《麻省理工科技评论》在其AI周报中指出，预测AI的未来影响正变得“越来越难”。这主要是由于三个悬而未决的问题：大型语言模型能否持续变得更智能、AI在公众中的支持度极低、以及立法者的反应混乱。尽管该杂志在预测AI趋势方面拥有出色的记录，但2026年的前景比以往任何时候都更加不确定。
三大核心不确定性
-
LLM的智能增长瓶颈：大型语言模型是当前AI几乎所有兴奋与焦虑的基石，驱动着从AI伴侣到客服代理的一切。然而，我们不知道它们在不久的将来是否会继续变得更智能。如果这一技术进步放缓，将产生巨大影响。
-
AI在公众中的极低支持率：尽管OpenAI的Sam Altman与总统共同宣布了5000亿美元的数据中心计划，但许多美国人强烈反对在自家社区建造此类设施。科技巨头正面临一场赢得公众舆论的艰苦战斗。
-
混乱的立法者反应：从希望保护儿童免受聊天机器人伤害的加州进步派立法者，到日益与特朗普结盟的联邦贸易委员会，各方动机和方法不同，他们能否搁置分歧并真正约束AI公司仍是未知数。
AI在科学发现中的实际作用
虽然机器学习早已用于科学研究，但基于较新大型语言模型的聊天机器人（如ChatGPT）的记录较为有限。它们在分析大量研究成果以总结已知信息方面表现良好，但一些关于AI模型取得真正突破（如解决未解决的数学问题）的高调报告被证明是虚假的。它们可以辅助医生诊断，但也可能鼓励人们未经咨询医生就自行诊断健康问题，有时会带来灾难性的后果。
参考文献
Heaven, W. D. (2026, January 6). Why AI predictions are so hard. MIT Technology Review.
本文基于作者Will Douglas Heaven的评论，他提到了该杂志在预测AI趋势上的过往记录（如2025年的预测全部实现），以及当前面临的三大不确定性：LLM的智能增长、公众对AI基础设施的反对、以及立法者反应的混乱。文中也提及了AI在科学发现中的实际应用与局限，如AlphaFold的成功与LLM在解决数学问题上的失败案例。