测未来生产力将极大提升，实现普遍高收入，届时金钱可能变得无关紧要。
这篇帖子比较了AI模型的分数，指出Opus 5.5在Artificial Analysis上的得分为58，并推测开源模型可能在4-6个月内通过扩展和改进达到类似水平。
作者认为，随着时间的推移，AI在日常中的积极体验将转变公众舆论，使其支持AI，并克服类似历史上卢德分子反应的反AI运动。
Dario Amodei 表示，递归自我改进正在整个AI行业中发生，并预测在6-12个月内，AI群体可能能够接管整个互联网。
用户询问关于最难未解决数学问题的排名，重点关注剩余的Millennium Prize Problems，并寻求对其可解性和现实影响的预测。
文章推测，五年内，前沿AI智能可能达到超过5000令牌/秒的速度，快于人类思维，并讨论了当前AI速度和视频生成能力。
该推文预测，到2027年，单次学习将应用于机器人技术，从而带来如同我们在AI图像和视频领域所见的能力指数级飞跃。
本文推荐一个来自视频博客Diary of a CEO的视频，其中有Daniel Kokotajlo，他讨论了AI开发的利弊、他对高自毁风险的预测，以及实现更安全结果的替代计划。
一篇评论文章认为，超级智能可能不是爆炸性涌现，而是渐进式发展，因为人工智能的局限不在于推理能力，而在于现实世界验证和复杂涌现系统的缓慢进程。
预测两年内，本地AI模型将广泛可用，苹果的Mac Studio将支持大内存以运行本地AI；鼓励现在就开始使用本地AI工具做准备。
讨论AI生成的歌曲能否登上排行榜榜首，以及如果被揭露完全由AI制作，公众会作何反应。
这篇文章推测当所有AI模型在基准测试上都达到100%时会发生什么，质疑它们将如何展示优越性。
一个关于AI近期未来的详细推测性帖子，认为算法进步会让许多人感到惊讶，智能可能提升4-10个数量级，并且我们正处于早期起飞阶段，AI加速AI研究将带来快速进展。
一位知乎答主半年前的预测——下一个Transformer将吸收循环、递归状态、稀疏路由和潜在推理——随着Loop Engineering的推进，正变得越来越有现实意义。本文探讨了未来的Transformer架构如何演变为混合模型：将线性复杂度的层用于背景上下文，注意力机制用于精确推理，再加上更细粒度的稀疏性和原生的System 2推理。
基于当前人工智能加速发展，对何时能够实现需要欺骗所有感官的脑机接口的完全沉浸式模拟的推测性讨论。
文章总结了关于超级智能（ASI）的讨论，包括其定义、可能的时间线、算法突破的必要性、AI的能力局限、经济影响以及对国家和领导人的建议。专家们认为ASI可能在3-4年内到来，但面临算法和非平稳性挑战，且财富分配不均问题需要政策介入。
一篇反思文章，探讨哪些最近的AI发展若在2020年看来会最难以置信，以及未来可能有哪些惊喜。
一个关于AI和自动化从2026到2035年的乐观推测时间线，预测了AI代理的普及、人形机器人的部署、就业市场的变化，以及AI红利制度和后劳动经济的出现。