總結

達特茅斯的夏季研討會（被視為人工智慧研究的出發點）

1956年夏天，研究者們聚集在達特茅斯學院數學系大樓的頂層，討論會思考的機器。它不像日程固定的會議，而是人員輪流來訪的聚會，每天參加討論的大約有3至8人。全程留下來的只有麥卡錫、明斯基和Solomonoff 3人。紐威爾和賽門帶來了他們證明邏輯定理的程式（Logic Theorist）的成果。

還不清楚的事：準確的參加者名單沒有保存下來（麥卡錫弄丟了自己的名單，見Grace Solomonoff 2016 p.9）。誰停留了幾天，只能從Ray和Trenchard More的筆記中知道一部分。

R1（XCON）：決定電腦訂購零件組合的「如果〜那麼〜」AI，DEC工廠每天使用

卡內基美隆大學的John McDermott開發了「如果……就……」式的AI R1（公司內部名稱為XCON）。它接收電腦公司DEC的VAX電腦的訂單，判斷所需零件（每1台約90件）是否缺少、搭配是否合適。1978年12月開始開發，1979年10～11月由6位專家用50份訂單進行了驗證，1980年1月起在DEC的工廠日常使用。規則數從1980年6月的772條增加到1984年的2,500條，每年為增加知識大約需要4個人的工作量。DEC的負責人寫道，對於開發後的維護工作，「可能是最大的一項成本」，而且專門培養的人才不可或缺。

還不清楚的事：「每年超過4,000萬美元」這一估計的計算方法（把什麼算作收益），因為沒有打開原論文，所以不清楚。

第五代電腦研究所ICOT（新世代電腦技術開發機構）成立，渕一博出任所長

為推進國家（通商產業省）的計畫，1982年4月成立了財團法人「新世代電腦技術開發機構（ICOT）」，6月研究所開始運轉。研究所所長是來自電子技術綜合研究所的渕一博。研究人員是從電子技術綜合研究所（ETL）、日本電信電話公社（NTT）、8家電腦公司等處各派遣數年的人，起初約40人。研究經費全部來自通商產業省的委託費。

影像辨識大賽（ILSVRC 2012）：多倫多 大學的深層卷積類神經網路（SuperVision）以大幅差距獲得第1名。第2名是東京大學團隊

在從照片中辨識1000種物體的比賽裡，Krizhevsky、Sutskever、辛頓的團隊「SuperVision」，在允許回答5次的規則下把 錯誤率 壓到了15.3%（僅使用比賽提供的資料時為16.4%）。第2名東京大學的團隊（ISI）為26.2%，相差約11個百分點。他們用2塊遊戲用的GPU（影像處理用的半導體，NVIDIA製造），訓練了一個擁有6000萬個參數的8層類神經網路。比賽的主辦方在後來的論文中寫道，這一年是「轉捩點」。

對話式AI「ChatGPT」作為免費的「研究試用版」公開

OpenAI公開了對話式AI「ChatGPT」。發佈文章說，它能回答後續追問、承認自己的錯誤、指出錯誤的前提，並拒絕不當的請求。它的內部，是對2022年初完成訓練的GPT-3.5系列，讓人類給回答打分後再進行調整。文中寫道，在「研究試用版」期間可以免費使用，目的是收集使用者的回饋。

還不清楚的事：發佈文章把難以糾正錯誤的原因中的1個，說成是「在強化學習訓練期間，目前沒有正確答案的來源」。聽起來合理的錯誤（後來被稱為「幻覺」）為什麼、何時出現，開發者在當時也寫道「很困難」。

總務省白皮書（2024年）：隨著2022年左右開始的生成式AI普及，「也有人說，現在已進入第4次AI熱潮」（譯）

日本的白皮書（總務省「資訊通訊白皮書」（譯）令和6年版）說明，AI的歷史「幾度經歷熱潮與寒冬時代的反覆」（譯）。接著寫道，「由於從2022年左右起生成式AI的迅速普及」（譯）（生成式AI是能生成文章或圖像的AI），「也有人說，現在已進入第4次AI熱潮」（譯）。它沒有下定論，只使用「也有人說」（譯）的表達。同一節中也把第3次寫成「2000年代～」（譯）「延續至今的第3次AI熱潮」（譯）。圖中（圖表Ⅰ-3-1-1），第4次的色帶從2022年開始，並寫著「未經歷寒冬就進入全球AI熱潮」（譯）。

預言「10年之內，電腦將成為西洋棋世界冠軍……」（1957年的演講）

賽門和紐威爾預言，10年之內電腦將成為西洋棋世界冠軍（除非規則禁止其參賽）。

後來：1967年4月時，最強的西洋棋程式之一（MIT的MAC HACK VI）只有業餘中級的水準（美國等級分1450）。1968年，西洋棋國際大師李維（Levy）與研究者們打賭，10年之內電腦能否戰勝他。1978年李維戰勝了電腦，贏得了賭局。電腦在6局比賽中戰勝在任世界冠軍（卡斯帕洛夫），是在預言之後約40年的1997年5月（IBM的深藍，3.5比2.5）。另外，電腦從未獲得過人類世界冠軍的稱號本身（預言裡也寫了「除非規則禁止它參賽」）。

1984年，AI大會的展示會場出現「造出了更好的大腦」的宣傳──記錄當時「這次終於成真」的氣氛

科學記者George Johnson記述了1984年8月美國人工智慧協會（AAAI）大會展廳裡的情形。多數研究者是來討論一點一點進展的，但參展企業中有些公司的表現，彷彿創造擁有人類智慧的夥伴這一古老的夢想已經實現。一款把專家知識寫入的AI工具TIMM的宣傳冊聲稱「造出了更好的大腦」，還寫道專家系統不會生病，也不會辭職或提前退休。記者寫道，推銷者的話有時聽起來像「宣告新時代的先知」。

還不清楚的事：銷售TIMM的公司叫什麼名字，報導裡沒有寫。

松尾豐「人工智慧會超越人類嗎」（譯）（2015年）：在章名中使用第1次、第2次、第3次AI熱潮

這是東京大學松尾豐的書。章名用到了「『推論』與『搜尋』的時代——第1次AI熱潮」（譯）「加入『知識』就會變聰明——第2次AI熱潮」（譯）「『機器學習』的悄然普及——第3次AI熱潮(1)」（譯）「打破寂靜的『深度學習』——第3次AI熱潮(2)」（譯），用熱潮的序號來劃分歷史。第2章的第一節是「熱潮與寒冬的時代」（譯）。2016年總務省的白皮書在註記中寫明，AI歷史部分參考了這本書等。

還不清楚的事：書中把各次熱潮分別定在哪一年到哪一年（正文、圖中的年份），因為沒有翻開這本書，所以沒有確認。

松尾豐（2023年7月）：「或許可以說第4次AI熱潮到來了」（譯），但這是「與『熱潮』這個詞不同層次的現象」（譯）

在東洋經濟的訪談中，松尾豐說，「過去已有過3次AI熱潮」（譯），「生成式AI的普及，或許可以說是第4次AI熱潮的到來」（譯），但「現在發生的，是與『熱潮』這個詞不同層次的現象」（譯）。他也表示，生成式AI會在未來幾年間迅速普及到整個社會。與3月訪談中的「可以說」（譯）一樣，這裡也使用了「或許可以說是」（譯）的說法。同時，他並不把這視為熱潮（總有一天會結束的流行）。

還不清楚的事：「與『熱潮』一詞又是不同的層次」（譯）這個看法是否會應驗（寒冬會不會來），目前還不知道。過去各次熱潮時，是否也有過這次不同的說法，需要與本站各次熱潮的紀錄對照確認。

1984年的討論描繪的「AI寒冬」最壞情境──與後來的發展對照

美國人工智慧協會（AAAI）的大會上，舉行了一場題為「AI的黑暗時代──能避免嗎？能撐過去嗎？」的討論會。主持人Drew McDermott說，在產業界的熱鬧背後，多年從事研究的人心中有著源於這樣一種擔心的深深不安：「也許人們對AI的期待太高了，最終會招致災難」。他描繪了一個最壞的情境：5年後美國的「戰略運算計畫」失敗，日本的第五代電腦也陷入僵局，創業公司倒閉，對AI的資金停止，大家都改掉研究的名字。他介紹說，有人把這種狀態稱為「AI寒冬」。不過他本人也表示，認為這種情形發生的可能性不大。討論中，另一位研究者（Roger Schank）說，他被問到是否認為災難會來時回答說會來。另一方面，也有人提出了「會有AI寒冬嗎？我認為可能會迎來AI的黃昏」這樣的意見（同一個人接著說，泡沫也許不是破裂，而是稍微縮小一點）。

後來：後來，計畫的重點中的1個——自動駕駛車（ALV）的開發於1988年4月被終止。1987年上任的主管部門負責人也終止了一部分AI計畫。該計畫於1993年從DARPA的預算中消失。美國人工智慧協會的會員數在1987年達到16,421人的峰值，到1996年穩定在4,000~5,000人。開發專家系統的AI企業，多數倒閉、被收購或轉了行。日本的第五代電腦計畫在1992會計年度結束了主體部分。Nilsson寫道，這些事件在1980年代中後期相繼發生，被稱作「AI寒冬」。

還不清楚的事：情形中的1個「大家都急忙把研究計畫的名稱改成別的」在1990年代是否真的發生過，沒有用原始資料確認（u08 中處理的候選內容）

圖靈預言：「約50年後……提問5分鐘後正確辨別的機率不超過70%」

在1950年的論文中，圖靈寫下自己的展望：大約50年後，就能讓電腦把模仿遊戲玩得很好，一般提問者提問5分鐘之後，正確辨別的機率將不超過70%。他在同一段也寫道，到本世紀末，詞語的用法和人們的想法都會改變，到那時，即使說「機器會思考」，也不會再遭到反對。

後來：2000年的綜合整理的論文（Saygin等人）指出，1991年起舉辦的設有獎金的比賽（羅布納獎）中，還沒有一個程式拿到大獎，從記錄看，機器通常很快就會被識破。也就是說，到了預言所說的年份，預言並沒有以預言的形式實現。另外，對於2000年的比賽結果，曾有人說它「表明圖靈的預測是錯的」，但科普蘭在同一個2000年寫道：「約50年並不意味著恰好50年」。其後在2025年3月，美國大學（加州大學聖地牙哥分校，UC San Diego）的研究者在論文（arXiv）中發表了一項實驗結果：提問者同時與1個人和1台機器對話5分鐘。在被指示扮演人類的2個大型文字AI中，1個（GPT-4.5）有73%的比例被判定為人類，另外1個（LLaMa-3.1-405B）有56%（因為只有2個選項，對前者，提問者正確識破的是其餘的27%）。不過，這只是1個研究團隊的發表，本網站沒有查證後來的評價。至於「說機器會思考，也不必擔心遭到反對」這一點，本網站沒有查證。

還不清楚的事：2025年的實驗中機器被判定為人類，是否就意味著它「正在思考」，目前並不清楚（圖靈本人也認為最初的問題不值得討論，因此把它換成了遊戲）。

賽門的預言「20年之內，機器將能做人類能做的任何工作」（1965年的書／原文出自1960年的論文）

賽門在1965年的著作中寫道，機器將在20年內能做人類能做的任何工作。原本的1960年論文則寫道，在遠短於25年的時間內，將擁有以機器取代組織中人類任何功能的「技術能力」。但他隨即說明，技術上做得到的事，與實際如何使用技術，是兩回事。接著，他假設長期而言，幾乎所有想工作的人都能工作（充分就業），並主張人與機器的分工取決於「比較利益」（各自負責相對擅長的事）。

後來：沒有找到認為到1985年機器已能做人的任何工作的資料。Nilsson（2010）談到賽門1957年的同類說法（機器能處理的問題範圍將與人的頭腦一樣廣），認為即使到2010年也仍然遙遠。另一方面，賽門本人把技術能力與就業分開考慮，預計從長遠看失業不會增加（在1966年的回信裡，他寫道失業率不到4%，而且在下降）。

1981年的展望：據說在1990年代初，將出現有眼、耳、口，聽得懂話，也能自動翻譯與口譯的電腦

計畫開始前的調查（1979〜1981年，委員長為東京大學的元岡達）報告記述，以1990年為目標年份完成原型機。向一般讀者解說的小冊子寫道，第五代電腦「據說將在1990年代初出現」（譯），要「到1990年做出原型」（譯）（製作原型機），就必須盡早開始研究。它列出8項期望的功能，包括能直接處理語音、圖形、影像與文字的「有眼、耳、口的電腦」（譯），能用日常語言交談的「聽得懂話的電腦」（譯）（憑藉這項能力，也能自動翻譯與口譯），具有常識、能推論解決新問題的電腦，以及不寫程式也能使用的電腦。

後來：計畫在1982—1992年度實施。據1993年的最終評估報告書，推理速度的目標（1秒1億次）以1億5千萬次以上的成績達成並超過。另一方面，通過聲音和影像與人交流的機制，被發現需要大量背景知識，中途改為只專注於語言研究的基礎，因此沒有做到造出具體機制。所長渕一博先生在1992年說，製作機器翻譯這類應用系統，在1982年計畫開始時就已經從目標中去掉了。

還不清楚的事：寫有翻譯詞數、正確率等數字目標的「研究開發課題說明書」（1981年，7個小組26個課題）沒有找到，因此未能查證。

辛頓：「現在就應該停止培養放射科醫師」「5年之內，深度學習會比放射科醫師做得更好」（2016年）

2016年，傑佛瑞·辛頓在多倫多的一場會議上，談到放射科醫師（判讀X光、CT等影像來發現疾病的醫師）。他的重點是：現在就應該停止培養放射科醫師，因為很明顯，5年之內（也許要10年）深度學習就會比放射科醫師做得更好。記錄當時場景的84秒影片公開後，後來的文章（AuntMinnie 2025年、Fortune 2026年等）反覆引用了這段話。

後來：在美國的住院醫師招收中（NRMP的官方表格），放射科（診斷）的招收名額並沒有減少。從第2年開始的名額，2016年為982個，2025年為1,057個；從第1年開始的名額，2016年為151個，2025年仍為151個。2025年的名額幾乎全部招滿（從第2年開始的名額1,057個中有1,042個）。

還不清楚的事：AI讀取影像的能力，與放射科醫師整體工作（與患者和其他醫師的溝通、檢查的判斷等）之間是什麼關係，2016年時還不清楚。如今，AI會怎樣改變這份工作，仍在研究之中。

日本研究者發起的「RoboCup」：目標是在21世紀中葉之前，讓人形機器人隊戰勝世界盃冠軍隊

「RoboCup」要把機器人踢足球，變成AI和機器人研究共同的挑戰課題，它是由日本的研究者們（北野宏明、淺田稔、國吉康夫等）發起的。1993年6月，他們最初構想的是只限日本的「機器人J聯賽」，但一個月之內海外就有人表示希望參加，於是發展成了國際性的計畫。1997年在名古屋舉辦了第一屆大賽，聚集了40多支隊伍、超過5000名觀眾。官方網站提出的最終目標是：「到21世紀中葉，一支完全自主的人形機器人足球隊，將依照FIFA的正式規則，在足球比賽中擊敗最近一屆世界盃的冠軍隊」。

後來：還沒到期限，結果尚未揭曉。2026年7月5日，在韓國仁川舉辦的RoboCup 2026上，首次進行了人形機器人之間11對11的比賽（德國的B-Human以4對0戰勝同為德國的HTWK）。不過這是機器人之間的比賽，不是與人類冠軍的對戰。

圖靈：「至少100年」（廣播討論）

1952年1月，圖靈、數學家紐曼、腦神經外科醫師傑佛遜、哲學家Braithwaite這4人，在BBC廣播中討論「能說自動計算機在思考嗎」。紐曼問：「要等到很久以後，機器才有希望在不限制任何問題的情況下經得起考驗」，圖靈回答：「我想至少要100年」。

後來：目標年份還沒有到來（等待核對結果）。2025年，有論文發表了一項實驗：在5分鐘的對話形式中，大型文字AI被判定為人類的比例較高（參見 → 圖靈預言：約50年後……提問5分鐘後正確辨別的機率不超過70%），但在「不限制任何問題」的長對話形式下的結果，本站沒有核實。

還不清楚的事：廣播稿（AMT/B/6）本身，本站沒能查閱到。是否留有錄音，也沒有核實。

AI實現時間的預言一覽（AI Impacts修訂版），共65筆，預言的中位數為2033〜2037年

阿姆斯特朗等人整理的95筆預言的一覽表，被AI Impacts去掉重複項和問卷彙整後，整理成了65筆。這些預言所給出的、能做出人類水平AI的時間的中位數是2033年和2037年（取決於2種讀法）。把2000年以前和以後的預言相比，從預言那年算起預計多少年後的分布很相似（預言年份與年數的相關係數為0.13）。

認為AI預言多指向15〜25年後 的研究（現在論文開頭附有「這篇論文的結果是根據資料集中的錯誤得出的」這項註記）

這篇論文收集並分析了95條關於AI實現時間的預言。它認為「15〜25年後」這類預言最多，而且專家和非專家的預言無法區分。公開的PDF第1頁上，現在帶有一條注：「這篇論文的結果是根據資料集中的錯誤得出的」。錯誤的原因是把區分是否為專家的分類列讀錯了（AI Impacts在2016年指出）。

還不清楚的事：預言是否集中在大約20年後，會因資料的製作方式而改變。目前並不明確。

認為AI預言多指向15〜25年後 的研究（現在論文開頭附有「這篇論文的結果是根據資料集中的錯誤得出的」這項註記）

這篇論文收集並分析了95條關於AI實現時間的預言。它認為「15〜25年後」這類預言最多，而且專家和非專家的預言無法區分。公開的PDF第1頁上，現在帶有一條注：「這篇論文的結果是根據資料集中的錯誤得出的」。錯誤的原因是把區分是否為專家的分類列讀錯了（AI Impacts在2016年指出）。

還不清楚的事：預言是否集中在大約20年後，會因資料的製作方式而改變。目前並不明確。

AI實現時間的預言一覽（AI Impacts修訂版），共65筆，預言的中位數為2033〜2037年

阿姆斯特朗等人整理的95筆預言的一覽表，被AI Impacts去掉重複項和問卷彙整後，整理成了65筆。這些預言所給出的、能做出人類水平AI的時間的中位數是2033年和2037年（取決於2種讀法）。把2000年以前和以後的預言相比，從預言那年算起預計多少年後的分布很相似（預言年份與年數的相關係數為0.13）。

認為AI預言多指向15〜25年後 的研究（現在論文開頭附有「這篇論文的結果是根據資料集中的錯誤得出的」這項註記）

這篇論文收集並分析了95條關於AI實現時間的預言。它認為「15〜25年後」這類預言最多，而且專家和非專家的預言無法區分。公開的PDF第1頁上，現在帶有一條注：「這篇論文的結果是根據資料集中的錯誤得出的」。錯誤的原因是把區分是否為專家的分類列讀錯了（AI Impacts在2016年指出）。

還不清楚的事：預言是否集中在大約20年後，會因資料的製作方式而改變。目前並不明確。

AI實現時間的預言一覽（AI Impacts修訂版），共65筆，預言的中位數為2033〜2037年

阿姆斯特朗等人整理的95筆預言的一覽表，被AI Impacts去掉重複項和問卷彙整後，整理成了65筆。這些預言所給出的、能做出人類水平AI的時間的中位數是2033年和2037年（取決於2種讀法）。把2000年以前和以後的預言相比，從預言那年算起預計多少年後的分布很相似（預言年份與年數的相關係數為0.13）。

洛夫萊斯的預見：「分析機……也許能譜寫精巧而有科學性的樂曲」

洛夫萊斯在註釋A中論述，分析機處理的不只是數，只要是關係能用符號表示的對象，它都應該能處理。她舉例說，如果音高之間的關係能用機器的符號來表達，那麼機器也許能譜寫任何複雜而漫長的精巧樂曲。

後來：分析機本身從未被造出來。約110年後的1956年8月9日，在美國伊利諾大學，用電腦ILLIAC I創作的弦樂四重奏（《伊利亞克組曲》）的前3個樂章由學生演奏（據該大學博物館的說明；1956年底前完成。也有資料寫作「1957年」）。

預言「10年之內，電腦將成為西洋棋世界冠軍……」（1957年的演講）

賽門和紐威爾預言，10年之內電腦將成為西洋棋世界冠軍（除非規則禁止其參賽）。

後來：1967年4月時，最強的西洋棋程式之一（MIT的MAC HACK VI）只有業餘中級的水準（美國等級分1450）。1968年，西洋棋國際大師李維（Levy）與研究者們打賭，10年之內電腦能否戰勝他。1978年李維戰勝了電腦，贏得了賭局。電腦在6局比賽中戰勝在任世界冠軍（卡斯帕洛夫），是在預言之後約40年的1997年5月（IBM的深藍，3.5比2.5）。另外，電腦從未獲得過人類世界冠軍的稱號本身（預言裡也寫了「除非規則禁止它參賽」）。

圖靈預言：「約50年後……提問5分鐘後正確辨別的機率不超過70%」

在1950年的論文中，圖靈寫下自己的展望：大約50年後，就能讓電腦把模仿遊戲玩得很好，一般提問者提問5分鐘之後，正確辨別的機率將不超過70%。他在同一段也寫道，到本世紀末，詞語的用法和人們的想法都會改變，到那時，即使說「機器會思考」，也不會再遭到反對。

後來：2000年的綜合整理的論文（Saygin等人）指出，1991年起舉辦的設有獎金的比賽（羅布納獎）中，還沒有一個程式拿到大獎，從記錄看，機器通常很快就會被識破。也就是說，到了預言所說的年份，預言並沒有以預言的形式實現。另外，對於2000年的比賽結果，曾有人說它「表明圖靈的預測是錯的」，但科普蘭在同一個2000年寫道：「約50年並不意味著恰好50年」。其後在2025年3月，美國大學（加州大學聖地牙哥分校，UC San Diego）的研究者在論文（arXiv）中發表了一項實驗結果：提問者同時與1個人和1台機器對話5分鐘。在被指示扮演人類的2個大型文字AI中，1個（GPT-4.5）有73%的比例被判定為人類，另外1個（LLaMa-3.1-405B）有56%（因為只有2個選項，對前者，提問者正確識破的是其餘的27%）。不過，這只是1個研究團隊的發表，本網站沒有查證後來的評價。至於「說機器會思考，也不必擔心遭到反對」這一點，本網站沒有查證。

還不清楚的事：2025年的實驗中機器被判定為人類，是否就意味著它「正在思考」，目前並不清楚（圖靈本人也認為最初的問題不值得討論，因此把它換成了遊戲）。

AI能否在2025年以前拿到數學奧林匹亞金牌──2022年，2位研究者分別預測低於8%與高於16%。2025年7月，結果揭曉

AI研究者保羅·克里斯蒂亞諾和埃利澤·尤德科夫斯基對AI進步的看法不同。於是他們公開了一個能分出對錯的預測：在國際數學奧林匹亞（高中生的比賽）中，「在比賽前開發的AI……能在2022〜2025年中的某一年拿到金牌」的機率（時間等規則按IMO大挑戰的規定）。克里斯蒂亞諾說低於8%，尤德科夫斯基說16%以上。對於解出最難一道題的機率，克里斯蒂亞諾預測低於4%。2025年7月，Google DeepMind宣佈，Gemini的增強版6道題中完整解答了5道，42分中拿到35分（金牌分數），並由比賽的評分員正式評分並確認。它在4.5小時的限時內，用普通的自然語言寫出了解答。

後來：2025年7月，Google DeepMind的Gemini增強版在42分中拿到35分（金牌分數）。比賽的評分員正式評分，國際數學奧林匹亞的主席確認為「金牌分數」（不過據部落格所述，確認的是解答，並不是對AI結構的驗證）。比賽在4.5小時的限時內進行，最難的一題（第6題）沒有解出（6題中解出5題）。兩種預測都是機率，無法斷定中或不中，但實際結果更接近把機率估得較高的一方（高於16%）。

2005年庫茲威爾說「我將奇點的日期定為2045年」──他本人的說明是，機器智慧會在「四分之一世紀內」（2030年之前）與人類相當，2045年則是達到「當今全人類智慧的10億倍」的年份

雷·庫茲威爾（2014年的人工智慧學會誌介紹他是「美國的未來學家」（譯））在為2005年的著作「奇點將至」（The Singularity Is Near，日語譯名「後人類誕生」（譯））而自己回答的問答中寫道：在四分之一個世紀之內，機器的智慧將在廣度和細膩程度上追平人類的智慧，隨後超越。他還把機器的智慧重新設計自身、變得越來越快越來越聰明、技術進步快到未經改造的人類智慧追趕不上的那個時間點，稱為「奇點（技術奇異點）」，並把這一年定為「2045年」。那一年造出的機器智慧，將擁有「相當於今天全人類智慧10億倍的力量」。關於為此所需的計算量，他寫道：人腦整體的工作需要每1秒約1京次（10^16次）計算，超級電腦將在2000年代末達到這一水準（日本的2個計畫正以此為目標），到2020年只需約1,000美元就能買到。

後來：2045年的驗證還在以後（截至2026年9月）。在中途的展望裡，關於超級電腦達到每1秒10^16次（1京次）的預測，日本理化學研究所（RIKEN）的「K computer」在2011年11月的TOP500上跑出了10.51 petaflops。這成了首台達到「每秒1京次計算」的超級電腦（比預測的「2000年代末前後」稍晚）。到2020年以約1,000美元獲得每1秒10^16次的展望，本站沒有打開可供驗證的資料。

還不清楚的事：人腦整體的工作所需的計算量，因估算者不同有100倍的差別（庫茲威爾2005是每1秒10^16次，莫拉維克1998是1億MIPS＝每1秒10^14條指令）。大腦到底在進行多少計算，至今不清楚。

追溯國家教材的預言「到2025年，效能將達到可以完整模擬一個人大腦的程度」（譯） ── 源頭是庫茲威爾2005年著作中，超級電腦速度圖上的一條線

文部科學省的高中「資訊Ⅱ（日本高中資訊科目）」（譯）教師教材（2020年），根據總務省2014年資訊通信白皮書的資料寫道：假設計算速度持續以目前的速度提升，到2025年，效能就能達到完整模擬一個人腦的程度（模擬是指在電腦中模仿其運作）。追溯出處，白皮書是在圖表3-1-1-4「運算速度的提升」（譯）中記載這段話，而非本文。該圖來自木谷強（資料封面標示為NTT DATA技術開發本部）在2014年2月13日總務省會議上提出的資料。資料寫明，是根據雷·庫茲威爾2005年的著作「奇點將至」中的圖製作的。原圖描繪了超級電腦速度的各個數據點（FLOPS：1秒內能做幾次小數運算），以及每1.2年變成2倍的直線（Trendline）。在直線達到10的19次方FLOPS的位置，註記為「為了上傳所需的人腦神經模擬（2025）」。也就是說，原始資料談的是計算速度的展望，而非腦模擬本身。

後來：計算速度的檢驗：按與原圖相同的指標（超級電腦性能排行榜TOP500所用的HPL值；原圖也把TOP500列為出處），2025年11月位居榜首的El Capitan（美國）為1.809百京次（每秒約180京次），只有10的19次方FLOPS的約5.5分之1。2026年6月登上第1位的LineShine（中國）為2.198百京次，也還沒有達到。另一方面，在測量混入低位數運算的方式（mixed-precision）的另一個榜單HPL-MxP（原HPL-AI）上，2025年11月，El Capitan（16.680）、Aurora（11.643）、Frontier（11.390）這3台突破了10的19次方FLOPS。至於10的16次方FLOPS（圖中預測為2013年），日本的「京」早在2011年11月就以10.51千兆次達到了。腦模擬的成果：2013年，用「京」的全部計算節點模擬了17億3,000萬個神經細胞和10兆4,000億個突觸（約為人腦神經迴路的1%），但再現腦1秒鐘的活動花了40分鐘（理化學研究所等）。2018年，理化學研究所寫道，即使是當時性能最高的超級電腦，也無法模擬人腦整體的規模，並公布了面向2020年以後的下一代超級電腦實現它的做法。2025年11月，艾倫研究所和電氣通信大學等使用「富岳」，發布了對小鼠整個大腦皮層（約1,000萬個神經細胞、260億個突觸、86個腦區）的詳細模擬。艾倫研究所的Anton Arkhipov表示，長期目標是對整個大腦建模，將來也以人腦模型為目標。在本站打開的當事者發布中，沒有任何一份說在2025年之前模擬了整個人腦。

還不清楚的事：模擬整個人腦實際需要多少計算，不同的估算者差別很大。同一份2014年「資訊通信白皮書」別的章節的註釋裡，引用了IBM的莫哈（Modha）2008年的說法：2018年以38.5千兆次（petaflops，約4×10的16次方）就能模擬人腦。這與庫茲威爾圖中的10的19次方相差約260倍。要 模仿神經 細胞到多細的程度，所需的速度就不同（例如，2025年「富岳」的模擬據發表，連神經細胞分支中的電流都模仿了）。到2025年為止是否在任何地方都沒有模擬過整個人腦的例子，本站沒能完全確認（打開的只有當事者的3份發布）。

2005年庫茲威爾說「我將奇點的日期定為2045年」──他本人的說明是，機器智慧會在「四分之一世紀內」（2030年之前）與人類相當，2045年則是達到「當今全人類智慧的10億倍」的年份

雷·庫茲威爾（2014年的人工智慧學會誌介紹他是「美國的未來學家」（譯））在為2005年的著作「奇點將至」（The Singularity Is Near，日語譯名「後人類誕生」（譯））而自己回答的問答中寫道：在四分之一個世紀之內，機器的智慧將在廣度和細膩程度上追平人類的智慧，隨後超越。他還把機器的智慧重新設計自身、變得越來越快越來越聰明、技術進步快到未經改造的人類智慧追趕不上的那個時間點，稱為「奇點（技術奇異點）」，並把這一年定為「2045年」。那一年造出的機器智慧，將擁有「相當於今天全人類智慧10億倍的力量」。關於為此所需的計算量，他寫道：人腦整體的工作需要每1秒約1京次（10^16次）計算，超級電腦將在2000年代末達到這一水準（日本的2個計畫正以此為目標），到2020年只需約1,000美元就能買到。

後來：2045年的驗證還在以後（截至2026年9月）。在中途的展望裡，關於超級電腦達到每1秒10^16次（1京次）的預測，日本理化學研究所（RIKEN）的「K computer」在2011年11月的TOP500上跑出了10.51 petaflops。這成了首台達到「每秒1京次計算」的超級電腦（比預測的「2000年代末前後」稍晚）。到2020年以約1,000美元獲得每1秒10^16次的展望，本站沒有打開可供驗證的資料。

還不清楚的事：人腦整體的工作所需的計算量，因估算者不同有100倍的差別（庫茲威爾2005是每1秒10^16次，莫拉維克1998是1億MIPS＝每1秒10^14條指令）。大腦到底在進行多少計算，至今不清楚。

1998年Hans Moravec問「電腦硬體何時能與人腦比肩？」──答案是「在2020年代的便宜機器上可用」。他也指出，1960〜1990年的AI研究處於「1 MIPS電腦的冰凍寒冬」

卡內基美隆大學機器人研究所的Hans Moravec在1998年的論文中，估算了實現與大腦相同功能所需的計算速度和記憶容量。把視網膜的功能換成機器人的影像處理，相當於1,000 MIPS（MIPS＝每1秒執行100萬條指令）。大腦約是視網膜的10萬倍，因此整個大腦約需1億MIPS，記憶容量約為1億MB。他根據電腦價格下降的趨勢，預言要與人腦相當，「所需的硬體將在2020年代出現在便宜的機器上」，而這1億MIPS「將在2030年之前出現在家用電腦上」。同一篇論文也指出，從1960年到1990年，AI研究能使用的電腦效能一直停留在約1 MIPS，研究者的一生都在「1 MIPS電腦的冰凍寒冬」中度過。從1990年起，效能每年加倍，現在（1998年）已是春天，他也這樣寫道。

後來：截至2026年9月，預言的期限（2020年代・2030年之前）還沒有到。而且，莫拉維克的指標（MIPS＝1秒內執行多少百萬條指令、約1,000美元的家用機器）與如今AI的計算指標（1秒內的浮點運算次數，FLOP/s等）並不一致。換算方式不同結果就會變，因此本站沒有判定其對錯。

還不清楚的事：大腦的功能＝1億MIPS，這個估算是把視網膜功能換成機器人影像處理的一種看法。大腦到底進行了多少計算，至今仍不清楚（論文自己也寫道，估算依靠「類比與外推」。外推是把過去趨勢的線延伸到未來，據此推估）。

追溯國家教材的預言「到2025年，效能將達到可以完整模擬一個人大腦的程度」（譯） ── 源頭是庫茲威爾2005年著作中，超級電腦速度圖上的一條線

文部科學省的高中「資訊Ⅱ（日本高中資訊科目）」（譯）教師教材（2020年），根據總務省2014年資訊通信白皮書的資料寫道：假設計算速度持續以目前的速度提升，到2025年，效能就能達到完整模擬一個人腦的程度（模擬是指在電腦中模仿其運作）。追溯出處，白皮書是在圖表3-1-1-4「運算速度的提升」（譯）中記載這段話，而非本文。該圖來自木谷強（資料封面標示為NTT DATA技術開發本部）在2014年2月13日總務省會議上提出的資料。資料寫明，是根據雷·庫茲威爾2005年的著作「奇點將至」中的圖製作的。原圖描繪了超級電腦速度的各個數據點（FLOPS：1秒內能做幾次小數運算），以及每1.2年變成2倍的直線（Trendline）。在直線達到10的19次方FLOPS的位置，註記為「為了上傳所需的人腦神經模擬（2025）」。也就是說，原始資料談的是計算速度的展望，而非腦模擬本身。

後來：計算速度的檢驗：按與原圖相同的指標（超級電腦性能排行榜TOP500所用的HPL值；原圖也把TOP500列為出處），2025年11月位居榜首的El Capitan（美國）為1.809百京次（每秒約180京次），只有10的19次方FLOPS的約5.5分之1。2026年6月登上第1位的LineShine（中國）為2.198百京次，也還沒有達到。另一方面，在測量混入低位數運算的方式（mixed-precision）的另一個榜單HPL-MxP（原HPL-AI）上，2025年11月，El Capitan（16.680）、Aurora（11.643）、Frontier（11.390）這3台突破了10的19次方FLOPS。至於10的16次方FLOPS（圖中預測為2013年），日本的「京」早在2011年11月就以10.51千兆次達到了。腦模擬的成果：2013年，用「京」的全部計算節點模擬了17億3,000萬個神經細胞和10兆4,000億個突觸（約為人腦神經迴路的1%），但再現腦1秒鐘的活動花了40分鐘（理化學研究所等）。2018年，理化學研究所寫道，即使是當時性能最高的超級電腦，也無法模擬人腦整體的規模，並公布了面向2020年以後的下一代超級電腦實現它的做法。2025年11月，艾倫研究所和電氣通信大學等使用「富岳」，發布了對小鼠整個大腦皮層（約1,000萬個神經細胞、260億個突觸、86個腦區）的詳細模擬。艾倫研究所的Anton Arkhipov表示，長期目標是對整個大腦建模，將來也以人腦模型為目標。在本站打開的當事者發布中，沒有任何一份說在2025年之前模擬了整個人腦。

還不清楚的事：模擬整個人腦實際需要多少計算，不同的估算者差別很大。同一份2014年「資訊通信白皮書」別的章節的註釋裡，引用了IBM的莫哈（Modha）2008年的說法：2018年以38.5千兆次（petaflops，約4×10的16次方）就能模擬人腦。這與庫茲威爾圖中的10的19次方相差約260倍。要 模仿神經 細胞到多細的程度，所需的速度就不同（例如，2025年「富岳」的模擬據發表，連神經細胞分支中的電流都模仿了）。到2025年為止是否在任何地方都沒有模擬過整個人腦的例子，本站沒能完全確認（打開的只有當事者的3份發布）。

「期待升為高峰，穿過失望的低谷後趨於平穩」這一模式，經研究檢驗，並不完全吻合

這項研究用調查公司Gartner自己的記錄，檢驗期待高峰與低谷的圖（技術成熟度曲線，Hype Cycle）是否真的出現。研究報告指出，實際記錄與圖中的模式有差異。

還不清楚的事：「每次都重複同樣的過程」只是歷史上看起來的樣子，不能說是確定的規律。第4次是否會走出同樣的形狀，還不知道

2019年，據日本調查公司的判斷，人工智慧處於「幻滅期」

在Gartner Japan（高德納日本）發佈的「日本的技術炒作週期（Hype Cycle）：2019年」中，人工智慧被放在「幻滅期」（期待過高之後失望蔓延的時期）。它解釋說，這是因為透過試用性質的嘗試，人們已從期待轉向面對現實。

還不清楚的事：炒作週期曲線的形狀是調查公司獨有的判斷，並沒有作為規律得到驗證。

2025年，同一家調查公司對日本的判斷：生成式AI處於「『過度期待』的高峰期」（譯）（圖中位於與幻滅期的分界）

Gartner Japan的「日本面向未來的基礎設施技術炒作週期：2025年」（譯）正文寫道，AI代理與生成式AI「被定位在『過度期待』的高峰期」（譯）。另一方面，圖中生成式AI的點位於高峰期與幻滅期的分界線上，有篇報導標題寫「生成式AI處於幻滅期」（譯）。

還不清楚的事：第4次目前位於曲線的哪個位置，因觀察者而異，還不知道。

日本國會發言與書名中，第2次高峰在1990年（比英語晚約3年），第3次在2019年。2023年起再次上升

根據國會的發言記錄和日本書籍的書名，統計了「人工智慧」和表示AI的「AI」（排除其他詞語的一部分後重新計數）的數量。書名中的「人工智慧」在1990年最多（37本）。國會中的「人工智慧」在1985年（7件）和1990年（9件）有高峰，1993～2014年幾乎為0件。國會中表示AI的「ＡＩ」，2015年11件 → 2019年593件 → 2021年減少到336件 → 2023年761件 → 2025年2,424件（這一年制定了AI的法律）。「生成式ＡＩ」到2022年為0件，2023年為172件。

還不清楚的事：2020～2021年數量減少的原因無法確定為1個（與傳染病流行期重合）。

「第1次AI寒冬」是從哪一年到哪一年？──不同資料有不同答案。也有歷史學家認為「並不存在第1次AI寒冬」

日本總務省的白皮書（2016）把1970年代稱為「寒冬時期」（譯），Wikipedia則列為1974〜1980年。另一方面，撰寫AI歷史的研究者Nilsson（2010）把1975〜1985年左右稱為AI的「繁榮期（boomtimes）」，認為「AI寒冬」是1980年代後半的事。歷史學家Haigh（2023）則根據電腦學會ACM的AI分會（SIGART）會員在1973〜1978年增加到近3倍等情況，主張「並不存在第1次AI寒冬」。其實，「AI寒冬（AI Winter）」一詞較早的使用例子出現在1984年，用來表達對未來可能到來的寒冬的擔憂。

還不清楚的事：沒有找到按國家、按年份排列的1970年代AI整體研究經費的數字。算不算「寒冬」，取決於以什麼為標準（大型研究所的預算／學會的會員數／這個詞的使用情況），答案會不同。

1984年，「AI寒冬（AI Winter）」被用來稱呼未來可能出現的最壞情況

在AAAI-84的討論會上，主持人Drew McDermott說，研究者之間有一種擔憂：人們對AI的期待太高，總有一天會出大問題。他舉出的最糟糕的情形是：5年後strategic computing initiative（戰略計算計畫）慘敗，日本的第五代電腦也不順利，日本政府很快從電腦領域撤手，新興企業全部倒閉，與AI相關的事情再也拿不到錢。他把這種情形形容為「這種被一些人稱為『AI寒冬』的狀態」，並呼籲大家以此自我告誡，也把這一點傳達給社會。也就是說，「AI寒冬」是在第2次熱潮正當中，作為對未來的警告而出現的詞。把1970年代研究經費的減少稱為「第1次寒冬」，是後來才加上的叫法。

還不清楚的事：最先說出「AI Winter」的人是誰還不清楚（連討論中也只說是「被一些人」）。Ngram裡1983年那個很小的數值是哪本書，沒有確認。

人工智慧學會座談會（2023年）：對於現在是否為第四次熱潮的問題，有人說「沒有人授權過吧」（譯）「或許算是3.1次熱潮吧」（譯），也可能「成了不會降溫的領域」（譯）

在製作歷史畫卷的人們的座談會上，鳥海不二夫問：「看來現在還是被當作第四次AI熱潮吧？」（譯）松原仁回答：「也有老師這麼說呢」（譯），谷口忠大回答：「有點誰先說誰就贏的意思呢（笑）」（譯）。鳥海再問，是不是也沒有誰來決定，松原回答：「沒有人授權過吧」（譯）（原文authorize的意思是正式認可），並說：「不過，也覺得像是從第三次熱潮起就一直維持在高點呢」（譯）。關西大學社會學部的杉本舞說：「而且在全球範圍內，第二次AI熱潮及其後的第二次寒冬該如何看待，頗為微妙」（譯），「我認為在日本，第五代電腦計畫的影響很大」（譯）。她還說，「只要資金不斷，（在大眾眼中）就不會形成衰退的印象」（譯），由於資金從第三次AI熱潮起就沒有中斷，一路發展成生成式AI熱潮，所以「我認為不能說這次熱潮曾經告一段落」（譯）。鳥海說「或許算是3.1次熱潮吧」（譯），杉本接著說，也許已經「成為不依賴熱潮也能成長、不會冷卻的領域」（譯）。這段對話以鳥海的「說不定寒冬又會來呢（笑）」（譯），以及杉本的回應「說不定這話已經成了預兆呢（笑）」（譯）結束（原文「立下旗標」（譯）是一種表示某件事將發生的預兆的說法）。

還不清楚的事：若以資金是否中斷判斷熱潮的分界，第3次與現在之間就沒有分界。若以社會關注程度判斷，則在2022〜2023年有分界。選擇哪一種標準，答案就會不同

英國中央銀行提醒：「從多項指標來看，股價顯得過高，尤其是著重AI的科技公司」

英國中央銀行（英格蘭銀行）負責監督金融穩定的委員會，在2025年10月的會議紀錄中寫道：「從多項指標來看，股價顯得過高，尤其是著重AI的科技公司」。由於股價指數集中在少數企業，「如果對AI影響的預期變得不那麼樂觀」，市場就可能受到很大影響。列出的下跌誘因包括AI效能或普及不如預期，以及電力、資料、材料不足。它也舉例，若出現觀念上的重大突破，可能使大型AI設施不再必要。2026年7月的報告也寫道：「股票價格上漲了，尤其是與AI相關的股票」「按部分指標衡量，估值也變得更加偏高」「股市急遽下跌的風險依然很高」。

還不清楚的事：目前熱潮之後是否會出現寒冬，還不知道。截至2026年7月，中央銀行寫道「股市急遽下跌的風險依然很高」。另一方面，股價卻持續上漲。答案還沒有出來。

2025年，同一家調查公司對日本的判斷：生成式AI處於「『過度期待』的高峰期」（譯）（圖中位於與幻滅期的分界）

Gartner Japan的「日本面向未來的基礎設施技術炒作週期：2025年」（譯）正文寫道，AI代理與生成式AI「被定位在『過度期待』的高峰期」（譯）。另一方面，圖中生成式AI的點位於高峰期與幻滅期的分界線上，有篇報導標題寫「生成式AI處於幻滅期」（譯）。

還不清楚的事：第4次目前位於曲線的哪個位置，因觀察者而異，還不知道。

人工智慧學會座談會（2023年）：對於現在是否為第四次熱潮的問題，有人說「沒有人授權過吧」（譯）「或許算是3.1次熱潮吧」（譯），也可能「成了不會降溫的領域」（譯）

在製作歷史畫卷的人們的座談會上，鳥海不二夫問：「看來現在還是被當作第四次AI熱潮吧？」（譯）松原仁回答：「也有老師這麼說呢」（譯），谷口忠大回答：「有點誰先說誰就贏的意思呢（笑）」（譯）。鳥海再問，是不是也沒有誰來決定，松原回答：「沒有人授權過吧」（譯）（原文authorize的意思是正式認可），並說：「不過，也覺得像是從第三次熱潮起就一直維持在高點呢」（譯）。關西大學社會學部的杉本舞說：「而且在全球範圍內，第二次AI熱潮及其後的第二次寒冬該如何看待，頗為微妙」（譯），「我認為在日本，第五代電腦計畫的影響很大」（譯）。她還說，「只要資金不斷，（在大眾眼中）就不會形成衰退的印象」（譯），由於資金從第三次AI熱潮起就沒有中斷，一路發展成生成式AI熱潮，所以「我認為不能說這次熱潮曾經告一段落」（譯）。鳥海說「或許算是3.1次熱潮吧」（譯），杉本接著說，也許已經「成為不依賴熱潮也能成長、不會冷卻的領域」（譯）。這段對話以鳥海的「說不定寒冬又會來呢（笑）」（譯），以及杉本的回應「說不定這話已經成了預兆呢（笑）」（譯）結束（原文「立下旗標」（譯）是一種表示某件事將發生的預兆的說法）。

還不清楚的事：若以資金是否中斷判斷熱潮的分界，第3次與現在之間就沒有分界。若以社會關注程度判斷，則在2022〜2023年有分界。選擇哪一種標準，答案就會不同

總務省白皮書（2024年）：隨著2022年左右開始的生成式AI普及，「也有人說，現在已進入第4次AI熱潮」（譯）

日本的白皮書（總務省「資訊通訊白皮書」（譯）令和6年版）說明，AI的歷史「幾度經歷熱潮與寒冬時代的反覆」（譯）。接著寫道，「由於從2022年左右起生成式AI的迅速普及」（譯）（生成式AI是能生成文章或圖像的AI），「也有人說，現在已進入第4次AI熱潮」（譯）。它沒有下定論，只使用「也有人說」（譯）的表達。同一節中也把第3次寫成「2000年代～」（譯）「延續至今的第3次AI熱潮」（譯）。圖中（圖表Ⅰ-3-1-1），第4次的色帶從2022年開始，並寫著「未經歷寒冬就進入全球AI熱潮」（譯）。

96名專家的國際報告（包括由30國等選出的諮詢委員會）：「（通用AI的）模型內部運作大多難以理解，連開發者也不例外」「專家們對未來幾個月、幾年會發生什麼也意見不一」

以布萊切利會議（2023年）為契機，由約書亞・班吉歐領導的96名專家（包括由30國及聯合國、EU、OECD選出的諮詢委員會）彙整了AI安全性的國際報告（日本代表為北野宏明）。報告說明，通用AI模型「並非以傳統意義上的方式編寫程式」，而是透過訓練建構，並寫道「這些模型的內部運作，連開發者也幾乎無法理解」「目前用來解釋通用AI模型為何產生某個輸出的可解釋性技術，仍然非常有限」。關於今後的進展，報告指出通用AI的能力提升「可能進展緩慢、迅速或極其迅速」，並表示「由於對進一步擴大規模（scaling）的前景看法不同，專家對今後的進展速度意見不一」。2026年2月的第2次報告也指出，「研究人員無法確切預測某種能力何時會出現」「對於投入（計算、演算法改進、資料）的指數成長是否會持續，專家們意見不一」。

還不清楚的事：尚未知道的事（由各國選出的專家指出）：①現代大型AI的內部運作（內部機制連開發者也幾乎無法理解，解釋技術也非常有限）。②今後的進步速度（從緩慢到極快都有可能。專家對擴大規模能發揮多大效果，意見不一）。2026年報告中，同樣的不確定性仍持續存在。

研究AI內部運作的研究者自己彙整：「這個領域有許多尚待解決的問題」（來自大學、研究所、企業的29人）

研究大型AI內部各個要素如何計算的領域（解讀運作機制＝機制可解釋性），有29名研究者彙整了這個領域的「尚未解決的問題」。作者所屬單位橫跨企業與大學，包括Apollo Research、Anthropic、Google DeepMind、MIT、哈佛大學、特拉維夫大學、墨爾本大學等。論文肯定近年的進展，同時也寫道：「這個領域有許多尚未解決的問題，必須先解決它們，才能實現許多科學與實用上的益處」。列出的問題包括：作為研究核心線索的「特徵」究竟是什麼，還不明確；目前主要以從外部觀察答案的「黑箱」測試，研究AI的能力；在小型實驗AI上有效的方法，能否推廣到最先進的大型AI，還不知道。

還不清楚的事：尚未知道的事（研究內部結構的專家自己的指摘）：解讀大型AI內部在計算什麼的方法，從基本觀念（「特徵」是什麼）開始，就還不明確。目前AI的能力，主要靠從外部測試來研究。

圖靈預言：「約50年後……提問5分鐘後正確辨別的機率不超過70%」

在1950年的論文中，圖靈寫下自己的展望：大約50年後，就能讓電腦把模仿遊戲玩得很好，一般提問者提問5分鐘之後，正確辨別的機率將不超過70%。他在同一段也寫道，到本世紀末，詞語的用法和人們的想法都會改變，到那時，即使說「機器會思考」，也不會再遭到反對。

後來：2000年的綜合整理的論文（Saygin等人）指出，1991年起舉辦的設有獎金的比賽（羅布納獎）中，還沒有一個程式拿到大獎，從記錄看，機器通常很快就會被識破。也就是說，到了預言所說的年份，預言並沒有以預言的形式實現。另外，對於2000年的比賽結果，曾有人說它「表明圖靈的預測是錯的」，但科普蘭在同一個2000年寫道：「約50年並不意味著恰好50年」。其後在2025年3月，美國大學（加州大學聖地牙哥分校，UC San Diego）的研究者在論文（arXiv）中發表了一項實驗結果：提問者同時與1個人和1台機器對話5分鐘。在被指示扮演人類的2個大型文字AI中，1個（GPT-4.5）有73%的比例被判定為人類，另外1個（LLaMa-3.1-405B）有56%（因為只有2個選項，對前者，提問者正確識破的是其餘的27%）。不過，這只是1個研究團隊的發表，本網站沒有查證後來的評價。至於「說機器會思考，也不必擔心遭到反對」這一點，本網站沒有查證。

還不清楚的事：2025年的實驗中機器被判定為人類，是否就意味著它「正在思考」，目前並不清楚（圖靈本人也認為最初的問題不值得討論，因此把它換成了遊戲）。

「第1次AI寒冬」是從哪一年到哪一年？──不同資料有不同答案。也有歷史學家認為「並不存在第1次AI寒冬」

日本總務省的白皮書（2016）把1970年代稱為「寒冬時期」（譯），Wikipedia則列為1974〜1980年。另一方面，撰寫AI歷史的研究者Nilsson（2010）把1975〜1985年左右稱為AI的「繁榮期（boomtimes）」，認為「AI寒冬」是1980年代後半的事。歷史學家Haigh（2023）則根據電腦學會ACM的AI分會（SIGART）會員在1973〜1978年增加到近3倍等情況，主張「並不存在第1次AI寒冬」。其實，「AI寒冬（AI Winter）」一詞較早的使用例子出現在1984年，用來表達對未來可能到來的寒冬的擔憂。

還不清楚的事：沒有找到按國家、按年份排列的1970年代AI整體研究經費的數字。算不算「寒冬」，取決於以什麼為標準（大型研究所的預算／學會的會員數／這個詞的使用情況），答案會不同。

Wikipedia日語版標題寫「[2020年代以後]第4次AI熱潮」（譯），英語版則寫沒有編號的「AI熱潮」（2020年代）與「AI之春」

Wikipedia日語版「人工智慧的歷史」（譯）在標題中，將第1次AI熱潮定為1956〜1974年，AI寒冬第1期為1974〜1980年，第2次為1980〜1987年，AI寒冬第2期為1987〜1993年，第3次為2006〜2019年，第4次為「2020年代以後」（譯）。日語版「AI寒冬」（譯）有「當前的AI之春（2022年〜現在）」（譯）一節。英語版「AI熱潮」將最近的熱潮定為2020年代，不加編號，並寫道也稱為「AI之春」。英語版「AI winter」將主要寒冬定為1974〜1980年與1987〜2000年，共2次。

還不清楚的事：Wikipedia隨時更新。這裡記載的是2026-09時版本的內容。

庫茲威爾預言AI將在2029年之前達到人類水準的智慧──2002年與持反對意見的Mitch Kapor賭2萬美元，並在2024年的書中重新檢視

以未來預測聞名的發明家雷·庫茲威爾，在1999年預言，AI將在2029年之前達到人類水準的智慧（出版社的說明）。2002年，他與Mitch Kapor以2萬美元打賭，對手的預言是「截至2029年，沒有任何電腦……通過圖靈測試」（Kapor一方）。規則定得很細：由3位評審，分別與電腦和3個人類共4位對象各用文字交流2小時（合計24小時），只要騙過3位評審中的2位以上，就算通過。庫茲威爾在2024年的書「奇點更近了」中，重新審視了這個2029年的預言。

後來：結果要到2029年才知道。2025年，有研究顯示，在5分鐘對話的測試中，GPT-4.5有73%的比例被判定為人類。但這是與賭約條件（合計24小時的測試）不同的測試，賭局本身的判定還沒有出來（沒有找到賭局判定的記錄）。

AI能否在2025年以前拿到數學奧林匹亞金牌──2022年，2位研究者分別預測低於8%與高於16%。2025年7月，結果揭曉

AI研究者保羅·克里斯蒂亞諾和埃利澤·尤德科夫斯基對AI進步的看法不同。於是他們公開了一個能分出對錯的預測：在國際數學奧林匹亞（高中生的比賽）中，「在比賽前開發的AI……能在2022〜2025年中的某一年拿到金牌」的機率（時間等規則按IMO大挑戰的規定）。克里斯蒂亞諾說低於8%，尤德科夫斯基說16%以上。對於解出最難一道題的機率，克里斯蒂亞諾預測低於4%。2025年7月，Google DeepMind宣佈，Gemini的增強版6道題中完整解答了5道，42分中拿到35分（金牌分數），並由比賽的評分員正式評分並確認。它在4.5小時的限時內，用普通的自然語言寫出了解答。

後來：2025年7月，Google DeepMind的Gemini增強版在42分中拿到35分（金牌分數）。比賽的評分員正式評分，國際數學奧林匹亞的主席確認為「金牌分數」（不過據部落格所述，確認的是解答，並不是對AI結構的驗證）。比賽在4.5小時的限時內進行，最難的一題（第6題）沒有解出（6題中解出5題）。兩種預測都是機率，無法斷定中或不中，但實際結果更接近把機率估得較高的一方（高於16%）。

庫茲威爾預言AI將在2029年之前達到人類水準的智慧──2002年與持反對意見的Mitch Kapor賭2萬美元，並在2024年的書中重新檢視

以未來預測聞名的發明家雷·庫茲威爾，在1999年預言，AI將在2029年之前達到人類水準的智慧（出版社的說明）。2002年，他與Mitch Kapor以2萬美元打賭，對手的預言是「截至2029年，沒有任何電腦……通過圖靈測試」（Kapor一方）。規則定得很細：由3位評審，分別與電腦和3個人類共4位對象各用文字交流2小時（合計24小時），只要騙過3位評審中的2位以上，就算通過。庫茲威爾在2024年的書「奇點更近了」中，重新審視了這個2029年的預言。

後來：結果要到2029年才知道。2025年，有研究顯示，在5分鐘對話的測試中，GPT-4.5有73%的比例被判定為人類。但這是與賭約條件（合計24小時的測試）不同的測試，賭局本身的判定還沒有出來（沒有找到賭局判定的記錄）。

2011年，後來成為Google DeepMind研究者的Shane Legg預測：「達到人類程度的AGI……平均為2028年，最可能的是2025年」

AI研究者Shane Legg在部落格上每年發布預測，在2011年的最後一天也發布了。他用機率的山峰（分布）表示出現人類水準的通用AI（AGI）的年份，平均是2028年，可能性最高的年份是2025年（以不發生核戰爭那樣的大事件為前提）。他還寫道：「我預期在未來8年內，會看到令人印象深刻的AGI原型（proto-AGI）」。他解釋說，雛形指的是視覺、聽覺、身體控制、語言的基本能力不是事先裝進去，而是透過學習獲得的系統。在留言區，他本人寫道「這個預測的麻煩之處在於，也許無法確認它是錯的」（並接著說，比如大型軍隊若造出這樣的系統，就有強烈的理由保密），還有「這也許是我最後一次年度預測。理由之一是，可以說，說中說不中都是吃虧的事」。

後來：被認為可能性最高的2025年已經過去。本站沒有找到第三方判定人類水準的AGI已經出現的資料。平均的2028年等待驗證。關於到2019年為止的「原型」，本人給出了判定標準（讓內行人聽1—2小時說明並實際操作後，認為距離人類水準在10年以內的東西），但沒有找到判斷是否有東西符合的資料。

預言：AGI（人類水準的通用AI）「我認為是未來5〜10年」（2025年，Google DeepMind哈薩比斯的電視訪談）

2025年4月，Google DeepMind負責人德米斯・哈薩比斯（2024年諾貝爾化學獎得主）接受美國CBS節目「60 Minutes」訪談。主持人問「AGI的進度是……」（AGI＝像人類一樣，能完成各種智力工作的AI）時，哈薩比斯回答：「我認為是未來5〜10年」。對於「到2030年會有什麼？」的問題，他回答：「對你周遭的一切有細緻而深入的理解、可以說融入了你日常生活的系統」。同一次訪談中，他也指出，目前的AI還無法主動提出新的問題與假設，沒有好奇心，想像力與直覺可能也還稍嫌不足。

後來：預測所指的年份尚未到來（截至2026年9月）。

還不清楚的事：做到什麼才算「AGI」，不同人與企業的標準不同，因此判定是否達成的衡量標準本身還沒有確定（本站的推測。逐字稿將它介紹為「具有人類心智般的多才多藝」）。