Sayash Kapoor:AI 超人能力不会自动迁移到所有任务
sayashk · x · 2026-10-10
AI Normal Technology 论点提出者 Sayash Kapoor 长文论证：AI 是否在所有任务上都「狂野超人」，取决于任务本身有没有天花板，而非 AI 进步速度。他将任务分为三类：
- 第一类「把楼盖高」：无上限任务，算力与算法改进可带来超人表现，如编译器、模糊测试、数学与漏洞挖掘——整个计算史就是造超人工具的历史
- 第二类「把球弄圆」：改进空间有限，AI 无法大幅超越人类。说服力、预测社会事件属于此类，尤其面对使用简单工具的人类时受外部因素限制；AI 写作也会因风格单一而迅速让人疲劳
- 第三类「需要真实世界实验」：瓶颈在数据收集而非计算。如 Moderna 疫苗设计只用两天，测试授权却花了近一年——「超级智能」无法在数据中心里治愈癌症
结论：超人类网络安全/数学能力不会自动迁移到许多重要任务上，这是「正常技术世界观」与「超级智能世界观」的核心分歧点。
「漫话AGI」频道最新
- David Patterson 预测:2030 年 AI 将取代所有人类工作 — davidpattersonx · 2026-10-10
- 推理成本骤降+个人智能体普及，界面设计将迎动态个性化范式 — manosaie · 2026-10-10
- 研究者预言:修复 AI 证明的缺陷,数学家也不会更喜欢 AI — QuintinPope5 · 2026-10-10
- Miles Brundage：竞争厂商的 AI 已能顺畅协作，业界远未用足 — Miles_Brundage · 2026-10-10
- 数学家 Wes Pegden 提议重建数学界「卓越」认定体系 — AlexKontorovich · 2026-10-10
- 一年之变：生成式 UI 从实验长成一套 Web 协议栈 — agihouse_org · 2026-10-10