1年智能体落地，3年获普利策奖，6年或引发危机，Django之父6大预测

说几个关于AI未来的核心判断。最近Simon Willison分享了他用Gemini Deep Research的真实体验，顺便做了几个挺有意思的远期预测。从三到六年不等，有乐观的，也有悲观的。但这篇文章不是空谈，而是基于他正在做的事和已经看到的趋势。

先说说他现在怎么用Deep Research。这个工具能根据一个谷歌搜索任务，自己制定计划，然后访问几十个网站，最后整合出一份报告，还会附上重要引用。

比如它查2016到2019年太平洋棕色鹈鹕的调查报告，能找到藏在PDF里的海量细节。Simon最在意的就是这些细节——报告里列出的数据让他很满意：他才知道，支柱点港（Pillar Point Harbor）原来是个第二大栖息地。

对Simon来说，现在的LLM已经完全可以用来搭建自己的科研助手了。它们能调用工具，能做出比较基础的研究计划——无非就是去找新闻文章和研究论文。而且只要搜索到了合适的上下文，就能整合出靠谱的答案。谷歌尤其适合干这个：他们有全球最大的网站索引，Gemini的上下文窗口能到200万个token。Simon觉得Deep Research会越来越好，而且竞争很快就会跟上。

三年后：AI辅助拿下普利策奖

Simon做了一个他自己都承认“有点自利”的预测：三年之内，有人会因为在调查报道中使用了生成式AI工具而获得普利策奖。

注意，不是说LLM直接写稿子。他始终认为，让LLM代替人写东西，这是最无聊的应用之一。之所以说这个预测自利，是因为他真的希望自己能推动这件事发生。

他开源了数据新闻工具包Datasette，而且一直在往里面加AI功能。比如，用LLM来做数据增强：从非结构化文本里提取结构化信息，直接变成表格。

他的梦想就是这些工具——或者类似的东西——最终能用到获奖的调查报道里。选择“三年”这个时间窗口，是因为他认为要让人们普遍学会怎么负责任、有效地用这些工具，并且真正应用到实际工作中，需要这么长的时间。

必须承认，LLM和新闻业天然存在矛盾。记者要的是真相，而LLM容易产生幻觉、编造事实。但换个角度看，记者恰恰擅长从不可靠的信息源里提取有价值的东西——这本来就是新闻工作里很重要的一环。Simon认为LLM在新闻业有两个特别适用的领域，他希望自己就是开发这些工具的人。

所以他给三年的具体预测是：有人会借助少量的LLM辅助，拿下普利策奖。更宽泛的预测是：到那时候，多数专业新闻人会把LLM当成日常工作的标配，而且用得越来越复杂，但大家反而习以为常，以至于视而不见。

三年后：隐私法将落地

另一个三年后的预测落到隐私立法上。关于定向广告和个人提交到模型里的数据到底去了哪里，人们一直杯弓蛇影——而且很多时候确实有理由——这种担忧还在升温。

Simon写过，苹果靠监听手机麦克风做定向广告，这属于那种“永远无法根除的阴谋论”。

他之前也写过关于AI信任危机的文章：很多人就是不相信模型不会拿他们输入的数据去训练，哪怕公司反复否认也没用。

他反而觉得，AI行业本身会从立法中受益，特别是在用户提交数据的训练用途方面需要更明确的规定。而整个科技行业，在数据留存和定向广告上，也确实需要更严格的规则。未来四年，他不指望美国联邦政府能立法，但预计在州级或国际层面，能看到更多有实际执行力的隐私法规。当然，他希望这不会催生出新一代的cookie同意弹窗。

六年后的乌托邦：令人称奇的艺术

六年的预测，Simon选了截然相反的两条路，一个乐观，一个悲观。他认为六年时间足够长，人类会找到利用AI技术做出真正伟大艺术作品的方法。

他并不认为生成式AI用于艺术创作，比如图像、视频、音乐，能获得和文本LLM同等的尊重。生成式艺术工具虽然有趣，但输出缺乏精细控制。这大大限制了它们的实用性，现在顶多生成一些个人消遣的内容。更关键的是，它们缺乏社会认同。整体氛围上，大家看AI生成的艺术作品不太顺眼。很多有才华的艺术家强力反对这些工具，“AI”这个词在社会上甚至开始带点贬义。图像和视频模型之所以成为AI训练数据伦理争论的焦点，原因很简单：没有哪个艺术家愿意自己的作品未经允许就被拿去训练模型，然后模型反过来直接和他们竞争。

Simon认为六年时间足够让这一切尘埃落定——让社会找到真正能提升人类表达方式的可行路径。让他兴奋的是，真正有才华、有远见、有创意的艺术家，会用这六年里演变出来的工具，创作出有意义的作品。这些工具不可或缺，否则那些艺术就不可能实现。

他在播客里提到了《瞬息全宇宙》（Everything Everywhere All at Once），这部片子拿了2023年七项奥斯卡奖。它的视觉特效团队核心只有五个人。试想一下，如果给他们用上六年后才可能出现的GenAI工具，他们能做出什么样的作品？

有意思的是，播客录制后，Simon从Swyx那里才知道，Runway ML其实已经用在了《瞬息全宇宙》的制作中。他在播客里预测，使用GenAI工具的电影会在六年内拿到奥斯卡奖。现在看来，这个预测已经晚了八年。

六年后的反乌托邦：大规模社会动荡

2031年的悲观预测，落在“AGI”上。这个术语的定义一直在变。之前有报道说，微软和OpenAI现在把AGI定义为能创造1000亿美元利润的系统。如果假设AGI能执行目前人类承担的所有岗位，那就很难不去想潜在的负面后果。奥特曼可能试过全民基本收入，但美国现在连全民医保都解决不了，更别说全民基本收入了。

当大多数工作被机器取代时，很难想象未来的经济还能为大多数人服务。所以他对2031年的悲观预测是：如果这种形式的AGI真的来了，它会带来极其糟糕的经济后果和大规模的社会动荡。

他心目中的AI乌托邦，是那种能增强人类能力的工具。这正是目前用LLM在做的事情。他理想的状态是这些工具不断改进，最终让人类能完成更宏大的工作。如果有哪一种AGI能实现这种乌托邦，他愿意全力以赴。

作者介绍

Simon Willison是一位英国程序员，社交会议目录Lanyrd的联合创始人，也是Web框架Django的联合创造者。2010年末，他联合创立了Lanyrd，之后被收购。2019到2020年，他在斯坦福大学担任约翰·S·奈特研究员（JSK fellow），开始构建服务于数据新闻学的开源工具生态。从2002年开始，他一直坚持在个人博客上写文章。