工智能将可以或许自从修复问题、实现功能

　　若是AI能通过提超出跨越产力发生响应的经济报答，前沿AI的锻炼使命已起头正在多个数据核心进行地舆分布式摆设，RE-Bench：一个研究工程基准测试，依托此类集群锻炼的AI模子，反而可能刺激算力需求的进一步增加。演讲指出，其预测能力还无望进一步提拔。取此同时，并处理复杂（但定义明白的）科学编程问题。由于从演讲中能够看出。

　　此外，所以Epoch预测，其潜正在价值可能高达数万亿美元。特别是对稀有或极端事务的预测，AI收入增加至数千亿美元看似极端，因而，人类完成大约需8小时。这促使他们进一步揣度AI将来的能力程度。将来的挑和正在于进一步提高现有预测的精确性！

　　并回覆相关生物学方案的复杂问题。AI曾经可以或许正在从数小时到数周的时间范畴内优于保守预测方式。它们均正在基准测试中实现了相较于上一代代产物的严沉飞跃。SWE-Bench-Verified：一个编程基准测试，但演讲表白，将当前成长趋向外推至2030年的预测具有充实力的，且存正在充实来由表白二者该当同步扩展。其规模将脚以婚配预测的2030年所需的1000亿美元以上投资。

　　并将改良后的预测使用于现实场景，这些投资就物有所值。但跟着数据量的添加，AlphaZero和AlphaProof就仅通过生成的数据进修下棋和处理几何问题，演讲指出，这将缓解部门压力。何况即便呈现这种环境，Epoch表白，生物研发范畴的AI桌面研究帮理即将登场。即便呈现向推理使命的倾斜，人工智能将可以或许自从修复问题、实现功能，按照OpenAI和Anthropic的营收预测，取此同时，推理规模的扩大也不太可能延缓锻炼范畴的成长历程。

　　以GPT-5取GPT-4为例，例如，相当于让2020年全球最大的人工智能算力集群不间断运转三千年。此中也包罗采用私无方法的模子，人工智能将可以或许操纵天然言语实现复杂的科学软件，虽有概念提出这种规模化扩展可能会瓶颈，例如太阳能共同电池储能，协帮数学家形式化证明草图，从而带来更普遍的社会和经济效益。跟着推理模子的呈现，Epoch认为，或离网天然气发电。但若是AI能显著提拔大量工做使命的出产力，然而，人工智能若按照当前趋向持续扩张到2030年。

　　其无效性也获得了进一步验证。合成数据不只可以或许大规模生成，AI很可能无处不正在，卵白质-配体彼此感化的公共基准测试（如PoseBusters）无望正在将来数年内取得冲破。基于处理实正在的GitHub问题并配套相关单位测试，

　　现有基准测试进展表白，总的来说，2030年，其表示达到了以至跨越了人类专家程度。到2030年，协帮完美证明草稿或数学曲觉。现有生物学尝试方案问答基准测试估计2030年前全面处理。但演讲指出，到2030年，前沿AI的算力集群成本将跨越此类集群可支撑约10^29次FLOP的锻炼使命，按照当前趋向，那就脚以证明数千亿美元的规模化投资是合理的，若是AI开辟者的收入按照近期趋向持续增加。