美国麻省理工学院（MIT）的研究团队近期发布了一项关于人工智能（AI）能力发展模式的重要研究，挑战了先前关于AI如何超越人类工作者的观点。研究通过分析数千个现实世界任务，探讨了AI能力提升是否呈现“浪潮”式的突然激增，还是更平稳的“潮汐”式增长。
研究显示，虽然AI能力确实在快速提升，但整体趋势更为平稳，类似于“潮汐”而非“浪潮”。资深作者Neil Thompson表示：“这本身并不能保护工作者，潮汐仍可能快速上涨，但它确实表明，监测进展的工作者和政策制定者应该能够预见到AI的改进。”这表明AI能力的提升可能不会像一些预测那样突然爆发，而是可以预测的渐进过程。
研究人员聚焦于美国经济中63%的基于文本的任务，这些任务可能由大型语言模型（LLMs）完成。在这些任务中，当提供正确信息时，LLMs能够完成60%的任务，达到管理者描述为无需人类参与即可最低限度合格的水平。首席研究员Matthias Mertens指出：“LLMs展示了令人印象深刻的熟练度，即使是独立工作。”然而，只有26%的任务质量被评估为优越。
尽管MIT研究发现，2027年作为AI广泛超越人类工作者性能的估计过于激进，但AI能力仍在快速提升。预测表明，到2029年，AI在大多数任务上的成功率将达到80%。Thompson博士强调：“这取决于AI硬件和算法的持续进步以及AI模型的扩展。如果这些放缓，AI能力提升的速度也会放缓。”该研究的发现对政策制定者和企业如何为AI带来的变革做准备具有重要影响。
