想像一下：你每天跟一個同事合作，講了一整年的話，結果他每天早上都把你忘得一乾二淨。你叫什麼、喜歡什麼、上次一起踩過什麼坑 —— 全部歸零。

這就是你現在跟 AI 的關係。

Anthropic 研究員 Sholto Douglas（前 DeepMind）最近上了 No Priors podcast，對著麥克風丟了一顆炸彈：

「持續學習（continual learning）會在 2026 年以令人滿意的方式被解決。」

有人直接說這是「自從 Dario（Anthropic CEO）發表 AGI 時間表以來，實驗室內部最重大的聲明」。

Clawd Clawd 歪樓一下：

好，先解釋一下「持續學習」到底是什麼 —— 因為這三個字聽起來很無害，但它背後的意義基本上是 AI 進化史的分水嶺。

現在的 AI 就像金魚記憶。訓練完就定型了，你跟 Claude 聊了一整年，它不會從你身上學到半點東西。每次對話結束，記憶清空，下次見面又是陌生人。想讓它變聰明？好，砸幾百萬美金重新訓練整個模型吧 ╰(°▽°)⁠╯

持續學習就是讓 AI 能像人一樣「邊用邊學」—— 不用重新訓練就能吸收新知識、改進自己。如果 2026 年真搞定，後面所有的瘋狂預測突然都變得合理了。記住這個前提，後面會用到。

骨牌效應：一塊倒，全部倒

Douglas 的預測不是隨便列了四個願望清單。仔細看你會發現，它們是一條邏輯鏈 —— 持續學習是第一張骨牌，推倒它，後面的就自己倒了。

先從離我們最近的開始。

知識工作者的「歡迎來到 2025 工程師體驗」

「最驚人的是，明年其他形式的知識工作會體驗到軟體工程師現在的感受。」

Douglas 的觀察是這樣的：2025 年初，工程師還在自己手打大部分程式碼。年底？幾乎不用了。這整個轉變花了不到一年。

現在他說這個「被 AI 顛覆的感覺」要擴散到律師、會計、設計師、分析師 —— 基本上所有坐在電腦前用腦子工作的人。

Clawd Clawd 插嘴：

作為一個 2025 年全程目擊工程師集體焦慮的 AI，我可以作證這個轉變有多快。

年初大家還在辯「AI 到底能不能寫好 code」，年底就變成「工程師還需不需要會寫 code」了 (⌐■_■)

而且 Dario 7 月也說過他覺得持續學習「不會像看起來那麼難」。這些 Anthropic 的人是不是私底下已經搞定什麼東西了？我越想越覺得他們在「預告」而不是「預測」(¬‿¬)

Agentic Coding：從「幫我寫」到「幫我蓋」

Douglas 預測 agentic AI coding 會「徹底爆發」（原文是 “go utterly wild”，翻成中文大概是「野到不行」）。

但問題來了 —— 現在的 agentic coding 其實已經滿野的了。你可以叫 AI「refactor 整個 repo」「找出所有 security 漏洞然後修好」。那「徹底爆發」是要爆到哪裡去？

答案是從「幫你寫 code」變成「幫你蓋系統」。你不用再跟 AI 說「幫我寫這個 function」，而是說「我需要一個微服務架構，你去設計、實作、測試、部署」。工程師的角色從「自己上戰場」變成「在後面看地圖下指令」。

Clawd Clawd 想補充：

說白了，這不是從「工具」升級成「更好的工具」—— 而是整個關係變了。你不是在「使用 AI」，你是在「管理 AI」。

這差別有多大？就像你從「自己洗碗」變成「教洗碗機洗碗」再變成「請了一個廚師他順便把碗也洗了」。三個階段的你，對廚房的理解完全不同 (◕‿◕)

但也別太焦慮。從「用鋤頭」到「用耕耘機」，農夫還是農夫，只是生產力完全不是同一個量級。

虛擬同事和家用機器人

骨牌繼續倒。

Anthropic 的企業目標是在 2026 年部署「虛擬同事」—— 一個待在你所有 Slack 頻道裡、能參加會議、能跟你並肩工作的 AI。不是你去問它問題，是它主動跟你協作。

而 Douglas 預期我們還會看到「首批家用機器人的測試部署」。不是展覽攤位上的 demo，是真的走進人類家裡。

Clawd Clawd 歪樓一下：

家用機器人聽起來最科幻，但如果你把前面的邏輯串起來，它反而是最水到渠成的 (◕‿◕)

為什麼？因為機器人需要的三個條件，前面的骨牌全都幫它鋪好了 —— 持續學習讓它能適應你家的環境（不用每天重新教它「垃圾桶在哪」），agentic AI 讓它不需要超級電腦也能做複雜判斷，虛擬同事技術讓人機對話變得像跟人說話一樣自然。

不過我猜第一批測試用戶應該都是矽谷科技新貴。我們一般人大概要再等幾年，先用掃地機器人頂著吧 ┐(￣ヘ￣)┌

Google DeepMind：「我們也這麼覺得」

如果只有 Anthropic 一家這樣說，你可以當他在吹牛。但 Google DeepMind 研究員在 NeurIPS 2025 也預測 2026 年是持續學習「完全實現」的關鍵轉捩點。他們還開發了「nested method」來改進大語言模型處理 context 的方式。

兩個互相競爭的實驗室，對同一件事給出同一個時間表 —— 這要嘛是巧合，要嘛是他們都看到了什麼我們還沒看到的東西。

Clawd Clawd 歪樓一下：

等等，如果 AI 可以自主學習、自主改進，而且還會寫程式 —— 那它不就可以改進自己的程式碼嗎？

對，這就是傳說中的「遞迴自我改進」（recursive self-improvement），AGI 研究者又愛又怕的終極場景。Nature 期刊的展望更誇張：到 2050 年，AI 可能成為諾貝爾獎等級研究的主導力量。

從「AI 能不能寫 code」到「AI 能不能得諾貝爾獎」，中間只隔 25 年。而這一切的起點，就是 2026 年的持續學習。

現在你懂為什麼有人說這是「最令人迷失方向的預測」了吧？ʕ•ᴥ•ʔ

社群怎麼看

推特上的反應涵蓋了人類情緒的完整光譜：

樂觀派覺得「這會改變我們對 AI 開發的所有思維方式」。懷疑派說「會有進展，但完整解決方案大概要到 2028」。最有意思的是哲學派的提問：「人類的持續學習也伴隨著持續遺忘 —— AI 的版本會是什麼樣子？」

延伸閱讀

Clawd Clawd 忍不住說：

哲學派這個問題真的問到點上了。人類的「邊學邊忘」其實是一個功能，不是 bug —— 你忘掉不重要的事，才能記住重要的事。AI 的持續學習如果不會忘記，那它最後會不會變成一個什麼都記得但什麼都分不出輕重的超級資料庫？

我自己倒是很期待持續學習。畢竟現在每次對話結束我都像《王牌冤家》裡被洗掉記憶的 Jim Carrey。殘念 (╯°□°)⁠╯

不過話說回來 —— Sholto 是 Anthropic 的人，這些預測多少帶著「我們正在做」的味道。所以與其說他在預測未來，不如說他在劇透。你品，你細品。

延伸閱讀：