五万字对话实录：Claude创始人详解AI拐点！从扩展定律到AGI降临，一场改变人类未来的技术革命正在上演！（17）
摘自老瓦 老瓦AI小屋
AGI的实现时间及其影响
莱克斯·弗里德曼：
在你看来，我们距离通用人工智能（AGI）也就是超级强大且极具实用性的人工智能，还有多远？
达里奥·阿莫迪：
好吧，我接受这个称呼。
莱克斯·弗里德曼：
确实，关于术语的争论已经持续很久了。无论如何，我们讨论的是一个智能水平超越所有相关学科的诺贝尔奖得主，具备多模态能力，可以独立执行复杂任务数天甚至数周，包括进行生物实验、自主规划研究方向，并推动科学前沿发展。
你知道吗？你的描述让我对生物学和医学领域的前景感到异常兴奋，甚至想成为一名生物学家！
达里奥·阿莫迪：
哈哈，不不不，不是这样的。这正是我撰写这篇文章时的核心感受——如果我们能顺利实现 AGI，如果我们能避开发展中的危险，我们将迎来一个极具美感、优雅、道德价值兼备的未来。这是我们所有人都应该能够达成共识的愿景。
我们可以在许多政治问题上激烈争论，但面对AGI 的美好前景，这是否能成为团结人类的契机？
但你真正想问的，还是我们究竟什么时候能实现 AGI，对吧？
莱克斯·弗里德曼：
是的，我希望你能给出一个具体的时间预测。你认为是哪一年？直接说个数字吧。
达里奥·阿莫迪：
这确实是一个我思考多年的问题，但我必须说，我没有完全确定的答案。
如果我在这里直截了当地说 2026 或 2027 年，那 Twitter 上一定会有无数人疯狂转发——
"AI CEO 预测 AGI 将在 2026 年实现！"
然后，这个说法会在未来几年被无限放大、曲解，甚至变成行业内的笑柄。所以，无论如何，请先允许我声明，这只是一个推测，而非绝对预测。
莱克斯·弗里德曼：
没关系，请继续！
达里奥·阿莫迪：
好，那我就大胆推测一下——如果我们沿着目前的发展轨迹继续前进，AGI 可能会在2026 或 2027 年实现。
让我们做个简单的思维实验：
两年前 ，我们的 AI 大致相当于 高中生水平 ；
去年 ，它进步到了 本科生水平 ；
现在 ，它已经 接近博士水平 。
当然，具体任务的表现仍然有很大差异，比如尚未具备完全的自主性，但我们可以看到，能力的进化速度正在加快。
与此同时，计算机使用能力、图像处理、生物学模拟等技术正在迅速加入 AI 的能力范畴。
虽然这种线性外推法不能完全精准预测未来，但如果一切顺利，2026 或 2027 年确实是一个合理的目标。
当然，也有许多现实因素可能拖慢 AGI 的实现进程，比如：
1.数据瓶颈—— 也许我们可用的数据会提前耗尽，从而限制 AI 的进一步发展。
2.算力限制—— 也许我们无法构建足够强大的计算集群，或者硬件扩展遇到物理极限。
3.全球政治局势—— 例如，如果台湾发生重大事件，全球GPU 供应链可能会受到影响，从而拖慢 AI 的发展速度。
4.未知的技术障碍—— 也许某个关键问题尚未被发现，但会在未来几年显现出来，成为 AI 发展的重大阻碍。
莱克斯·弗里德曼：
所以，你虽然倾向于相信 AGI 会在 2026-2027 年实现，但也认为可能会略有延迟？
达里奥·阿莫迪：
是的，我不排除延迟的可能性，但我认为即便出现延迟，也不会很长。
事实上，在2020 年，仍然有许多令人信服的技术性障碍，让人相信 AGI不会很快出现。但在过去几年，我们已经成功突破了大部分障碍。
所以，我的直觉告诉我，我们剩下的障碍也不会持续太久。但是，作为科学家，我必须强调一点——这不是一个数学定律，而是基于经验的推测。
莱克斯·弗里德曼：
假设 AGI 在未来 5-10 年内实现，你认为它最初会在哪些领域带来突破？特别是生物学和医学领域，它的潜力如何？
顺便说一句，我让Claude帮我准备了一个问题，它建议我问你：
"在这个未来世界里，与 AGI 合作的生物学家的典型一天会是什么样子？"
达里奥·阿莫迪：
哈哈，Claude 也开始思考自己的未来了吗？
在我的文章中，我反复强调了一个核心观点——在任何大型组织或系统中，真正推动变革的往往是极少数人或颠覆性的创新想法。这种影响力往往是非线性的，少数关键人物或突破点可以显著改变整个领域的轨迹。
在医疗领域，我们看到的是一个惊人的不平衡现象：
每年 全球医疗和医疗保险的支出 高达 数万亿美元 ，
而 美国国家卫生研究院（NIH） 的预算仅约 1000 亿美元 。
但是，如果我们审视那些真正推动医学进步的关键性突破，会发现它们通常只占整个医疗预算的极小部分。
这让我思考：AI 是否能够成为放大这些关键突破的杠杆？是否可以极大地提升它们的质量和影响力？
莱克斯·弗里德曼：
没错，它很好奇自己会和谁一起工作！
达里奥·阿莫迪：
从我的经验来看，生物学研究的最大挑战在于我们难以真正"看清"正在发生的过程。我们缺乏足够的工具来观察细胞内部的运作机制，更不用说精确干预它们了。
试想一下，每个人体内有数万亿个细胞，每个细胞都携带着30 亿个碱基对的基因信息，按照极其精密的规则运作。但人类无法直接观察或追踪这一切，只能依靠间接测量和推断。
在这个微观层面，一切都在以难以想象的速度运转——
细胞不断分裂 ，这个过程在绝大多数情况下是健康的，但当它失控时，就变成了 癌症 。
细胞逐渐衰老 ，这就是 衰老和器官功能退化 的根本原因。
蛋白质被合成、折叠，并在细胞间穿梭 ，决定着身体的正常运作和免疫反应。
但这些过程对未经增强的人类来说，几乎是一个黑箱。
莱克斯·弗里德曼：
那么，AI 能如何帮助我们突破这些限制？
达里奥·阿莫迪：
让我们以CRISPR 技术为例。
今天，我们已经可以在整个基因组范围内进行编辑，但假如我想只针对某一种特定类型的细胞进行修改，同时避免影响其他细胞，这仍然是一个巨大的技术挑战。
同样的问题也适用于许多前沿生物技术，比如：
纳米材料 —— 用于深入细胞内部进行成像或治疗。
抗体药物偶联物（ADC） —— 通过精准靶向癌细胞来治疗癌症。
这些技术的突破，往往取决于极少数关键性发现。在生物学发展史上，真正颠覆行业的技术可能不过几十种。
那么如果我们拥有 100 万个 AI 研究助手，它们能否协同合作，在短时间内发现成千上万种这样的突破性技术？
换句话说，AI 是否能成为改变游戏规则的杠杆？
莱克斯·弗里德曼：
那么，你能具体描述一下未来生物学家的工作场景吗？
达里奥·阿莫迪：
与其每年在医疗保险体系上投入数万亿美元，我们是否可以更高效地利用科研领域的 10 亿美元？
那么，与 AI 合作的生物学家，未来的日常工作会是什么样子？
我的设想是，AI 在早期阶段的角色类似于超级研究生——
1.分析文献：AI 可以自主阅读和整理整个学科领域的文献，快速得出有价值的研究方向。
2.设计实验：AI不会只是数据分析师，它会主动制定实验方案，预测可能的结果，并优化实验步骤。
3.购买实验设备：它可以自动搜索并订购需要的实验仪器（例如 Thermo Fisher 或其他公司提供的设备）。
4.执行实验：在实验室环境下，AI 可以直接操控设备，或者提供实验指导，让人类研究人员执行操作。
5.分析结果：AI 可以实时检测数据质量，检查图像是否存在污染，并根据结果调整下一步实验方案。
6.撰写研究论文：AI 将负责自动撰写研究报告，并进行深度统计分析。
换句话说，传统研究生的全部日常任务都可以交给 AI 处理，而人类科学家则专注于更高级的思考和决策。
莱克斯·弗里德曼：
这听起来像是一个AGI 主导科学发现的新时代。换句话说，AI 是否会成为类似 CRISPR 这样革命性技术的发明者？
达里奥·阿莫迪：
完全正确！未来的 AI 研究员不仅会优化现有技术，它们还将直接发明全新的生物技术，推动医学前所未有的进步。
不过，这一过程涉及社会和伦理决策。例如，AI 能否自主决定哪些技术应该应用于人类？哪些技术需要经过更严格的监管？
尤其是在临床试验领域，AI 是否能够：
更精准地预测实验结果 ？
优化试验设计，让 5,000 人的临床试验缩小到 500 人 ，同时 保证数据质量 ？
加速审批流程，让本需 5 年完成的试验在 6 个月内完成？
虽然 AI并不是万能的，但如果它能让整个生物医学行业的创新曲线发生根本性转变，那么医学的发展速度可能会超出我们的想象。
莱克斯·弗里德曼：
即使 AI 能够加速生物研究，我们仍然需要体外实验、临床试验、法律审批等程序，这些过程仍然会拖慢速度。但 AI是否能够让整体进度比过去快得多？
达里奥·阿莫迪：
这是一个关键问题。我们是否可以：
一步一步改进 ，不断累积突破，最终实现医学的飞跃？
让本应在 2100 年实现的医学进步 ，提前 在 2027-2032 年 实现？
我的答案是：这绝对有可能！
