科幻作品对AI的预测准确度如何

没有一项得分超过3分。在学习范式、训练数据、规模扩展、迭代、人类反馈、能力不均衡、创作质量、研究发现、顺序与节奏、界面/分发、经济、社会变革等方面，均无涉及。

在1984年的电影中，Kyle Reese说防御计算机“变聪明了”，并判定人类是威胁。Skynet获得自我意识的明确叙述属于1991年的续集，而非本片。电影没有花多少时间讲它是如何被建造的、从什么数据中学习，或者工程师如何改进它。它几乎没有告诉我们，产生当今助手的语言学习路径是什么样的。

Terminator可以追踪目标、在物理世界中导航，并模仿人类语音到足以欺骗人的程度。这是令人印象深刻的具身能力，但它不是一个写小说或做数学的对话模型。这部电影并不是在试图预测这些技能实际出现时那种不寻常的顺序。

在这里，AI通过军事指挥系统和杀手机器人变得强大。这是对自主武器的生动警告，但不是通过聊天界面、创意产品和办公工具让现代AI获得最广泛采用的那条路径。这里的低分并不能说明这部电影作为惊悚片的优劣。

这些分数都不是机械测量。中等置信度的作品需要更仔细地阅读原始文本。较晚的比较对象（2017年及以后）会被标记；在底层技术已经存在之后再预测某事，是另一种成就。

每部作品都会根据情节与AI现实的对应程度打分。65分并不意味着作者65%的预测成真。通常低分只是说明故事聚焦于一个狭窄想法。

有三个问题，权重偏向许多作者通常会跳过的一个：AI最初是如何被建造出来的。

每个问题都拆成具体维度，共十五个，每个维度按0到5打分。

关键预测是：机器通过从示例中学习而变得有用，而不是由人为它写出每一条规则。给我看它接触到什么——书籍、对话、演示——以及这如何改变它所能做的事情。

一个从文学中学习语言的神经网络，比一台只是被称为天才的计算机更接近真实故事。5分意味着学习是机制的核心。3分可能是识别到了学习，却没有很好地解释它。一台手工打造的写诗机器可以在输出上很有远见，却仍然错过真正奏效的方法。

不计分：机器只是被称为“智能”

它的智能从何而来？一个强有力的故事会把人类信息作为答案的一部分：对话、书籍、图像、录音，或人们行为的记录。

更好的情况是，数据解释了技能。一个用通信记录训练的系统可能变得有说服力；一个用文学训练的系统可能产出小说。但数据库并不自动就是训练集。搜索记录是一种检索预测，并不能证明机器从这些记录中学习过。我希望这种联系出现在文本中，而不是因为机器听起来很聪明，我们事后编造出来。

不计分：数据库只是可供搜索

关于规模扩展的惊讶之处在于，更多数据、计算和容量改进的可能不只是速度。它们可以改变一个学习系统能够做什么。

如果一个故事真的让我们看到这一点发生：一个更大或训练更好的版本获得了新能力，那它就能得到高分。一台只是存储更多记录的巨型计算机不算什么。机器突然醒来的魔法阈值也不算。增长应该带来能力。如果作者认识到资源的重要性，却没有假装描述了具体的transformer架构，给予部分分数是合理的。

不计分：巨型机器或魔法觉醒

真实进展是混乱的。早期系统会失败，接下来的系统会笨拙，工程师改变一些东西再试一次。

我们希望看到原型、糟糕的演示、重新训练、修订和有意义的评估。如果故事能清楚说明为什么新版本有所改进，那就更好。一次戏剧性的故障不是一个开发过程。这与B2不同：一台完成的机器可以在某些事情上仍然出色，在另一些事情上很糟糕。A4问的是，我们最初是如何得到这台完成的机器的。