研究：AI专家与超级预测者集体低估AI进展速度
Forecasting Research Institute汇总多轮LEAP面板预测后发现，数学奥林匹克金牌、病毒学基准等里程碑比专家中位预测提前数年出现，但自动驾驶等现实场景的预测未必偏低。
AI解读：这项研究的价值在于把“专家预测靠不靠谱”变成一个可核对的问题。FRI从2022年中开始用LEAP面板收集AI进展预测，样本包括339名专家，其中76名计算机科学家、76名产业专家、68名经济学家和119名AI政策专家，另外还有过往预测记录良好的超级预测者。
从结果看，被记录到的高估偏差集中在少数里程碑上：AI在2025年7月达到国际数学奥林匹克金牌水平，比专家中位预测早五年，比超级预测者中位预测早十年。专家对实际发生基准给出的平均概率为24.6%，超级预测者为9.7%；数学奥赛金牌这一项分别只有8.6%和2.3%。
另一类低估出现在应用基准：病毒学能力测试上专家中位预期2030年追平顶尖团队，超级预测者预期2034年，FRI认为可能2025年4月就已发生；网络安全基准也出现类似偏差。但生物实验室任务对照试验中，语言模型表现与单独使用互联网没有可测量差异，说明基准追平不等于现实任务全部解决。
经济预测同样偏保守：专家对2026年底AI公司最高年化收入的中位预测是200亿美元，经济学家160亿，超级预测者250亿；FRI援引Anthropic约1000亿美元作为可能已达到的参考，并称2026年7月报告的650亿美元已远超所有组最高估计。
研究也提示自身局限：低估在现实超过预测时立刻可见，高估要等截止日期过去才能确认，因此中期报告天然偏向发现“太保守”的案例；部分评估还依赖原始预测者当时没有的LLM信息。FRI后续将单独标注预期2040年前AI极速进展的受访者，并发布持续更新的LLM预测。
Forecasting Research Institute（FRI）自2022年中起通过多轮LEAP（Longitudinal Expert AI Panel）调查收集AI进展预测，样本包含339名首轮专家，其中76名计算机科学家、76名产业专家、68名经济学家、119名AI政策专家，计算机科学家中包括30名顶尖高校教授和10名被引最高的AI作者，面板还纳入有准确预测记录的超级预测者。
研究结论是：在多项已被现实追上的里程碑上，专家和超级预测者的预测都偏低。最明显的是数学：AI在2025年7月达到国际数学奥林匹克金牌水平，比专家中位预测早五年，比超级预测者中位预测早十年。这些预测采集于2022年ChatGPT发布前，FRI称该模式之后仍然成立。
数学、病毒学与网络安全基准提前达标
按专家预测，实际发生的基准结果平均概率为24.6%，超级预测者为9.7%；数学奥赛金牌一项分别降至8.6%和2.3%。
AI可能还解决了一个千禧年大奖难题，但尚不清楚解答是否符合评估标准。在2025年8月和9月的调查中，专家对2027年底前出现此类解答的中位概率仅为10%，超级预测者为5.4%。
在病毒学能力研究中，专家预计AI模型到2030年才能在故障排查基准上追平顶尖病毒学家团队，超级预测者预计2034年。FRI称这可能在2025年4月就已发生。网络安全基准出现类似低估。受访者把这一里程碑与更高的生物风险预期联系起来，而非与任何已记录的实际危害上升挂钩。
收入预测偏保守，现实任务结果更复杂
经济预测也偏保守。专家对2026年底任何AI公司最高年化经常性收入的中位预测为200亿美元，经济学家为160亿美元，超级预测者为250亿美元。FRI援引Anthropic在2026年9月约1000亿美元作为可能已经达到的数字。Anthropic和OpenAI的年化收入远超所有受访组的中位预测，即使最高组估计250亿美元也远低于2026年7月报告的650亿美元。
并非所有预测都偏低。生物安全专家预计22.5%的使用语言模型的参与者能完成生物实验室任务，病毒学家预计40%，超级预测者预计16.2%。在一项对照试验中，使用语言模型和互联网的参与者只有5.2%成功，仅使用互联网的为6.6%。语言模型没有带来可测量的差异，不过该试验规模较小。
专家在自动驾驶上可能高估了。他们对2027年美国自动驾驶网约车行程占比的中位预测为7.3%，而一个LLM预测为2.5%。FRI表示经济增长、就业和重大AI危害方面的预测目前还无法可靠判断。
受访者上调预期，FRI调整预测方法
受访者正在上调预期。在完成两次调查的人中，九个月内AI成为“世纪技术”的平均概率从专家的31%升至36%，超级预测者从28%升至35%。专家和超级预测者现在都预期AI会产生比九个月前更大的社会影响，两组都把最高平均概率赋予“世纪技术”，与电力同级。
FRI接下来将单独标出一组预计到2040年AI极速进展的受访者，并同时发布持续更新的LLM预测与人类预测。据ForecastBench，一些模型在某些问题类型上已能匹配超级预测者。FRI还希望找出最准确的LEAP小组成员，在数据足够后展示他们的预测。
FRI也指出自身数据的一个问题：低估在现实超过预测时立刻可见，高估要等截止日期过去才能确认，因此中期报告天然偏向发现预测者过于保守的案例。FRI的部分评估还依赖使用了原始预测者当时没有的信息的LLM预测。