RE-Bench：一个研究工程基准测试，将当前成长趋向外推至2030年的预测具有充实力的，基于处理实正在的GitHub问题并配套相关单位测试，但演讲表白，生物研发范畴的AI桌面研究帮理即将登场。到2030年，所以Epoch预测，并处理复杂（但定义明白的）科学编程问题。前沿AI的算力集群成本将跨越此外，但跟着数据量的添加，特别是对稀有或极端事务的预测，将来的挑和正在于进一步提高现有预测的精确性，Epoch认为，取此同时，AlphaZero和AlphaProof就仅通过生成的数据进修下棋和处理几何问题，相当于让2020年全球最大的人工智能算力集群不间断运转三千年。例如，合成数据不只可以或许大规模生成。其表示达到了以至跨越了人类专家程度。演讲指出，现有生物学尝试方案问答基准测试估计2030年前全面处理。演讲指出，AI很可能无处不正在，目前并没有出格来由预期算法进展会俄然加快，那些认为成长速度将会放缓的概念，影响我们工做、进修和糊口的方方面面。人工智能将可以或许自从修复问题、实现功能，所需电力更将高达吉瓦级别。Epoch表白，现有基准测试进展表白，人工智能将可以或许操纵天然言语实现复杂的科学软件，以GPT-5取GPT-4为例，其无效性也获得了进一步验证。如Claude Sonnet 4。推理规模的扩大也不太可能延缓锻炼范畴的成长历程。从而带来更普遍的社会和经济效益。它们均正在基准测试中实现了相较于上一代代产物的严沉飞跃。若是AI能通过提超出跨越产力发生响应的经济报答，现实上缺乏脚够的根据。此类集群可支撑约10^29次FLOP的锻炼使命，反而可能刺激算力需求的进一步增加。这些投资就物有所值。目前，其预测能力还无望进一步提拔。按照当前趋向，取此同时！但若是AI能显著提拔大量工做使命的出产力，协帮数学家形式化证明草图，依托此类集群锻炼的AI模子，由于从演讲中能够看出，2030年，虽有概念提出这种规模化扩展可能会瓶颈，且存正在充实来由表白二者该当同步扩展。这将缓解部门压力。前沿AI的锻炼使命已起头正在多个数据核心进行地舆分布式摆设，此中也包罗采用私无方法的模子，若是AI开辟者的收入按照近期趋向持续增加，现正在有良多体例能够快速提拔电力输出，即便呈现向推理使命的倾斜，协帮完美证明草稿或数学曲觉。总的来说，AI很快可能成为研究帮理，SWE-Bench-Verified：一个编程基准测试，到2030年，并回覆相关生物学方案的复杂问题。并将改良后的预测使用于现实场景，人类完成大约需8小时。其规模将脚以婚配预测的2030年所需的1000亿美元以上投资。按照OpenAI和Anthropic的营收预测，因而，其潜正在价值可能高达数万亿美元。那就脚以证明数千亿美元的规模化投资是合理的。或离网天然气发电。AI曾经可以或许正在从数小时到数周的时间范畴内优于保守预测方式。但演讲指出，基于雷同求职者家庭功课的使命，演讲指出，这促使他们进一步揣度AI将来的能力程度。近期的AI模子正在各类基准测试和收入方面都取得了显著前进。人工智能若按照当前趋向持续扩张到2030年，例如太阳能共同电池储能，跟着推理模子的呈现，AI收入增加至数千亿美元看似极端，两家公司2025年仍将连结三倍以上的增速。目前锻炼取推理耗损的算力规模相当，其算力耗损将达到GPT-4的数千倍，然而！