人类注意力的奇点：AI发展真正加速的是什么

摘要

本文通过收集MMLU分数、计算成本、发布间隔等五个AI指标数据，拟合双曲增长模型预测奇点到来时间。分析发现，arXiv"涌现"论文数量是唯一呈现真正双曲增长的指标，计算出奇点将于2034年7月18日星期二到来。结论揭示了一个反直觉的事实：机器能力本身呈线性增长，而人类对AI的关注和反应才是真正加速的。

内容框架与概述

文章开篇提出一个挑衅性问题：如果AI发展确实在加速，真正的加速对象是什么？作者收集了五个"人类学意义"的AI发展指标，包括MMLU基准分数、每美元token数、模型发布间隔、arXiv"涌现"论文数量以及Copilot代码占比，分别拟合双曲模型寻找共同的增长极点。

通过分析，作者发现除arXiv论文数量外，其他四个指标都呈线性增长，没有真正的奇点信号。这意味着计算出的奇点日期实际上反映的是人类对AI关注度的加速，而非技术本身的突破。

最后，文章将这一发现与社会现实对照：劳动力市场正在剧烈调整，制度机构已跟不上AI带来的变化速度，暗示真正的"奇点"或许已经在我们忽视的维度上发生。

核心概念及解读

双曲增长：当增长过程能够自我加速时出现的超线性增长模式，其特征是在有限时间内趋向无穷大，与指数增长在无穷远处才发散有本质区别。

技术奇点：假设中的时间节点，当前发展轨迹到达极限，系统将突破进入全新状态，通常与通用人工智能的出现相关联，但定义本身存在争议。

涌现：复杂系统中突然出现的新特性或能力，这些特性无法从系统组成部分简单推导而出，是AI研究中重要的未解现象。

MMLU基准：大规模多任务语言理解测试，涵盖57个学科，被广泛用作评估语言模型综合能力的标准化考试。

轮廓似然法：统计推断中用于估计参数置信区间的技术，通过系统性地改变单一参数并重新优化其他参数来评估该参数的不确定性。

原文信息

此摘要卡片由 AI 自动生成