总结

达特茅斯的夏季研讨会（被视为人工智能研究的出发点）

1956年夏天，研究者们聚集在达特茅斯学院数学系大楼的顶层，讨论会思考的机器。它不像日程固定的会议，而是人员轮流来访的聚会，每天参加讨论的大约有3至8人。全程留下来的只有麦卡锡、明斯基和索罗莫诺夫3人。纽厄尔和西蒙带来了他们证明逻辑定理的程序（Logic Theorist）的成果。

尚不清楚的事：准确的参加者名单没有保存下来（麦卡锡弄丢了自己的名单，见Grace Solomonoff 2016 p.9）。谁停留了几天，只能从Ray和Trenchard More的笔记中知道一部分。

R1（XCON）：定零件搭配的“如果……就……”AI，DEC工厂天天用

卡内基梅隆大学的约翰·麦克德莫特（John McDermott）开发了“如果……就……”式的AI R1（公司内部名称为XCON）。它接收计算机公司DEC的VAX计算机的订单，判断所需零件（每1台约90件）是否缺少、搭配是否合适。1978年12月开始开发，1979年10～11月由6位专家用50份订单进行了验证，1980年1月起在DEC的工厂日常使用。规则数从1980年6月的772条增加到1984年的2,500条，每年为增加知识大约需要4个人的工作量。DEC的负责人写道，对于开发后的维护工作，“它可能是最大的一项成本”，而且专门培养的人才不可或缺。

尚不清楚的事：“每年超过4,000万美元”这一估计的计算方法（把什么算作收益），因为没有打开原论文，所以不清楚。

第五代计算机的研究所ICOT（新一代计算机技术开发机构）成立，渊一博出任所长

为推进国家（通商产业省）的计划，1982年4月成立了财团法人“新一代计算机技术开发机构（ICOT）”，6月研究所开始运转。研究所所长是来自电子技术综合研究所的渊一博。研究人员是从电子技术综合研究所（ETL）、日本电信电话公社（NTT）、8家计算机公司等处各派遣数年的人，起初约40人。研究经费全部来自通商产业省的委托费。

ILSVRC 2012：多伦多大学深层卷积网络夺第1，第2名是东京大学团队

在从照片中识别1000种物体的比赛里，克里热夫斯基、苏茨克维、辛顿的团队“SuperVision”，在允许回答5次的规则下把错误率压到了15.3%（仅使用比赛提供的数据时为16.4%）。第2名东京大学的团队（ISI）为26.2%，相差约11个百分点。他们用2块游戏用的GPU（图像处理用的半导体，NVIDIA制造），训练了一个拥有6000万个参数的8层神经网络。比赛的主办方在后来的论文中写道，这一年是“这是大规模物体识别的一个转折点”。

对话式AI“ChatGPT”作为免费的“研究预览版”公开

OpenAI公开了对话式AI“ChatGPT”。发布文章说，它能回答后续追问、承认自己的错误、指出错误的前提，并拒绝不当的请求。它的内部，是对2022年初完成训练的GPT-3.5系列，让人类给回答打分后再进行调整。文中写道，在“研究预览期间，ChatGPT可免费使用”，目的是收集用户的反馈。

尚不清楚的事：发布文章把难以纠正错误的原因中的1个，说成是“在强化学习训练期间，目前还没有真值的来源”。听起来合理的错误（后来被称为“幻觉”）为什么、何时出现，开发者在当时也写道“很困难”。

2024年白皮书：2022年以来“据说现在已经进入第4次AI热潮”

国家白皮书（总务省《信息通信白皮书》令和6年版）说明，AI的历史是“几度经历热潮与寒冬期的反复”。在此基础上，它写道“由于2022年前后起生成式AI的迅速普及”（生成式AI是能生成文章和图像的AI），“据说现在已经进入第4次AI热潮”。它没有下断言，只停留在“也有人说”的表述上。同一节里还把第3次写作“2000年代～”和“延续至今的第3次AI热潮”。在图（图表Ⅰ-3-1-1）里，第4次的色带从2022年开始，并写着“没有经历寒冬就进入全球性的AI热潮”。

预言“10年之内，数字计算机将成为国际象棋世界冠军……”（1957年的演讲）

西蒙和纽厄尔预言，10年之内计算机将成为国际象棋世界冠军（除非规则禁止其参赛）。

后来：1967年4月时，最强的国际象棋程序之一（MIT的MAC HACK VI）只有业余中级的水平（美国等级分1450）。1968年，国际象棋国际大师列维（Levy）与研究者们打赌，10年之内计算机能否战胜他。1978年列维战胜了计算机，赢得了赌局。计算机在6局比赛中战胜在任世界冠军（卡斯帕罗夫），是在预言之后约40年的1997年5月（IBM的深蓝，3.5比2.5）。另外，计算机从未获得过人类世界冠军的称号本身（预言里也写了“除非规则禁止其参赛”）。

1984年AI大会展厅：“造出了更好的大脑”的宣传气氛

科学记者乔治·约翰逊记述了1984年8月美国人工智能协会（AAAI）大会展厅里的情形。多数研究者是来讨论一点点进展的，但参展企业中有些公司的表现，仿佛创造拥有人类智能的伙伴这一古老的梦想已经实现。一款把专家知识写入的AI工具TIMM的宣传册声称“我们造出了更好的大脑”，还写道专家系统不会生病，也不会辞职或提前退休。记者写道，推销者的话有时听起来像“宣告新时代的先知”。

尚不清楚的事：销售TIMM的公司叫什么名字，报道里没有写。

松尾丰《人工智能会超越人类吗》（2015年）：章名用第1、2、3次AI热潮

这是东京大学松尾丰的书。章名用到了《“推理”与“搜索”的时代——第1次AI热潮》《输入“知识”就会变聪明――第2次AI热潮》《‘机器学习’的悄然普及――第3次AI热潮(1)》《打破寂静的“深度学习”——第3次AI热潮（2）》，用热潮的序号来划分历史。第2章的第一节是“热潮与寒冬的时代”。2016年总务省的白皮书在注中写明，AI历史部分参考了这本书等。

尚不清楚的事：书中把各次热潮分别定在哪一年到哪一年（正文、图中的年份），因为没有翻开这本书，所以没有核实。

松尾丰（2023年7月）：“或许可以说第4次AI热潮到来了”，但不只是热潮

在东洋经济的访谈中，松尾丰说，“过去已有过3次AI热潮”，“生成式人工智能的普及，或许可以说是第4次AI热潮的到来”，但“现在发生的，是和‘热潮’这个词不同层次的现象”。他还说，生成式人工智能今后几年里会一下子在社会上普及开来。与3月访谈中的“可以说”一样，这里也用了“或许可以说是”的说法。同时，他并不把这看作热潮（总有一天会结束的流行）——也就是说，他把现在的情形看作“与‘热潮’一词不同维度的现象”。

尚不清楚的事：“与‘热潮’一词不同维度的”这一看法能否应验（寒冬会不会来），目前还不清楚。过去各次热潮的时候是否也有过“这次不一样”的说法，需要和本站各次热潮的记录对照后确认。

1984年的讨论勾勒出的“AI寒冬”最坏情形——事后的对答案

美国人工智能协会（AAAI）的大会上，举行了一场题为“AI的‘黑暗时代’——能避免还是只能熬过去？”的讨论会。主持人德鲁·麦克德莫特说，在产业界的热闹背后，多年从事研究的人心中有着源于这样一种担心的深深不安：“也许人们对AI的期待太高了，终将招致灾难”。他描绘了一个最坏的情形：5年后美国的“战略计算计划”失败，日本的第五代计算机也陷入僵局，创业公司倒闭，对AI的资金停止，大家都改掉研究的名字。他介绍说，有人把这种状态称为“AI寒冬”。不过他本人也表示，认为这种情形发生的可能性不大。讨论中，另一位研究者（罗杰·尚克）说，他被问到是否认为灾难会来时回答说会来。另一方面，也有人提出了“会有AI寒冬吗？我认为可能会有一个AI黄昏”这样的意见（同一个人接着说，泡沫也许不是破裂，而是稍微缩小一点）。

后来：后来，计划的看点中的1个——自动驾驶车（ALV）的开发于1988年4月被叫停。1987年上任的主管部门负责人也砍掉了一部分AI项目。该计划于1993年从DARPA的预算中消失。美国人工智能协会的会员数在1987年达到16,421人的峰值，到1996年稳定在4,000~5,000人。开发专家系统的AI企业，多数倒闭、被收购或转了行。日本的第五代计算机项目在1992财年结束了主体部分。Nilsson写道，这些事件在1980年代中后期相继发生，被称作“AI寒冬”。

尚不清楚的事：情形中的1个“大家都急忙把自己研究项目的名称改成别的”在1990年代是否真的发生过，没有用原始资料确认（u08 中处理的候选内容）

图灵预言：“大约50年后……问5分钟之后正确识别出来的几率不到70%”

在1950年的论文中，图灵写下了自己的展望：大约50年后，就能让计算机把模仿游戏玩得很好，普通提问者问5分钟之后正确识别出来的几率将不到70%。他在同一段里还写道，到本世纪末，词语的用法和人们的想法都会改变，到那时，“谈论机器在思考”也不会再遭到反对。

后来：2000年的总结论文（Saygin等人）指出，1991年起举办的设有奖金的比赛（勒布纳奖）中，还没有一个程序拿到大奖，从记录看，机器通常很快就会被识破。也就是说，到了预言所说的年份，预言并没有以预言的形式实现。另外，对于2000年的比赛结果，曾有人说它“表明图灵的预测是错误的”，但科普兰在同一个2000年写道：“‘大约50年’并不意味着‘恰好50年’”。其后在2025年3月，美国大学（加州大学圣迭戈分校，UC San Diego）的研究者在论文（arXiv）中发表了一项实验结果：提问者同时与1个人和1台机器各对话5分钟。在被指示扮演人类的2个大型文本AI中，1个（GPT-4.5）有73%的比例被判定为人类，另外1个（LLaMa-3.1-405B）有56%（因为是2选1，对前者，提问者正确识破的是其余的27%）。不过，这只是一个研究小组的发表，本网站没有查证后来的评价。至于“谈论机器思考而不必担心遭到反驳”这一点，本网站没有查证。

尚不清楚的事：2025年的实验中机器被判定为人类，是否就意味着它“在思考”，目前并不清楚（图灵本人也认为最初的问题不值得讨论，因此把它换成了游戏）。

西蒙预言：20年内机器能做人能做的任何工作（1965年书／1960年论文）

西蒙在1965年的著作中写道“20年之内，机器将能够做人能做的任何工作”。作为依据的1960年论文则写道，在远短于25年的时间里，机器将拥有以机器取代组织中人的任何功能的“技术能力”。但他紧接着又说，技术上做得到什么，与实际如何使用它是两回事。接着他假定，从长远看，想工作的人几乎都能工作（充分就业），并论证人与机器的分工由“比较优势”（各自负责相对擅长的事）来决定。

后来：没有找到认为到1985年机器已能做人的任何工作的资料。Nilsson（2010）谈到西蒙1957年的同类说法（机器能处理的问题范围将与人的头脑一样广），认为即使到2010年也仍然遥远。另一方面，西蒙本人把技术能力与就业分开考虑，预计从长远看失业不会增加（在1966年的回信里，他写道失业率不到4%，而且在下降）。

1981年的展望：1990年代初将出现有眼耳口、听得懂人话的计算机

项目开始前的调查（1979—1981年，委员长是东京大学的元冈达先生）的报告记述，以1990年为目标年份完成试制机。向一般读者解说这份报告的小册子写道，第五代计算机“据说将在1990年代初出现”，要“到1990年做出原型机”（造出试制机），就必须尽早开始研究。它列出了8项功能，作为想要达到的样子：能直接处理声音、图形、图像、文字的“有眼、耳、口的计算机”；能用日常语言交谈的“听得懂人话的计算机”（凭这种能力，自动翻译、口译也成为可能）；具备常识、能用推理解决从没见过的问题的计算机；不用编写程序就能使用的计算机，等等。

后来：项目在1982—1992年度实施。据1993年的最终评价报告书，推理速度的目标（1秒1亿次）以1亿5千万次以上的成绩达成并超过。另一方面，通过声音和图像与人交流的机制，被发现需要大量背景知识，中途改为只专注于语言研究的基础，因此没有做到造出具体机制。所长渕一博先生在1992年说，制作机器翻译这类应用系统，在1982年项目开始时就已经从目标中去掉了。

尚不清楚的事：写有翻译词数、正确率等数字目标的“研究开发课题说明书”（1981年，7个小组26个课题）没有找到，因此未能查证。

辛顿（2016）：别再培养放射科医生，5年内深度学习更强

2016年，杰弗里·辛顿在多伦多的一次会议上谈到了放射科医生（通过阅读X光片、CT等影像来发现疾病的医生）。要点是：“现在就应该停止培养放射科医生”；“5年之内，深度学习会比放射科医生做得更好”（也许要10年），这是显而易见的。记录当时场景的一段84秒视频被公开，后来的文章（AuntMinnie 2025年、Fortune 2026年等）多次引用。

后来：在美国的住院医师招收中（NRMP的官方表格），放射科（诊断）的招收名额并没有减少。从第2年开始的名额，2016年为982个，2025年为1,057个；从第1年开始的名额，2016年为151个，2025年仍为151个。2025年的名额几乎全部招满（从第2年开始的名额1,057个中有1,042个）。

尚不清楚的事：AI读取影像的能力，与放射科医生整体工作（与患者和其他医生的沟通、检查的判断等）之间是什么关系，2016年时还不清楚。如今，AI会怎样改变这份工作，仍在研究之中。

日本研究者发起的“RoboCup”：目标是21世纪中叶让机器人队赢世界杯冠军

“RoboCup”要把机器人踢足球，变成AI和机器人研究共同的挑战课题，它是由日本的研究者们（北野宏明、浅田稔、国吉康夫等）发起的。1993年6月，他们最初构想的是只限日本的“暂定名为机器人J联赛”，但一个月之内海外就有人表示希望参加，于是发展成了国际性的项目。1997年在名古屋举办了第一届大赛，聚集了40多支队伍、超过5000名观众。官方网站提出的最终目标是：“到21世纪中叶，一支完全自主的人形机器人足球队，将按照FIFA的正式规则，战胜最近一届世界杯的冠军队”。

后来：还没到期限，结果尚未揭晓。2026年7月5日，在韩国仁川举办的RoboCup 2026上，首次进行了人形机器人之间11对11的比赛（德国的B-Human以4对0战胜同为德国的HTWK）。不过这是机器人之间的比赛，不是与人类冠军的对战。

图灵：“至少100年”（广播讨论）

1952年1月，在BBC广播中，图灵、数学家纽曼、脑外科医生杰斐逊、哲学家布雷思韦特4人讨论了“自动计算机可以说是在思考吗”。纽曼问：“要等到很久以后，机器才有希望在不限制任何问题的情况下经受住考验”，图灵回答：“哦，是的，我想至少要100年。”

后来：目标年份还没有到来（等待核对结果）。2025年，有论文发表了一项实验：在5分钟的对话形式中，大型文本AI被判定为人类的比例较高（参见 → 图灵预言：大约50年后……问5分钟之后正确识别出来的几率不到70%），但在“不限制任何问题”的长对话形式下的结果，本站没有核实。

尚不清楚的事：广播稿（AMT/B/6）本身，本站没能查阅到。是否留有录音，也没有核实。

AI实现时间的预言（修订版65条）：中位数2033至2037

阿姆斯特朗等人整理的95条一览表，被AI Impacts去掉重复项和问卷汇总后，整理成了65条。这些预言所给出的、能做出人类水平AI的时间的中位数是2033年和2037年（取决于2种读法）。把2000年以前和以后的预言相比，从预言那年算起预计多少年后的分布很相似（预言年份与年数的相关系数为0.13）。

AI预言多在15至25年后的研究（现附更正注）

这篇论文收集并分析了95条关于AI实现时间的预言。它认为“15到25年后”这类预言最多，而且专家和非专家的预言无法区分。公开的PDF第1页上，现在带有一条注：“本文的结果基于数据集的错误”。错误的原因是把区分是否为专家的分类列读错了（AI Impacts在2016年指出）。

尚不清楚的事：预言是否集中在大约20年后，会因数据的制作方式而改变。目前并不明确。

AI预言多在15至25年后的研究（现附更正注）

这篇论文收集并分析了95条关于AI实现时间的预言。它认为“15到25年后”这类预言最多，而且专家和非专家的预言无法区分。公开的PDF第1页上，现在带有一条注：“本文的结果基于数据集的错误”。错误的原因是把区分是否为专家的分类列读错了（AI Impacts在2016年指出）。

尚不清楚的事：预言是否集中在大约20年后，会因数据的制作方式而改变。目前并不明确。

AI实现时间的预言（修订版65条）：中位数2033至2037

阿姆斯特朗等人整理的95条一览表，被AI Impacts去掉重复项和问卷汇总后，整理成了65条。这些预言所给出的、能做出人类水平AI的时间的中位数是2033年和2037年（取决于2种读法）。把2000年以前和以后的预言相比，从预言那年算起预计多少年后的分布很相似（预言年份与年数的相关系数为0.13）。

AI预言多在15至25年后的研究（现附更正注）

这篇论文收集并分析了95条关于AI实现时间的预言。它认为“15到25年后”这类预言最多，而且专家和非专家的预言无法区分。公开的PDF第1页上，现在带有一条注：“本文的结果基于数据集的错误”。错误的原因是把区分是否为专家的分类列读错了（AI Impacts在2016年指出）。

尚不清楚的事：预言是否集中在大约20年后，会因数据的制作方式而改变。目前并不明确。

AI实现时间的预言（修订版65条）：中位数2033至2037

阿姆斯特朗等人整理的95条一览表，被AI Impacts去掉重复项和问卷汇总后，整理成了65条。这些预言所给出的、能做出人类水平AI的时间的中位数是2033年和2037年（取决于2种读法）。把2000年以前和以后的预言相比，从预言那年算起预计多少年后的分布很相似（预言年份与年数的相关系数为0.13）。

洛夫莱斯的预见：“分析机……也许能谱写精巧而有科学性的乐曲”

洛夫莱斯在注释A中论述，分析机处理的不只是数，只要是关系能用符号表示的对象，它都应该能处理。她举例说，如果音高之间的关系能用机器的符号来表达，那么机器也许能谱写任何复杂而冗长的精巧乐曲。

后来：分析机本身从未被造出来。约110年后的1956年8月9日，在美国伊利诺伊大学，用计算机ILLIAC I创作的弦乐四重奏（《伊利亚克组曲》）的前3个乐章由学生演奏（据该大学博物馆的说明；1956年底前完成。也有资料写作“1957年”）。

预言“10年之内，数字计算机将成为国际象棋世界冠军……”（1957年的演讲）

西蒙和纽厄尔预言，10年之内计算机将成为国际象棋世界冠军（除非规则禁止其参赛）。

后来：1967年4月时，最强的国际象棋程序之一（MIT的MAC HACK VI）只有业余中级的水平（美国等级分1450）。1968年，国际象棋国际大师列维（Levy）与研究者们打赌，10年之内计算机能否战胜他。1978年列维战胜了计算机，赢得了赌局。计算机在6局比赛中战胜在任世界冠军（卡斯帕罗夫），是在预言之后约40年的1997年5月（IBM的深蓝，3.5比2.5）。另外，计算机从未获得过人类世界冠军的称号本身（预言里也写了“除非规则禁止其参赛”）。

图灵预言：“大约50年后……问5分钟之后正确识别出来的几率不到70%”

在1950年的论文中，图灵写下了自己的展望：大约50年后，就能让计算机把模仿游戏玩得很好，普通提问者问5分钟之后正确识别出来的几率将不到70%。他在同一段里还写道，到本世纪末，词语的用法和人们的想法都会改变，到那时，“谈论机器在思考”也不会再遭到反对。

后来：2000年的总结论文（Saygin等人）指出，1991年起举办的设有奖金的比赛（勒布纳奖）中，还没有一个程序拿到大奖，从记录看，机器通常很快就会被识破。也就是说，到了预言所说的年份，预言并没有以预言的形式实现。另外，对于2000年的比赛结果，曾有人说它“表明图灵的预测是错误的”，但科普兰在同一个2000年写道：“‘大约50年’并不意味着‘恰好50年’”。其后在2025年3月，美国大学（加州大学圣迭戈分校，UC San Diego）的研究者在论文（arXiv）中发表了一项实验结果：提问者同时与1个人和1台机器各对话5分钟。在被指示扮演人类的2个大型文本AI中，1个（GPT-4.5）有73%的比例被判定为人类，另外1个（LLaMa-3.1-405B）有56%（因为是2选1，对前者，提问者正确识破的是其余的27%）。不过，这只是一个研究小组的发表，本网站没有查证后来的评价。至于“谈论机器思考而不必担心遭到反驳”这一点，本网站没有查证。

尚不清楚的事：2025年的实验中机器被判定为人类，是否就意味着它“在思考”，目前并不清楚（图灵本人也认为最初的问题不值得讨论，因此把它换成了游戏）。

AI 2025年前拿数奥金牌？2022年两人预测<8%与>16%

AI研究者保罗·克里斯蒂亚诺和埃利泽·尤德科夫斯基对AI进步的看法不同。于是他们公开了一个能分出对错的预测：在国际数学奥林匹克（高中生的比赛）中，“赛前开发的AI……能在2022〜2025年中的某一年拿到金牌”的概率（时间等规则按IMO大挑战的规定）。克里斯蒂亚诺说低于8%，尤德科夫斯基说16%以上。对于解出最难一道题的概率，克里斯蒂亚诺预测低于4%。2025年7月，谷歌DeepMind宣布，Gemini的增强版6道题中完整解答了5道，42分中拿到35分（金牌分数），并由比赛的评分员正式评分并确认。它在4.5小时的限时内，用普通的自然语言写出了解答。

后来：2025年7月，谷歌DeepMind的Gemini增强版在42分中拿到35分（金牌分数）。比赛的评分员正式评分，国际数学奥林匹克的主席确认为“金牌分数”（不过据博客所述，确认的是解答，并不是对AI结构的验证）。比赛在4.5小时的限时内进行，最难的一题（第6题）没有解出（6题中解出5题）。两种预测都是概率，无法断定中或不中，但实际结果更接近把概率估得较高的一方（16%以上）。

2005年库兹韦尔把奇点定在2045年：智能达全人类10亿倍

雷·库兹韦尔（2014年的人工智能学会会志介绍他是“美国的未来学家”）在为2005年的著作《奇点临近》（The Singularity Is Near，日语译名《后人类诞生》）而自己回答的问答中写道：在四分之一个世纪之内，机器的智能将在广度和细腻程度上追平人类的智能，随后超越。他还把机器的智能重新设计自身、变得越来越快越来越聪明、技术进步快到未经改造的人类智能追赶不上的那个时间点，称为“奇点（the Singularity）”，并把这一年定为“我将奇点的时间定为2045年”。那一年造出的机器智能，将拥有“相当于今天全人类智能的10亿倍的力量”。关于为此所需的计算量，他写道：人脑整体的工作需要每1秒约1京次（10^16次）计算，超级计算机将在2000年代末达到这一水平（日本的2个计划正以此为目标），到2020年只需约1,000美元就能买到。

后来：2045年的验证还在以后（截至2026年9月）。在中途的展望里，关于超级计算机达到每1秒10^16次（1京次）的预测，日本理化学研究所（RIKEN）的“K computer”在2011年11月的TOP500上跑出了10.51 petaflops。这成了首台达到“每秒10千万亿次计算”（即每1秒1京次）的超级计算机（比预测的“本十年末前后”（即2000年代末）稍晚）。到2020年以约1,000美元获得每1秒10^16次的展望，本站没有打开可供验证的资料。

尚不清楚的事：人脑整体的工作所需的计算量，因估算者不同有100倍的差别（库兹韦尔2005是每1秒10^16次，莫拉维克1998是1亿MIPS＝每1秒10^14条指令）。大脑到底在进行多少计算，至今不清楚。

追溯教材预言“2025年可模拟一个人脑”：源于库兹韦尔的图

日本文部科学省面向高中“信息Ⅱ”（日本高中的选修信息科目）教师的教材（2020年）依据总务省2014年《信息通信白皮书》的资料，写道：假设计算速度就这样持续提高，那么“到2025年，达到可以完整模拟一个人类大脑的性能”（模拟，指在计算机里模仿着运行）。追溯出处会发现，白皮书并不是在正文里，而是在图表3-1-1-4“运算速度的提升”中载有这一说法。该图的出处，是2014年2月13日总务省会议上木谷强（资料封面上写的是NTT DATA技术开发本部）提交的资料。那份资料说明，它是依据雷·库兹韦尔2005年的著作《奇点临近》（The Singularity Is Near）中的图制作的。原图描绘了超级计算机速度（FLOPS：1秒钟能做多少次小数运算）的各个点，以及每1.2年增至2倍的直线（Trendline），在这条线达到10的19次方FLOPS的位置，标注着“为上传所需的人脑神经模拟（2025）”。也就是说，原典谈的并不是脑模拟本身，而是对计算速度的展望。

后来：计算速度的检验：按与原图相同的指标（超级计算机性能排行榜TOP500所用的HPL值；原图也把TOP500列为出处），2025年11月位居榜首的El Capitan（美国）为1.809艾次（每秒约180京次），只有10的19次方FLOPS的约5.5分之1。2026年6月登上第1位的LineShine（中国）为2.198艾次，也还没有达到。另一方面，在测量混入低位数运算的方式（mixed-precision）的另一个榜单HPL-MxP（原HPL-AI）上，2025年11月，El Capitan（16.680）、Aurora（11.643）、Frontier（11.390）这3台突破了10的19次方FLOPS。至于10的16次方FLOPS（图中预测为2013年），日本的“京”早在2011年11月就以10.51千万亿次达到了。脑模拟的实绩：2013年，用“京”的全部计算节点模拟了17亿3000万个神经细胞和10万亿4000亿个突触（约为人脑神经回路的1%），但再现脑1秒钟的活动花了40分钟（理化学研究所等）。2018年，理化学研究所写道，即使是当时性能最高的超级计算机，也无法模拟人脑整体的规模，并公布了面向2020年以后的下一代超级计算机实现它的做法。2025年11月，艾伦研究所和电气通信大学等使用“富岳”，发布了对小鼠整个大脑皮层（约1000万个神经细胞、260亿个突触、86个脑区）的精细模拟。艾伦研究所的Anton Arkhipov表示，长期目标是对整个大脑建模，将来也瞄准人脑模型。在本站打开的当事者发布中，没有任何一份说在2025年之前模拟了整个人脑。

尚不清楚的事：模拟整个人脑实际需要多少计算，不同的估算者差别很大。同一份2014年《信息通信白皮书》别的章节的注释里，引用了IBM的莫哈（Modha）2008年的说法：2018年以38.5千万亿次（petaflops，约4×10的16次方）就能模拟人脑。这与库兹韦尔图中的10的19次方相差约260倍。要模仿神经细胞到多细的程度，所需的速度就不同（例如，2025年“富岳”的模拟据发表，连神经细胞分支中的电流都模仿了）。到2025年为止是否在任何地方都没有模拟过整个人脑的例子，本站没能完全确认（打开的只有当事者的3份发布）。

2005年库兹韦尔把奇点定在2045年：智能达全人类10亿倍

雷·库兹韦尔（2014年的人工智能学会会志介绍他是“美国的未来学家”）在为2005年的著作《奇点临近》（The Singularity Is Near，日语译名《后人类诞生》）而自己回答的问答中写道：在四分之一个世纪之内，机器的智能将在广度和细腻程度上追平人类的智能，随后超越。他还把机器的智能重新设计自身、变得越来越快越来越聪明、技术进步快到未经改造的人类智能追赶不上的那个时间点，称为“奇点（the Singularity）”，并把这一年定为“我将奇点的时间定为2045年”。那一年造出的机器智能，将拥有“相当于今天全人类智能的10亿倍的力量”。关于为此所需的计算量，他写道：人脑整体的工作需要每1秒约1京次（10^16次）计算，超级计算机将在2000年代末达到这一水平（日本的2个计划正以此为目标），到2020年只需约1,000美元就能买到。

后来：2045年的验证还在以后（截至2026年9月）。在中途的展望里，关于超级计算机达到每1秒10^16次（1京次）的预测，日本理化学研究所（RIKEN）的“K computer”在2011年11月的TOP500上跑出了10.51 petaflops。这成了首台达到“每秒10千万亿次计算”（即每1秒1京次）的超级计算机（比预测的“本十年末前后”（即2000年代末）稍晚）。到2020年以约1,000美元获得每1秒10^16次的展望，本站没有打开可供验证的资料。

尚不清楚的事：人脑整体的工作所需的计算量，因估算者不同有100倍的差别（库兹韦尔2005是每1秒10^16次，莫拉维克1998是1亿MIPS＝每1秒10^14条指令）。大脑到底在进行多少计算，至今不清楚。

莫拉维克（1998）：计算机硬件追上人脑要到2020年代

卡内基梅隆大学机器人研究所的汉斯·莫拉维克（Hans Moravec）在1998年的论文中，探讨的问题是“计算机硬件何时能与人脑比肩？”他估算了实现与大脑相同功能所需的计算速度和存储容量。把视网膜的功能换成机器人的图像处理，相当于1,000 MIPS（MIPS＝1秒内执行100万条指令）。大脑约是视网膜的10万倍，所以整个大脑约为1亿MIPS，存储约为1亿兆字节。他的答案是“在2020年代的廉价机器上可用”：根据计算机变便宜的趋势，“所需的硬件在2020年代将出现在廉价的机器上”，而那1亿MIPS则“将在2030年之前出现在家用计算机上”，他这样预言。同一篇论文还指出，从1960年到1990年，可用于AI研究的计算机性能一直停留在约1 MIPS没有增长，研究者的一生都在“1 MIPS计算机的冰封寒冬”中度过了。从1990年起性能每年翻倍，现在（1998年）已是春天，他还这样写道。

后来：截至2026年9月，预言的期限（2020年代・2030年之前）还没有到。而且，莫拉维克的指标（MIPS＝1秒内执行多少百万条指令、约1,000美元的家用机器）与如今AI的计算指标（1秒内的浮点运算次数，FLOP/s等）并不一致。换算方式不同结果就会变，因此本站没有判定其对错。

尚不清楚的事：大脑的功能＝1亿MIPS这一估算，是把视网膜功能换成机器人图像处理的一种思路，大脑到底进行了多少计算至今不清楚（论文自己也写道，估算是“我们的估算将依赖于类比和外推”。外推，是把迄今的趋势线向未来延长来推断）。

追溯教材预言“2025年可模拟一个人脑”：源于库兹韦尔的图

日本文部科学省面向高中“信息Ⅱ”（日本高中的选修信息科目）教师的教材（2020年）依据总务省2014年《信息通信白皮书》的资料，写道：假设计算速度就这样持续提高，那么“到2025年，达到可以完整模拟一个人类大脑的性能”（模拟，指在计算机里模仿着运行）。追溯出处会发现，白皮书并不是在正文里，而是在图表3-1-1-4“运算速度的提升”中载有这一说法。该图的出处，是2014年2月13日总务省会议上木谷强（资料封面上写的是NTT DATA技术开发本部）提交的资料。那份资料说明，它是依据雷·库兹韦尔2005年的著作《奇点临近》（The Singularity Is Near）中的图制作的。原图描绘了超级计算机速度（FLOPS：1秒钟能做多少次小数运算）的各个点，以及每1.2年增至2倍的直线（Trendline），在这条线达到10的19次方FLOPS的位置，标注着“为上传所需的人脑神经模拟（2025）”。也就是说，原典谈的并不是脑模拟本身，而是对计算速度的展望。

后来：计算速度的检验：按与原图相同的指标（超级计算机性能排行榜TOP500所用的HPL值；原图也把TOP500列为出处），2025年11月位居榜首的El Capitan（美国）为1.809艾次（每秒约180京次），只有10的19次方FLOPS的约5.5分之1。2026年6月登上第1位的LineShine（中国）为2.198艾次，也还没有达到。另一方面，在测量混入低位数运算的方式（mixed-precision）的另一个榜单HPL-MxP（原HPL-AI）上，2025年11月，El Capitan（16.680）、Aurora（11.643）、Frontier（11.390）这3台突破了10的19次方FLOPS。至于10的16次方FLOPS（图中预测为2013年），日本的“京”早在2011年11月就以10.51千万亿次达到了。脑模拟的实绩：2013年，用“京”的全部计算节点模拟了17亿3000万个神经细胞和10万亿4000亿个突触（约为人脑神经回路的1%），但再现脑1秒钟的活动花了40分钟（理化学研究所等）。2018年，理化学研究所写道，即使是当时性能最高的超级计算机，也无法模拟人脑整体的规模，并公布了面向2020年以后的下一代超级计算机实现它的做法。2025年11月，艾伦研究所和电气通信大学等使用“富岳”，发布了对小鼠整个大脑皮层（约1000万个神经细胞、260亿个突触、86个脑区）的精细模拟。艾伦研究所的Anton Arkhipov表示，长期目标是对整个大脑建模，将来也瞄准人脑模型。在本站打开的当事者发布中，没有任何一份说在2025年之前模拟了整个人脑。

尚不清楚的事：模拟整个人脑实际需要多少计算，不同的估算者差别很大。同一份2014年《信息通信白皮书》别的章节的注释里，引用了IBM的莫哈（Modha）2008年的说法：2018年以38.5千万亿次（petaflops，约4×10的16次方）就能模拟人脑。这与库兹韦尔图中的10的19次方相差约260倍。要模仿神经细胞到多细的程度，所需的速度就不同（例如，2025年“富岳”的模拟据发表，连神经细胞分支中的电流都模仿了）。到2025年为止是否在任何地方都没有模拟过整个人脑的例子，本站没能完全确认（打开的只有当事者的3份发布）。

“期待升为高峰，穿过失望的低谷后趋于平稳”这一模式，经研究检验，并不完全吻合

这是一项用咨询公司高德纳（Gartner）自己的记录，来检验其期待高峰与低谷之图（技术成熟度曲线，Hype Cycle）是否真的会出现的研究。研究报告称，实际记录与图中的模式之间存在出入。

尚不清楚的事：“每次都重复同样的过程”只是历史上看起来的样子，不能说是确定的规律。第4次是否会走出同样的形状，还不知道

2019年，据日本调查公司的判断，人工智能处于“幻灭期”

在Gartner Japan（高德纳日本）发布的“日本的技术炒作周期（Hype Cycle）：2019年”中，人工智能被放在“幻灭期”（期待过高之后失望蔓延的时期）。它解释说，这是因为通过试用性质的尝试，人们已从期待转向面对现实。

尚不清楚的事：炒作周期曲线的形状是调查公司独有的判断，并没有作为规律得到验证。

2025年同一家公司对日本的判断：生成式AI在“‘过度期待’的顶峰期”

Gartner Japan的“日本面向未来型基础设施技术的炒作周期：2025年”正文，写明AI代理和生成式AI “被定位在‘过度期待’的顶峰期”。而图中生成式AI的点落在顶峰期与幻灭期分界线上，有一篇报道的标题则写作“生成式AI处于幻灭期”。

尚不清楚的事：第4次现在处于曲线的哪个位置，因人而异，并不清楚。

日本：第2次高峰1990年（晚英语约3年），第3次2019年，2023年起再升

根据国会的发言记录和日本书籍的书名，统计了“人工智能”和表示AI的“AI”（排除其他词语的一部分后重新计数）的数量。书名中的“人工智能”在1990年最多（37本）。国会中的“人工智能”在1985年（7件）和1990年（9件）有高峰，1993～2014年几乎为0件。国会中表示AI的“ＡＩ”，2015年11件 → 2019年593件 → 2021年减少到336件 → 2023年761件 → 2025年2,424件（这一年出台了AI的法律）。“生成ＡＩ”到2022年为0件，2023年为172件。

尚不清楚的事：2020～2021年数量减少的原因无法确定为1个（与传染病流行期重合）。

“第一次AI寒冬”是哪几年？资料不一，有史家说第1次不存在

日本总务省的白皮书（2016）把1970年代称为“寒冬期”，Wikipedia则定为1974—1980年。另一方面，写过AI历史的研究者Nilsson（2010）把1975—1985年前后称为AI的“繁荣期（boomtimes）”，认为“AI寒冬”是1980年代后半的事。历史学家Haigh（2023）则指出，计算机学会ACM的AI分会（SIGART）的会员在1973—1978年增加到了近3倍等事实，论证“并不存在‘第一次AI寒冬’”。况且，“AI寒冬（AI Winter）”这个词，较早的用例是1984年，用来表达对未来可能到来的寒冬的担忧。

尚不清楚的事：没有找到按国家、按年份排列的1970年代AI整体研究经费的数字。算不算“寒冬”，取决于以什么为标准（大型研究所的预算／学会的会员数／这个词的使用情况），答案会不同。

1984年，“AI寒冬（AI Winter）”是最糟局面的名字

在AAAI-84的讨论会上，主持人德鲁·麦克德莫特说，研究者之间有一种担忧：人们对AI的期待太高，总有一天会出大问题。他举出的最糟糕的情形是：5年后strategic computing initiative（战略计算计划）惨败，日本的第五代计算机也不顺利，日本政府很快从计算机领域撤手，新兴企业全部倒闭，与AI相关的事情再也拿不到钱。他把这种情形形容为“这种被一些人称为‘AI寒冬’的状态”，并呼吁大家以此自我告诫，也把这一点传达给社会。也就是说，“AI寒冬”是在第2次热潮正当中，作为对未来的警告而出现的词。把1970年代研究经费的减少称为“第1次寒冬”，是后来才加上的叫法。

尚不清楚的事：最先说出“AI Winter”的人是谁还不清楚（连讨论中也只说是“被一些人”）。Ngram里1983年那个很小的数值是哪本书，没有确认。

学会座谈会（2023）：“没人授权过吧”“约3.1次热潮”

在制作历史画卷的人们的座谈会上，鸟海不二夫问：“看来现在还是被当作第四次AI热潮吧？”松原仁回答：“也有老师这么说”，谷口忠大回答：“有点谁先说谁占便宜的意思呢（笑）”。鸟海又问是不是也没有谁来作决定，松原回答：“没有人授权过吧”（“授权”原文为authorize，意思是正式认可），并说：“不过，感觉也像是从第三次热潮起一直保持在高位”。关西大学社会学部的杉本舞说：“而且在全球范围内，第二次AI热潮及其后的第二次寒冬该如何看待，颇为微妙”，“我认为在日本，第五代计算机计划的影响很大”，还说：“只要资金不断，（在世人眼中）就不会形成衰落的印象”，由于资金从第三次AI热潮起就没有断过，一路成了生成式AI热潮，所以“我认为不能说这次热潮已经告一段落”。鸟海说“大概也就是第3.1次热潮吧”，杉本接着说，或许已经“成为了不依赖热潮也能增长、不会降温的领域”。这段对话的结尾是，鸟海说“说不定寒冬又要来了呢（笑）”，杉本回应“可能立下flag了呢（笑）”（“立flag”是说会成为某事发生的预兆的说法）。

尚不清楚的事：如果以资金是否中断来判断热潮的分界，那么第3次热潮与现在之间没有分界。如果以社会关注度的大小来判断，那么在2022—2023年有分界。以哪个为标准，答案就会不同

英国央行提醒：股票估值似乎偏高，尤其是大力投入AI的科技公司

英国央行（英格兰银行）负责监测金融稳定的委员会，在2025年10月的会议记录里写道：“按若干指标衡量，股票市场估值似乎偏高，尤其是科技公司”，其中以大力投入AI的科技公司为甚。由于股价指数集中于少数企业，一旦“如果对AI影响的预期变得不那么乐观”，市场就可能受到很大冲击。记录列举的下跌诱因包括：AI的性能或普及不及预期，以及电力、数据、材料的短缺。它还举了一个例子：思路上的重大发现，使得大型AI设施变得不再需要。2026年7月的报告又写道：“股票价格上涨了，尤其是与AI相关的股票”，“按部分指标衡量，估值也变得更加高企”，“股市急剧下跌的风险依然很高”。

尚不清楚的事：这轮热潮之后会不会迎来寒冬，现在还不知道。2026年7月，央行还写着“股市急剧下跌的风险依然很高”，而股价却仍在上涨。答案还没有出来。

2025年同一家公司对日本的判断：生成式AI在“‘过度期待’的顶峰期”

Gartner Japan的“日本面向未来型基础设施技术的炒作周期：2025年”正文，写明AI代理和生成式AI “被定位在‘过度期待’的顶峰期”。而图中生成式AI的点落在顶峰期与幻灭期分界线上，有一篇报道的标题则写作“生成式AI处于幻灭期”。

尚不清楚的事：第4次现在处于曲线的哪个位置，因人而异，并不清楚。

学会座谈会（2023）：“没人授权过吧”“约3.1次热潮”

在制作历史画卷的人们的座谈会上，鸟海不二夫问：“看来现在还是被当作第四次AI热潮吧？”松原仁回答：“也有老师这么说”，谷口忠大回答：“有点谁先说谁占便宜的意思呢（笑）”。鸟海又问是不是也没有谁来作决定，松原回答：“没有人授权过吧”（“授权”原文为authorize，意思是正式认可），并说：“不过，感觉也像是从第三次热潮起一直保持在高位”。关西大学社会学部的杉本舞说：“而且在全球范围内，第二次AI热潮及其后的第二次寒冬该如何看待，颇为微妙”，“我认为在日本，第五代计算机计划的影响很大”，还说：“只要资金不断，（在世人眼中）就不会形成衰落的印象”，由于资金从第三次AI热潮起就没有断过，一路成了生成式AI热潮，所以“我认为不能说这次热潮已经告一段落”。鸟海说“大概也就是第3.1次热潮吧”，杉本接着说，或许已经“成为了不依赖热潮也能增长、不会降温的领域”。这段对话的结尾是，鸟海说“说不定寒冬又要来了呢（笑）”，杉本回应“可能立下flag了呢（笑）”（“立flag”是说会成为某事发生的预兆的说法）。

尚不清楚的事：如果以资金是否中断来判断热潮的分界，那么第3次热潮与现在之间没有分界。如果以社会关注度的大小来判断，那么在2022—2023年有分界。以哪个为标准，答案就会不同

2024年白皮书：2022年以来“据说现在已经进入第4次AI热潮”

国家白皮书（总务省《信息通信白皮书》令和6年版）说明，AI的历史是“几度经历热潮与寒冬期的反复”。在此基础上，它写道“由于2022年前后起生成式AI的迅速普及”（生成式AI是能生成文章和图像的AI），“据说现在已经进入第4次AI热潮”。它没有下断言，只停留在“也有人说”的表述上。同一节里还把第3次写作“2000年代～”和“延续至今的第3次AI热潮”。在图（图表Ⅰ-3-1-1）里，第4次的色带从2022年开始，并写着“没有经历寒冬就进入全球性的AI热潮”。

96位专家的国际报告：AI内部难读懂，进展意见不一

以布莱切利会议（2023年）为契机，由约书亚·本吉奥担任主席的96位专家（包括由30个国家以及联合国、欧盟、经合组织遴选的顾问委员会），汇编了一份关于AI安全的国际报告（日本方面有北野宏明）。报告说明，通用AI模型“并非按传统意义编程”，而是通过学习构建出来的，并写道：“这些系统的内部运作在很大程度上难以理解，对其开发者来说也是如此”“目前用来解释通用AI系统为何给出某个输出的可解释性技术，仍然非常有限”。关于今后的进展，报告称通用AI的能力提升“可能进展缓慢、迅速或极其迅速”，并称“由于对进一步扩大（scaling）前景的看法不同，专家们对今后的进展速度意见不一”。2026年2月的第2份报告也指出：“研究人员无法可靠地预测某种能力何时会出现”“对于投入（算力、算法改进、数据）的指数级增长是否会持续，专家们意见不一”。

尚不清楚的事：尚不清楚的事（由各国遴选的专家指出）：①现代大规模AI的内部运作（内部的机制连开发者也几乎无法读懂，解释技术也非常有限）。②今后的进步速度（从缓慢到极快，都有可能。专家们对扩大规模能奏效到什么程度意见不一）。2026年的报告中，同样的不确定性仍在持续。

研究AI内部的29人：“该领域有许多需要解决的未解决问题”

研究大规模AI内部各个要素如何计算的领域（解读其机制＝机制可解释性，mechanistic interpretability）的29位研究者，汇总了这个领域的“未解决的问题”。作者所属单位有阿波罗研究（Apollo Research）、Anthropic、谷歌DeepMind、麻省理工学院、哈佛大学、特拉维夫大学、墨尔本大学等，横跨企业和大学。论文在承认近年进展的同时写道：“这个领域有许多未解决的问题，需要先解决它们，才能获得许多科学和实用上的好处”。所列举的要点例如：作为研究线索核心的“特征”究竟是什么，并不清楚；目前主要靠从外部看答案的“黑箱”测试来考察AI的能力；在小型实验用AI上管用的方法，能否推广到最前沿的大规模AI，还不知道。

尚不清楚的事：尚不清楚的事（研究内部结构的专家自己的指出）：解读大规模AI内部在计算什么的方法，从基本想法（“特征”是什么）起就还不明确。现在AI的能力，主要还是靠从外部试验来考察。

图灵预言：“大约50年后……问5分钟之后正确识别出来的几率不到70%”

在1950年的论文中，图灵写下了自己的展望：大约50年后，就能让计算机把模仿游戏玩得很好，普通提问者问5分钟之后正确识别出来的几率将不到70%。他在同一段里还写道，到本世纪末，词语的用法和人们的想法都会改变，到那时，“谈论机器在思考”也不会再遭到反对。

后来：2000年的总结论文（Saygin等人）指出，1991年起举办的设有奖金的比赛（勒布纳奖）中，还没有一个程序拿到大奖，从记录看，机器通常很快就会被识破。也就是说，到了预言所说的年份，预言并没有以预言的形式实现。另外，对于2000年的比赛结果，曾有人说它“表明图灵的预测是错误的”，但科普兰在同一个2000年写道：“‘大约50年’并不意味着‘恰好50年’”。其后在2025年3月，美国大学（加州大学圣迭戈分校，UC San Diego）的研究者在论文（arXiv）中发表了一项实验结果：提问者同时与1个人和1台机器各对话5分钟。在被指示扮演人类的2个大型文本AI中，1个（GPT-4.5）有73%的比例被判定为人类，另外1个（LLaMa-3.1-405B）有56%（因为是2选1，对前者，提问者正确识破的是其余的27%）。不过，这只是一个研究小组的发表，本网站没有查证后来的评价。至于“谈论机器思考而不必担心遭到反驳”这一点，本网站没有查证。

尚不清楚的事：2025年的实验中机器被判定为人类，是否就意味着它“在思考”，目前并不清楚（图灵本人也认为最初的问题不值得讨论，因此把它换成了游戏）。

“第一次AI寒冬”是哪几年？资料不一，有史家说第1次不存在

日本总务省的白皮书（2016）把1970年代称为“寒冬期”，Wikipedia则定为1974—1980年。另一方面，写过AI历史的研究者Nilsson（2010）把1975—1985年前后称为AI的“繁荣期（boomtimes）”，认为“AI寒冬”是1980年代后半的事。历史学家Haigh（2023）则指出，计算机学会ACM的AI分会（SIGART）的会员在1973—1978年增加到了近3倍等事实，论证“并不存在‘第一次AI寒冬’”。况且，“AI寒冬（AI Winter）”这个词，较早的用例是1984年，用来表达对未来可能到来的寒冬的担忧。

尚不清楚的事：没有找到按国家、按年份排列的1970年代AI整体研究经费的数字。算不算“寒冬”，取决于以什么为标准（大型研究所的预算／学会的会员数／这个词的使用情况），答案会不同。

维基百科：日文版称“第4次AI热潮”，英文版称“AI boom”

Wikipedia日语版《人工智能的历史》在标题中把第1次AI热潮定为1956—1974年，AI寒冬第1期为1974—1980年，第2次为1980—1987年，AI寒冬第2期为1987—1993年，第3次为2006—2019年，第4次为“2020年代以后”。日语版《AI寒冬》中有一节“当前的AI之春（2022年〜现在）”。英语版“AI热潮”（AI boom）把最近的热潮定在2020年代，没有加序号，并写道它也被称为“AI spring”。英语版“AI winter”把大的寒冬定为1974—1980年和1987—2000年这2次。

尚不清楚的事：Wikipedia会随时更新。这里记下的是2026-09时点版本的内容。

库兹韦尔：AI到2029年达人类水平；2002年赌2万美元

以未来预测闻名的发明家雷·库兹韦尔，在1999年预言，AI将在2029年之前达到人类水平的智能（出版社的说明）。2002年，他与米奇·卡普尔（Mitch Kapor）以2万美元打赌，对手的预言是“到2029年，没有任何计算机……通过图灵测试”（卡普尔一方）。规则定得很细：由3位评审，分别与计算机和3个人类共4位对象各用文字交流2小时（合计24小时），只要骗过3位评审中的2位以上，就算通过。库兹韦尔在2024年的书《奇点更近了》中，重新审视了这个2029年的预言。

后来：结果要到2029年才知道。2025年，有研究显示，在5分钟对话的测试中，GPT-4.5有73%的比例被判定为人类。但这是与赌约条件（合计24小时的测试）不同的测试，赌局本身的判定还没有出来（没有找到赌局判定的记录）。

AI 2025年前拿数奥金牌？2022年两人预测<8%与>16%

AI研究者保罗·克里斯蒂亚诺和埃利泽·尤德科夫斯基对AI进步的看法不同。于是他们公开了一个能分出对错的预测：在国际数学奥林匹克（高中生的比赛）中，“赛前开发的AI……能在2022〜2025年中的某一年拿到金牌”的概率（时间等规则按IMO大挑战的规定）。克里斯蒂亚诺说低于8%，尤德科夫斯基说16%以上。对于解出最难一道题的概率，克里斯蒂亚诺预测低于4%。2025年7月，谷歌DeepMind宣布，Gemini的增强版6道题中完整解答了5道，42分中拿到35分（金牌分数），并由比赛的评分员正式评分并确认。它在4.5小时的限时内，用普通的自然语言写出了解答。

后来：2025年7月，谷歌DeepMind的Gemini增强版在42分中拿到35分（金牌分数）。比赛的评分员正式评分，国际数学奥林匹克的主席确认为“金牌分数”（不过据博客所述，确认的是解答，并不是对AI结构的验证）。比赛在4.5小时的限时内进行，最难的一题（第6题）没有解出（6题中解出5题）。两种预测都是概率，无法断定中或不中，但实际结果更接近把概率估得较高的一方（16%以上）。

库兹韦尔：AI到2029年达人类水平；2002年赌2万美元

以未来预测闻名的发明家雷·库兹韦尔，在1999年预言，AI将在2029年之前达到人类水平的智能（出版社的说明）。2002年，他与米奇·卡普尔（Mitch Kapor）以2万美元打赌，对手的预言是“到2029年，没有任何计算机……通过图灵测试”（卡普尔一方）。规则定得很细：由3位评审，分别与计算机和3个人类共4位对象各用文字交流2小时（合计24小时），只要骗过3位评审中的2位以上，就算通过。库兹韦尔在2024年的书《奇点更近了》中，重新审视了这个2029年的预言。

后来：结果要到2029年才知道。2025年，有研究显示，在5分钟对话的测试中，GPT-4.5有73%的比例被判定为人类。但这是与赌约条件（合计24小时的测试）不同的测试，赌局本身的判定还没有出来（没有找到赌局判定的记录）。

莱格（2011）：“人类水平AGI平均2028年，最可能2025年”

AI研究者沙恩·莱格（Shane Legg）在博客上每年发布预测，在2011年的最后一天也发布了。他用概率的山峰（分布）表示出现人类水平的通用AI（AGI）的年份，平均是2028年，可能性最高的年份是2025年（以不发生核战争那样的大事件为前提）。他还写道：“我预计在未来8年内会看到令人印象深刻的proto-AGI（AGI雏形）”。他解释说，雏形指的是视觉、听觉、身体控制、语言的基本能力不是事先装进去，而是通过学习获得的系统。在评论区，他本人写道“这个预测的麻烦之处在于，也许根本无法证伪”（并接着说，比如大型军队若造出这样的系统，就有强烈的理由保密），还有“这也许是我最后一次年度预测。理由之一是，说中说不中都是吃亏的事”。

后来：被认为可能性最高的2025年已经过去。本站没有找到第三方判定人类水平的AGI已经出现的资料。平均的2028年等待验证。关于到2019年为止的“原型AGI”，本人给出了判定标准（让内行人听1—2小时说明并上手使用后，认为距离人类水平在10年以内的东西），但没有找到判断是否有东西符合的资料。

AGI“我认为是今后5到10年”（哈萨比斯，2025年电视采访）

2025年4月，在美国CBS的节目“60 Minutes”中，Google DeepMind的负责人德米斯·哈萨比斯（2024年诺贝尔化学奖得主）接受了采访。当提问者问“AGI的进度是……”（AGI＝像人一样能做所有智力工作的AI）时，哈萨比斯回答“我认为是今后5到10年”。对于“到2030年你会有什么？”这个问题，他回答“对你周围的一切有细致而深入的理解、可以说融入了你日常生活的系统”。在同一次采访中，他指出，现在的AI还不能自发地提出新的问题和假设，没有好奇心，想象力和直觉大概也还有些不足。

后来：预测所指的年份还没有到来（截至2026年9月）。

尚不清楚的事：把能做到什么才叫“AGI”，不同的人和企业标准不同，所以判定是否达成的尺度本身就没有定下来（本站的推测。文字稿里把它介绍为“具有人类心智般的多才多艺”）。