Anthropic共同創辦人傑克・克拉克於2026年10月17日在泰國曼谷舉行的IMF會議上，發表帕爾・雅各布森演講。他指出，AI已開始在數學、物理學及藥物研發等科學前沿展現成果，並呼籲經濟學家與政策制定者為快速變遷做好準備。克拉克認為，「奇點已經開始」，並探討了為共享AI帶來的利益所需的投資，以及有意識地踩煞車的必要性。
從會寫文章的AI，到走進實驗室的AI
提到生成式AI，許多人想到的應該是能生成文章或圖像的工具。但克拉克在這場演講中談的是更進一步的發展：科學研究。他認為，AI正逐漸進入與人類研究者並肩探索未解之謎的階段。
克拉克援引了科幻作家弗納・文奇於1993年預言的「技術奇點」概念。當超越人類的智慧推動進步時，進步本身將不斷催生更聰明的存在，而且所需時間愈來愈短。這就是技術奇點所指的狀態。克拉克表示，2026年已有令人信服的證據顯示這一過程已經開始。當然，他也承認，「奇點即將到來」是他個人的看法，具體細節仍有討論空間。不過，他在國際貨幣基金（IMF）的場合談論這個概念，本身就足以說明AI議題正逐漸超越科技業的範疇。
AI能成為研究者的「雙手」嗎？
演講中列舉了多個領域的案例。在數學方面，AI被用來提出長期未解難題的解法，也有案例顯示，關鍵的靈光一閃是由AI帶來。在生物學方面，AI被用於設計病毒、找出新藥候選物；據稱，一款由AI大幅參與設計的藥物已進入臨床試驗。在機器人領域，AI正遠端自主操作實驗設備，並推動電池與燃料電池等領域的實驗自動化。
克拉克強調，這些並非彼此獨立的技術。在許多應用中，使用的是同一款最先進模型。他認為，Claude、ChatGPT、Gemini等系統已能在多個科學領域執行前沿工作。
他也表示，軟體開發率先發生的變化，將擴散至科學與機器人領域。據克拉克說，Anthropic內部研究人員撰寫的程式碼量，已達公司創立後前四年的約10倍。另一方面，程式撰寫能力提升，也增強了網路攻擊能力，使防禦方與攻擊方陷入競爭。好處與風險以無法切割的方式同時出現。克拉克稱這是「未來發展的預告片」。
分數揭示能力急遽攀升，物理學家的親身經歷也提供佐證
為說明能力提升的幅度，克拉克提出兩項測驗的數據。他表示，在難題測驗「Humanity's Last Exam」中，2025年1月公開時的最高得分為8%，而演講當週已達67.7%。在由數學家設計的題組「FrontierMath」中，他說得分也從2024年11月公開時的2%升至94%。這些數字是克拉克在演講中提出的。
一則關於理論物理新評測「TheoPhysEval」的軼事尤其引人注目。研究人員讓AI解答由世界各地物理學家共同整理的50道未公開題目，結果AI不僅拿下高分，還主張「專家的標準答案有誤」。重新檢查後，研究人員在專家計算過程的深處發現了數個細微錯誤；每次修正，AI的得分便再提高，最後達到98%（50題答對49題）。這段故事是以論文投稿者斯夫拉特・拉朱的說法介紹的。
克拉克將這一幕比作電影中弟子展現實力、讓師父認可自己的情節。換言之，這是教導者轉而向受教者學習的時刻。他之所以重視這個故事，是因為最前沿的科學正是考驗「創造力」的場域。克拉克認為，如果AI能在科學領域創造性地解決問題，這種能力就可能延伸到許多領域，甚至包括AI研究本身。
研究者增加百倍，經濟成長會改變嗎？
談到經濟成長時，克拉克的主張更加大膽。過去半世紀，許多國家的研究人員人數持續增加，研究生產力卻一路下滑。這就是所謂「好點子愈來愈難找」的問題。如果AI能充當「虛擬研究者」，情況或許會有所改變。克拉克以自身經驗提出問題：如果一個花了約40年才培養成熟的自己，能以數百、數千個複製版本同時工作，情況會如何？
培養一名人類研究者需要10到15年，費用高達數百萬美元。AI只要有運算資源，就能瞬間部署任意數量。克拉克表示，這將提高每位人類科學家的重要性，他們也會轉而負責監督數百至數千名虛擬專家。
他介紹了 Anthropic 自家的模擬結果：若假設模型能自主處理廣泛的工作，並迅速普及至整體經濟，美國 GDP 到 2030 年可能達到 44 兆美元。他也承認這聽起來「十分離譜」，但認為只要技術持續進步，這就是推演出的結果。這是基於特定假設的試算，並非確定的預測。
發現再多，沒有承接的基礎也難以化為成果
他指出，計算資源之後，下一步應建立的基礎設施是實驗設備與機器人。他表示，過去 10 年來，他一直呼籲各國政府建置電力與資料中心，但願意聆聽的政策制定者並不多。如今，資料中心容量在美國、中國及中東日益擴大，但供應鏈吃緊也推高了價格。
下一階段是將發展延伸至實體世界。根據 UNESCO 的估計，全球約有 1,000 萬名科學家。他指出，即使是這樣的人數，也缺少研究督導人員、材料科學分析設施、測試新藥的生物學實驗室，以及太空與地面的大型實驗設備。當虛擬科學家增加到 10 億、100 億人時，會發生什麼事？他提出的問題相當具體。
值得關注的是，他警告「發現將陷入塞車」。即使新藥候選物如雪崩般湧現，若只有少數能進行測試，意義也有限。他向政策制定者疾呼，必須建立機制，加快研究成果從實驗室走向臨床、工廠與實際應用的速度。即使 AI 加速了「構想」，若驗證與落實仍受限於人類社會的速度，瓶頸也只會移到後端。
他將這種情況套用到各國的處境。科學基礎雄厚的先進國家，可以提升研究人員的生產力；供應原材料等資源的開發中國家，則有機會透過建置測試設施、培育科學社群，提高自己在供應鏈中的價值，實現「跨越式發展」。
該交由 AI 處理什麼，又該理解什麼
演講後半段的重心，從期待轉向抉擇。AI 能夠從事科學研究，不代表任何事情都可以交給它。他首先以生物學研究為例，指出這類研究需要最嚴格的人類監督與透明度。AI 研究本身也是如此：對於 AI 主導的研究應設置多少監督，是 Anthropic 這類研究機構必須作出判斷的領域。他表示，雖然這有助加快進展，但也可能導致失控，因此應謹慎推進，並認為有必要制定相關規範。
他也分享了在東京遇到一名大學物理系學生的故事。隨著 AI 開始承擔許多實驗，人們該如何區分哪些實驗應親自進行，哪些可以交給 AI？他表示自己沒有答案，但認為這是各領域都必須自行回答的問題。
第二個抉擇，是要在多大程度上理解 AI 的成果。在數學領域，AI 提出的結果已經愈來愈獨創，甚至需要人類加以解讀。再過幾年，AI 也可能發明出配合自身運作方式的新型實驗設備。人類是否應該理解這些設備？他表示，這同樣是由我們決定的選擇。
區分「做得到」與「應該做」
克拉克回憶，自己十幾歲時曾擔心人口成長、氣候變遷與資源浪費交互影響，將使人類走向崩潰。後來，他親眼見證太陽能板降價的速度比預期更快、人類對人體的理解日益深入並帶來疾病療法、AI 開始用於解讀動物叫聲，以及火箭成功著陸並重複使用。這些經歷讓他感受到，技術能夠改變人們對未來的預期。他表示，這也是自己投入 AI 的原因。
另一方面，AI 本身也蘊含風險。他呼籲，必須為這項技術及其開發企業制定前所未有、切實嚴謹的規範，也需要人類最難做到的特質——「克制」。他的立場是，在建置基礎設施的同時，也應調整技術本身的開發步調，謹慎推進。
結尾時，他引用了卡爾・薩根《暗淡藍點》中的一段話，意指有一天抵達其他星球的人類「會與我們十分相似，但優點更多、缺點更少」。薩根設想這種成長需要數十萬年，克拉克則表示，人類「必須在幾年內做到」。如何同時鍛鍊加速研究的能力，以及懂得停下來的判斷力，將是人類面臨的考驗。
コメント