本文总结了关于AI未来的几项核心判断。近期，Simon Willison分享了他使用Gemini Deep Research的真实体验，并在此基础上做出了一系列颇具深度的远期预测。这些预测跨度从三年到六年不等，既有乐观展望，也不乏悲观预警。不过，这篇文章并非空泛的推测，而是基于他当前的实际工作以及已经观察到的明确趋势。
先来看看他目前如何运用Deep Research。这款工具能够根据一个谷歌搜索指令，自主制定研究计划，访问数十个网站，最终整合出一份附带重要引用的综合报告。
例如，当它查询2016至2019年太平洋棕色鹈鹕的调查报告时，能够精准提取隐藏在PDF文件中的大量细节。Simon最看重的正是这些细节——报告中列出的数据让他印象深刻：他这才知道，支柱点港（Pillar Point Harbor）原来是该物种的第二大栖息地。
对Simon而言，当前的大语言模型（LLM）已经完全能够用来构建个人科研助手。它们可以调用各类工具，制定相对基础的研究计划——本质上就是搜寻新闻文章和研究论文。而且，只要搜索到足够的上下文信息，模型就能整合出可信的答案。谷歌在这方面优势尤为突出：拥有全球最大的网站索引，同时Gemini的上下文窗口容量高达200万个token。Simon认为，Deep Research的能力将持续提升，并且竞争格局很快就会形成。
三年后：AI辅助调查报道斩获普利策奖
Simon做出了一项连他自己都承认“有些自利”的预测：三年之内，将有人因为在调查报道中使用了生成式AI工具而获得普利策奖。
请注意，这里并非指LLM直接撰写稿件。他始终认为，让LLM代笔写作是最无趣的应用之一。之所以说这个预测带有自利色彩，是因为他真心希望自己能够推动这件事成真。
他开源了数据新闻工具包Datasette，并持续为其添加AI功能。比如，利用LLM进行数据增强：从非结构化文本中提取结构化信息，直接转化为表格。
他的理想就是这些工具——或者类似的产品——最终能够应用于获奖的调查报道中。选择“三年”这个时间窗口，是因为他认为让大众普遍学会如何负责任、高效地使用这些工具，并将其真正融入实际工作流程，需要这样的周期。
必须承认，LLM与新闻业天然存在矛盾。记者追求真相，而LLM容易产生幻觉、编造事实。但换个角度思考，记者恰恰擅长从不可靠的信息源中提取有价值的内容——这本来就是新闻工作的核心能力之一。Simon认为，LLM在新闻业有两个特别适合的领域，他希望能成为这些工具的开发者。
因此，他给出的具体预测是：三年内，有人会在少量LLM辅助下赢得普利策奖。更宽泛的预测是：到那时，大多数专业新闻人会将LLM作为日常工作的标准配置，使用方式越来越复杂，但大家反而习以为常，以至于视而不见。
三年后：隐私法规将落地实施
另一个三年后的预测聚焦于隐私立法。关于定向广告以及用户提交到模型中的数据去向，人们一直存在疑虑——而且很多时候确实有理由担忧——这种不安情绪仍在升温。
Simon曾撰文指出，苹果通过监听手机麦克风做定向广告，这属于那种“永远无法根除的阴谋论”。
他之前也写过关于AI信任危机的文章：很多人就是不相信模型不会拿他们输入的数据去训练，哪怕公司反复否认也无济于事。
他反而认为，AI行业本身会从立法中受益，特别是在用户提交数据的训练用途方面需要更明确的规则。而整个科技行业，在数据留存和定向广告上，也确实需要更严格的规范。未来四年，他不指望美国联邦政府能通过相关法律，但预计在州级或国际层面，能看到更多具有实际执行力的隐私法规。当然，他希望这不会催生出新一代的cookie同意弹窗。
六年后的乌托邦：令人惊叹的艺术创作
对于六年后的预测，Simon选择了截然相反的两条路径，一条乐观，一条悲观。他认为六年时间足够长，人类能够找到利用AI技术创作出真正伟大艺术作品的方法。
他并不认为生成式AI用于艺术创作——比如图像、视频、音乐——能获得与文本LLM同等的尊重。生成式艺术工具虽然有趣，但输出缺乏精细控制，这大大限制了它们的实用性，目前最多只能生成一些个人消遣的内容。更关键的是，它们缺乏社会认同。整体氛围上，大家看待AI生成的艺术作品时往往不太顺眼。许多有才华的艺术家强烈反对这些工具，“AI”这个词汇在社会上甚至开始带有贬义色彩。图像和视频模型之所以成为AI训练数据伦理争论的焦点，原因很简单：没有哪个艺术家愿意自己的作品未经授权就被拿去训练模型，然后模型反过来直接与他们竞争。
Simon认为六年时间足以让这一切尘埃落定——让社会找到真正能提升人类表达方式的可行路径。令他兴奋的是，真正有才华、有远见、有创意的艺术家，会利用这六年里演变出来的工具，创作出有意义的作品。这些工具将变得不可或缺，否则那些艺术就不可能实现。
他在播客中提到了《瞬息全宇宙》（Everything Everywhere All at Once），这部影片在2023年斩获七项奥斯卡奖。其视觉特效团队核心成员仅有五人。试想一下，如果给他们配备六年后才可能出现的GenAI工具，他们能创作出怎样的作品？
有趣的是，播客录制后，Simon从Swyx那里得知，Runway ML其实已经应用在《瞬息全宇宙》的制作中。他在播客中预测，使用GenAI工具的电影会在六年内获得奥斯卡奖。现在看来，这个预测已经晚了八年。
六年后的反乌托邦：大规模社会动荡
2031年的悲观预测，落在了“AGI”上。这个术语的定义一直在演变。此前有报道称，微软和OpenAI目前将AGI定义为能创造1000亿美元利润的系统。如果假设AGI能够执行目前人类承担的所有岗位，就很难不去思考潜在的负面后果。奥特曼可能尝试过全民基本收入，但美国现在连全民医保都解决不了，更不用说全民基本收入了。
当大多数工作被机器取代时，很难想象未来的经济还能为大多数人服务。因此他对2031年的悲观预测是：如果这种形式的AGI真的到来，它将带来极其糟糕的经济后果和大规模的社会动荡。
他心目中的AI乌托邦，是那种能够增强人类能力的工具。这正是目前利用LLM在做的事情。他理想的状态是这些工具不断改进，最终让人类能够完成更宏大的工作。如果存在一种AGI能够实现这种乌托邦，他愿意全力以赴。
作者介绍
Simon Willison是一位英国程序员，社交会议目录Lanyrd的联合创始人，也是Web框架Django的联合创造者。2010年末，他联合创立了Lanyrd，之后被收购。2019到2020年，他在斯坦福大学担任约翰·S·奈特研究员（JSK fellow），开始构建服务于数据新闻学的开源工具生态。从2002年开始，他一直坚持在个人博客上撰写文章。
