FRI 研究指出：AI 發展速度超前頂尖專家預測數年之久

預測研究機構（FRI）發布的中期報告顯示，頂尖研究人員、經濟學家與超級預測員，大幅低估了人工智慧在數學、病毒學以及營收成長等領域的突破速度。

預測專家小組追蹤發現：預測與現實存在巨大差距

根據預測研究機構（Forecasting Research Institute，簡稱 FRI）發布的中期報告，頂尖人工智慧專家、經濟學家與專業預測員，嚴重低估了 AI 領域在技術與財務突破上的步伐。該研究整合自 2022 年中以來的調查數據，將前瞻性預測與過去幾年實際達成的里程碑進行對比。

這項評估的核心為 FRI 的「專家 AI 長期追蹤小組」（Longitudinal Expert AI Panel，簡稱 LEAP），該小組調查了 339 位專家，其中包括 76 位電腦科學家、76 位產業專家、68 位經濟學家以及 119 位 AI 政策分析師。電腦科學家群體中，包含 30 位來自全球排名前 20 名大學的教授，以及 10 位全球論文引用次數排名前 200 的 AI 研究人員。他們的預測結果與「超級預測員」（superforecasters，即具有經證實之高精準度預測紀錄的通才預測者）進行比對。在這兩大群體中，針對重大能力躍升的中位數預測時間點，一致比實際達成的時間晚了好幾年。

數學、科學與營收成長大幅超出預期

最顯著的落差出現在高等數學領域。2025 年 7 月，人工智慧系統在國際數學奧林匹亞競賽（IMO）中取得金牌水準的成績。這項里程碑比專家預測的中位數早了 5 年，更比超級預測員的預期足足提前了 10 年。在 2022 年接受調查時，專家認為該目標在當時實現的機率僅有 8.6%，而超級預測員給出的機率更只有 2.3%。在所有已成真的基準成就中，專家平均給予的達成機率為 24.6%，而超級預測員則為 9.7%。

其他高難度技術基準也出現了類似的差距：

千禧年大獎難題（Millennium Prize Problem）： 隨後有跡象顯示 AI 可能已解開其中一項千禧年大獎難題（官方驗證標準仍在審查中）。FRI 指出，2025 年 8 月與 9 月的調查顯示，專家對於 AI 在 2027 年底前解出該難題的機率中位數僅為 10%，超級預測員更僅給出 5.4%。

病毒學與資安： 當被問及 AI 系統何時能在「病毒學能力測試」（Virology Capabilities Test）的疑難排解基準上匹敵頂尖團隊時，專家給出的中位數時間落在 2030 年，超級預測員則預測為 2034 年。然而 FRI 發現，該門檻很可能在 2025 年 4 月前後就已被突破。資安領域的基準測試也出現了類似的低估情況。

財務成長： 預測者對商業擴張的速度同樣始料未及。專家原本預測，到 2026 年底單一 AI 企業最高的年度經常性收入（ARR）中位數為 200 億美元，經濟學家預測為 160 億美元，超級預測員則為 250 億美元。然而實際數據遠超這些預期，截至 2026 年 7 月已達 650 億美元，Anthropic 更在 2026 年 9 月前達到預估約 1,000 億美元的 ARR。

不過，並非所有領域的預測都低估了進展。預測人員高估了 AI 在濕實驗室（wet-lab）生物學任務上的即時影響：病毒學家原先預測在 AI 輔助下任務完成率可達 40%，但一項小型對照實驗顯示，受試者在使用 LLM 和網路存取的情況下，僅完成了 5.2% 的任務，甚至略低於僅使用網路搜尋的受試者（6.6% 的成功率）。此外，預測人員也預期自駕車的普及速度會更快，預估無人駕駛車輛將在 2027 年前搶下美國叫車服務市場 7.3% 的趟次，相較之下，經 LLM 輔助的模型預估該數字僅為 2.5%。