在AI研究圈,有一张图表的知名度远超它的理解度。它被无数分析师、投资人和政策制定者引用,却几乎每次都被误读。这张图来自AI评估非营利组织METR,名为“时间视野图”(time horizon plot)。11月21日,METR发布了这张图表的最新版本,结论比以往更加微妙。
一张被反复误读的图表
METR全称Model Evaluation & Threat Research,是一家专注于测量前沿AI模型能力的独立研究机构。它最出名的贡献,是提出用“时间视野”来衡量AI能力:让模型完成一系列真实任务,记录人类专家完成同类任务所需的时间,再看模型能稳定完成多长时限的任务。由此画出的曲线,就是时间视野图。
“时间视野”衡量的是AI能独立完成多长的任务,而不是AI有多聪明。
问题在于,这张图太容易被简化成一句标题:“AI每七个月能力翻一番”。于是有人据此推算AGI时间表,有人断言某个职业还有几年寿命。但METR自己反复强调,时间视野只是特定任务分布上的统计量,不能直接外推到所有认知劳动。
新报告:指数增长继续,但不均匀
最新报告确认了一个延续的趋势:在可测量的任务范围内,部分AI能力仍在沿指数轨迹提升。换句话说,模型能独立完成的任务时长,仍在以可观的速度延长。这对于关注自动化前景的人来说,是一个不容忽视的信号。
但报告同时指出了一个关键的不对称:模型在编程类任务上的表现,明显好于需要“判断力”的任务。所谓判断力,包括在信息不完整时做取舍、识别任务中的隐含前提、判断什么值得做、什么时候该停下来问人。这些能力很难被写成清晰的评分标准,却恰恰是真实工作中最耗人心力的部分。
为什么编程成了“优等生”
编程任务天然适合被评估:有明确的对错、可自动运行测试、社区里有海量公开题目。模型在这类任务上进步快,一部分原因是能力真的在涨,另一部分原因是测量本身更精确。反过来,判断力类任务缺乏可验证的答案,评估成本高,进展也就显得缓慢。
这带来一个被低估的风险:如果行业只用编程基准来追踪进展,就会系统性地高估AI在开放式工作中的准备程度。一个能通过高难度编程测试的模型,未必能在模糊的商业决策或伦理权衡中给出可靠判断。
编者按:别把统计曲线当成预言
时间视野图的价值,不在于预测哪一年AI会取代谁,而在于提供一个可比较、可复现的观察窗口。它告诉我们能力在涨,也告诉我们涨得不均匀。真正需要警惕的,不是指数曲线本身,而是把曲线当成宿命的人。
对企业和政策制定者而言,更务实的做法是:区分“可验证任务”和“判断密集型任务”,分别评估自动化收益与风险。对普通从业者而言,编程能力的商品化速度可能快于预期,而判断力、跨领域整合与问责能力,仍是难以被曲线捕获的部分。
本文编译自MIT Technology Review
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接