持續學習突破在望：DeepMind 與 Anthropic 預測 2026 年將解決 AI 關鍵難題

Google DeepMind 預測 2026 年將是 AI 發展的關鍵一年，持續學習（Continual Learning）技術將使 AI 能夠自主吸收知識並自我改進。Anthropic 研究員 Sholto Douglas 在 No Priors 播客中做出了一個引人注目的預測：持續學習問題「將在 2026 年以令人滿意的方式得到解決」。Anthropic CEO Dario Amodei 也重申了這一觀點，認為這個問題「最終會發現沒有想像中那麼困難」。

什麼是持續學習？

持續學習，又稱終身學習（Lifelong Learning），是 AI 研究中的一個核心挑戰。簡單來說，它是指 AI 系統能夠不斷學習新知識和技能，同時保留之前學到的內容——就像人類一樣。

目前的大語言模型（如 GPT、Claude、Gemini）在訓練完成後基本上是「凍結」的。它們的知識停留在訓練數據的截止日期，無法自主學習新信息。如果要更新模型的知識，通常需要重新訓練，這既昂貴又耗時。

為什麼這很重要？

持續學習的突破將徹底改變 AI 系統的能力和應用方式：

即時知識更新

AI 助手將能夠即時學習最新新聞、研究發現和市場動態，不再需要等待下一次模型更新。

個人化學習

AI 可以持續學習用戶的偏好、工作方式和專業領域，提供越來越個人化的服務。

自主改進

AI 系統可以從自己的錯誤中學習，持續改進表現，而不需要人類工程師的干預。

專業領域適應

企業可以讓 AI 持續學習其特定領域的知識，而不需要昂貴的定制訓練。

研究前沿：2026 年的突破方向

根據最新的研究進展，有幾個方向可能在 2026 年取得突破：

記憶增強架構

研究人員正在開發具有外部記憶系統的 AI 架構，允許模型將新知識存儲在可擴展的記憶庫中，而不是編碼在模型權重中。這種方法可以避免災難性遺忘。

選擇性微調

新技術允許只更新模型中與新知識相關的部分參數，同時保持其他部分不變。這大大減少了學習新知識對舊知識的影響。

元學習（Meta-Learning）

讓 AI「學會如何學習」，使其能夠從少量示例中快速掌握新概念，類似於人類的學習方式。

「持續學習是 AGI 的關鍵拼圖之一。一個真正智能的系統必須能夠在其整個存在過程中持續學習和適應，就像人類一樣。」

對就業市場的影響

值得注意的是，DeepMind CEO Demis Hassabis 和 Anthropic CEO Dario Amodei 都在世界經濟論壇上表示，他們已經看到 AI 驅動的就業影響的早期跡象。

Amodei 堅持他的預測：在未來一到五年內，年輕專業人士的一半辦公室工作可能會消失。他表示，Anthropic 內部已經看到這一趨勢，公司預計未來將需要更少的初級和中級員工。

持續學習能力的突破可能會加速這一趨勢，因為 AI 系統將能夠快速適應新的工作需求，而不需要人類員工進行培訓。

人才競爭白熱化

隨著持續學習等關鍵技術的突破在望，AI 巨頭之間的人才競爭也達到了前所未有的程度。OpenAI、Anthropic、Meta 和 Google DeepMind 都在以巨額薪酬爭奪頂尖人才。

這種競爭甚至延伸到了實習生和應屆畢業生。各大公司通過實習計劃、研究員計劃和駐場項目，以高薪吸引新人才。

對香港 AI 研究的啟示

持續學習是一個香港研究機構可以有所貢獻的領域。相比需要龐大運算資源的基礎模型訓練，持續學習研究更多依賴創新的算法和架構設計。

香港的大學，特別是港大、科大和中大的計算機科學系，可以在這一領域建立研究專長，為本地培養 AI 人才，同時為全球 AI 發展做出貢獻。