長期賭注:AI、AGI 與未來趨勢預測

這裡記錄我對未來趨勢的個人預測、機率判斷與後續更新。


目前賭注

AGI 是否在十年內成真?

Yes
80%
No
20%

我目前將 AGI 在十年內出現的機率上調至 80%。這不是確信,而是基於模型能力、產品化速度、算力投入、產業誘因,以及主要研究者的時間預測持續收斂後所做的暫時判斷。

預測機率變化

依據本站 Git 歷史,只記錄機率實際改變的節點:從最初的 55%,先小幅上調至 60%,再於本次證據更新後調升至 80%。

AGI 十年內成真的預測機率變化 2026年4月4日為55%,7月22日上升至60%,8月14日上升至80%。 100% 75% 50% 25% 0% 55% 60% 80% 2026-04-04 2026-07-22 2026-08-14
日期 Yes 變動 紀錄
55% 首次紀錄 開始公開追蹤「AGI 是否在十年內成真」
60% +5 個百分點 模型能力、產品化速度與產業投入持續增強
80% +20 個百分點 Hassabis 的公開預測收斂至 2030 年前後

資料依據:本站 Git commits f25d937fd53389029ec91。2026-06-04 僅新增獨立頁面,機率維持 55%,因此未列為變動點。

拉高機率的新證據:Demis Hassabis 的 AGI 時間線

Google DeepMind 執行長 Demis Hassabis 對 AGI 的定義一向比單純「能完成經濟任務」更嚴格。可查證的公開紀錄並不是從 2040 年突然提前到 2030 年:DeepMind 創立時的 20 年路線圖,本來就大致指向 2030 年。近年的重要變化,是預測從長期研究目標,逐步變成有明確機率、而且範圍愈來愈窄的時間窗口。

  1. 創業與 AlphaGo 早期|2010–2020:長期科學任務 預估時間:以 2010 年為起點約 20 年,約指向 2030 年前後

    核心觀點:早期把 AGI 視為長期基礎研究,目標是建立像人腦一樣可泛化的演算法;當時仍需補上視覺、長期與工作記憶、跨任務切換等能力。這是一張寬廣的科研路線圖,而不是精確到某一年的預言。

  2. LLM 爆發|2023 年 5 月:公開窗口變得具體 預估時間:2026–2033 年,幾年到至多十年內

    場合:《華爾街日報》Future of Everything Festival。

    核心觀點:他認為近年 AI 進展驚人,沒有明顯放緩理由,甚至可能加速,因此把公開說法具體化為「幾年,或至多十年」。

  3. 基準點鎖定|2024–2025:2030 年、約 50% 機率 預估時間:2030 年左右,約 50% 機率

    場合:2024 年《TIME》與《WIRED》訪談;2025 年 Lex Fridman Podcast。

    核心觀點:2024 年他仍認為創立時的 20 年計畫大致照進度前進,同時強調單靠算力與模型擴展不會自動帶來規劃、工具使用與代理能力。2025 年,他進一步把判斷量化為「未來五年、約到 2030 年有 50% 機率」,並要求 AGI 能跨領域穩定推理、真正發明並提出新的科學假設。

  4. 奇點山腳|2026 年:窗口收窄至 2029–2031 年 預估時間:2030 年前後加減一年,2029 年已成為真實可能性

    場合:Google I/O 後的 Axios 專訪與 Stanford GSB 訪談。

    核心觀點:他表示產業對技術路徑的信心正在提高,形容人類已站在「奇點的山腳下」。他估計 AGI 的影響可能達工業革命的 10 倍,變革速度也可能快 10 倍。

我的更新:真正拉高機率的,不是目標年份突然提前,而是哈薩比斯在採用高門檻 AGI 定義的前提下,仍從長期路線圖走到明確的 50% 機率,再把窗口收窄到 2030 年加減一年。因此,我把 Yes 從 60% 上調至 80%;保留的 20% 反映定義爭議、能力不一致,以及關鍵突破可能延遲。

來源:早期 20 年路線圖2023 WSJ 活動報導2024 TIME 專題2024 WIRED 訪談2025 Lex Fridman 訪談逐字稿2026 Axios 專訪2026 Stanford GSB 訪談


判斷方法

這些賭注不是投資建議,也不是預言。它們比較像一份可回頭校準的思考紀錄:把模糊直覺拆成明確命題、機率與更新時間,日後再檢查自己是低估、誤判,還是只是太早下結論。

我會優先記錄三類題目:AI 與 AGI 的技術路徑、科技產業如何改變工作與組織、以及長期社會趨勢如何影響個人判斷。


留言給我

你怎麼判斷 AGI 的時間表?如果你有不同證據、不同機率,或想對這些長期賭注留下意見,可以直接寫給我。

送出資料將由 FormSubmit 代為寄送至 Alan 的信箱,並使用其防垃圾訊息驗證。你的 Email 不會公開顯示。