智谱唐杰对AI与计算机的本质进行了深刻洞察，提出AGI的核心是自主探索与自我意识。他认为记忆与持续学习是AI超越人的关键，并大胆预测2026年将成为AI for Science领域的爆发元年，为理解AI未来提供了清晰的前瞻性框架。
智能速览
AGI的核心是能自主学习、探索未知和具备自我意识。
记忆与持续学习是实现AI超越人类的关键路径。
计算机的三大能力（计算、编程、搜索）叠加将催生超级智能。
AI发展正从推理走向自我反思，最终目标是自我认知。
预测2026年将是AI for Science领域的爆发元年。
精华内容
唐杰从AI发展的层次演变、计算机的本质能力出发，描绘了一条通往AGI的清晰路径，并给出了对未来的具体预判。
AI发展的五层阶梯
人工智能的发展可以被划分为五个递进的层次。早期机器学习专注于f(x)到y的映射，即学习一个函数来处理特定任务。大模型的出现将问题转变为f(x)到x的自监督学习，通过海量数据学习多任务能力。
在此基础上，当前阶段的目标是让模型学习推理，激活底层的智能。再往后，重点在于赋予机器自反思和自学习的能力，通过自我批评不断优化行为。
而终极目标，是让AI拥有自我认知，能够解释自己生成内容的原因与目标，这或许就是AI意识的雏形。
计算机的三大基石
从计算机科学的基本视角看，其能力可以归结为三点。第一是表示与计算，它将数据结构化并进行高效处理，其存储能力早已远超人类。
第二是编程，这一能力让计算机能与外界进行复杂交互，并执行人类定义的精密逻辑。
第三是搜索，计算机的搜索速度和广度是人脑无法比拟的。当这三种能力叠加在一起时，就可能催生出所谓的超级智能，其综合能力有望超越人类。
超越人类的关键
实现AI超越人类的关键路径，在于构建其记忆与持续学习的能力。回溯至2019年的思考，当时就已提出未来AI发展的三个方向：推理、记忆和意识。如今，AI的推理能力已获得初步共识，记忆能力部分实现，但意识仍是长远目标。
只有具备强大的记忆和持续学习能力，AI才能完成跨越时间的长时效任务，真正像人一样工作，并最终进入物理世界，实现从工具到伙伴的转变。
2026年三大看点
对于未来，尤其是2026年，有几个关键趋势值得关注。首先是Scaling Law的持续探索，不断投入数据、扩大模型，以突破能力上限，这是AI实现长任务处理的基础。
其次，AI将实现“工作化”，能够深度融入个人电脑和手机，像人类同事一样协助完成日常工作。
最重要的预测是，2026年可能会迎来AI for Science（人工智能用于科学发现）的爆发，AI能力的提升将为科研领域带来革命性的加速。
唐杰的洞察为我们描绘了AI从工具到伙伴的演进蓝图，其核心在于赋予AI自主探索与持续学习的能力。随着AI for Science的临近，科学发现的范式或许将被彻底颠覆，这不仅是对技术的展望，更是对人类未来探索边界的叩问。
