有人声称“所有指数增长最终都会变成 S 型曲线”，以此论证人工智能（AI）的快速发展将很快放缓。这种说法虽然理论上正确，但往往被滥用。历史上的疫情、出生率和太阳能预测都表明，虽然趋势最终会放缓，但通常比人们预期的要晚得多。在不完全理解一个趋势背后的机制时，更合理的做法是遵循 林迪定律：一个趋势持续得越久，它就越有可能继续持续下去。因此，如果有人声称 AI 的能力增长即将见顶，他们就有责任提供一个具体的模型来解释原因，而不是简单地断言趋势会改变。
指数增长与 S 型曲线的争论
一个常见的论点是，AI 能力的 指数级增长 最终会放缓，形成一条 S 型曲线（或称 Sigmoid 曲线），从而永远不会达到某个非常高的水平。这个观点在技术上是正确的，因为没有任何过程可以永远增长；它最终会遇到物理或实际的限制。
典型的例子是疫情传播：初期缓慢，随后呈指数增长，当大多数人被感染后，增长速度又会放缓，最终停止。
然而，仅仅指出一个趋势 可能 会放缓是不够的。关键问题在于 何时 会放缓。
预测失误的名人堂
历史上充满了过早预测趋势将放缓的例子：
- 联合国的人口预测： 联合国曾多次预测生育率下降的国家将很快趋于平稳。但实际上，这些国家的生育率持续以之前的速度下降，远超预测。
- 太阳能部署预测： 国际能源署（WEO）年复一年地预测太阳能的增长将放缓。然而，每年的实际部署量都继续以惊人的速度增长，远远超过他们的预测。
- AI 能力预测： 2026 年初，有研究团队基于当时的 AI 能力数据，预测其发展曲线很快就会变平。然而，此后发布的下一个 AI 模型的能力就远远超出了他们的预测模型。
这些例子共同的教训是：尽管所有指数增长最终都会变成 S 型曲线，但这并不一定会在你进行分析的那一刻发生。
如何做出更好的预测？
有两种主要方法来预测一个趋势的未来走向。
1. 理解底层机制
最好的方法是深入理解产生趋势的过程。
- 对于流行病，你可以通过了解病毒的复制速度、治愈可能性和易感人群规模来建立模型。
- 对于技术进步，比如飞行速度记录，工程师可以确定特定技术（如冲压发动机）的物理极限，而经济学家可以预测是否有足够的激励去开发下一代技术。
2. 在无知时使用林迪定律
但如果我们不完全理解过程，比如 AI 的发展，该怎么办？在这种情况下，默认的假设应该是 林迪定律：
一个过程已经持续了多长时间，它就可能再持续大约相同的时间。
例如，一个趋势如果已经强劲地持续了七年，那么一个合理的基准预测是，它可能还会再持续七年。这比毫无根据地猜测它明天就会停止要可靠得多。
AI 发展的未来与举证责任
自 2017 年或 2019 年以来，AI 领域一直处于快速发展的“规模化时代”。如果我们对 AI 的未来一无所知，并应用林迪定律，我们可以粗略地预计当前的趋势至少还会持续几年。
因此，如果有人声称 AI 的能力增长永远不会达到某个令人担忧的水平，那么 举证的责任就在他们身上。他们必须清楚地解释：
- 如果他们声称有模型： 他们的具体模型是什么？是否考虑了数据中心增长、算法进步等因素？他们的模型与现有模型有何不同，为什么更好？
- 如果他们将 AI 视为黑箱： 为什么他们不使用林迪定律作为默认预期，而是武断地认为趋势会立即停止？
简单地喊出“所有指数增长都会放缓”并不能构成一个有力的论点。你需要拿出更具体的东西。