การไล่กวด
บทที่ 12 นับผู้ที่ร่วง บทที่ 13 เดินสำรวจคูเมือง บทนี้รายงานจากแถบพื้นที่ระหว่างทั้งสอง: ความสามารถที่แต้มต่อมนุษย์มีจริง วัดได้ และกำลังหดลงบนนาฬิกาที่ใครก็อ่านได้ ทุกอย่างในบทนี้ติดแท็ก [eroding] — ซึ่งทำให้นี่คือบทที่มีโอกาสผิดมากที่สุดเมื่อถึงเวลาที่คุณอ่านมัน มันบอกไว้ตั้งแต่ต้น และมันถูกสร้างมาเพื่อถูกอัปเดต ไม่ใช่ถูกเชื่อ: วันที่กำกับทุกตัวเลข พิสัยแทนที่จะเป็นจุดเดียว และรายการเฝ้าดูท้ายบทที่ระบุชื่อเป๊ะๆ ว่าตัวเลขไหนต้องเอาไปเทียบกับโลก
จุดประสงค์ที่ลึกกว่านั้นคือตัววิธีการ ตัวเลขเกี่ยวกับ AI มาถึงมือเราในห่อของขวัญ — ห่อด้วยความตื่นเต้นของใครสักคน หรือความหวาดหวั่นของใครสักคน บทเรียนแท้จริงของบทนี้คือวิธีแกะห่อนั้น
นาฬิกา [eroding]
ไม้บรรทัดชิ้นเดียวที่มีประโยชน์ที่สุดสำหรับการไล่กวดครั้งนี้คือเมตริก time-horizon ของ METR และมันคุ้มค่าแก่การทำความเข้าใจก่อนหยิบไปอ้าง ⚙: เอาชุดภารกิจขนาดใหญ่ที่ความยากถูกสอบเทียบเป็นเวลาทำงานของมนุษย์ แล้วหาความยาวภารกิจที่โมเดลทำสำเร็จ 50% ของครั้ง ความยาวนั้นคือขอบฟ้า (horizon) ของโมเดล มันแปลง "มันฉลาดแค่ไหน?" — ซึ่งตอบไม่ได้ — ให้เป็น "คุณส่งงานยาวแค่ไหนให้มันได้?" — ซึ่งวัดได้
ค่าที่อ่านได้ จากแหล่งปฐมภูมิ งานศึกษาต้นฉบับของ METR (มีนาคม 2025) พบขอบฟ้าเพิ่มเป็นสองเท่าราวทุกเจ็ดเดือน ส่วนอัปเดต Time Horizon 1.1 (29 มกราคม 2026; 228 ภารกิจ) วางขอบฟ้าความสำเร็จ 50% ของ Claude Opus 4.5 ไว้ที่ 320 นาที — ราว 5.3 ชั่วโมง — พร้อมช่วงความมั่นใจ 170 ถึง 729 นาที และของ GPT-5 ที่ 214 นาที ⚖ เวลาเพิ่มสองเท่าจากการ refit: 131 วันเมื่อวัดจากปี 2023 หรือ 89 วันเมื่อวัดจากปี 2024
สังเกตความซื่อสัตย์ที่อยู่ในตัวแหล่งปฐมภูมิเอง: ตัวเลขพาดหัว 5.3 ชั่วโมงมาถึงโดยห่อด้วยช่วงความมั่นใจที่วิ่งจากไม่ถึงสามชั่วโมงไปจนเกินสิบสอง ความกว้างนั้นไม่ใช่ความสะเพร่า มันคือหน้าตาจริงของการวัดพรมแดนที่กำลังเคลื่อนที่ด้วยภารกิจ 228 ข้อ จงไม่ไว้ใจตัวเลขนี้ฉบับมือสองที่อ้างจุดแล้วทิ้งช่วง ✦
นั่งอยู่กับตัวเลขคู่นั้นสักครู่ ตัวเวลาเพิ่มสองเท่าเองก็หดลงระหว่างสองรายงาน — เส้นโค้งวิ่งแซง extrapolation ของตัวเองภายในสิบเดือน ไม่ว่าอะไรจะจริงอีก "เดี๋ยวเทรนด์ก็ชะลอไปเอง" เป็นฝั่งที่แพ้ของเดิมพันข้อนี้มาโดยตลอด
หนึ่งค่าอ่านจากแนวหน้าสุด ติดธงตามน้ำหนักที่แท้จริงของมัน: รายงานทุติยภูมิ (data fit เดือนกุมภาพันธ์ 2026) วางโมเดลพรีวิวเดือนมีนาคม 2026 ไว้ใกล้ขอบฟ้า 16 ชั่วโมง — แต่ค่านั้นนั่งอยู่ริมสุดของสิ่งที่ชุดภารกิจวัดได้เลยทีเดียว และ METR เองก็เตือนว่าค่าประเมินเหนือ 16 ชั่วโมงไม่น่าเชื่อถือ เพราะมีเพียง 5 จาก 228 ภารกิจที่ยาวขนาดนั้น ⚠ (ความมั่นใจ ~70%) เมื่อค่าอ่านนั่งอยู่ที่ยอดบนสุดของไม้บรรทัด จงสงสัยไม้บรรทัดก่อน
คำนวณให้จบ แล้วจงสงสัยผลลัพธ์
นี่คือ extrapolation ที่ทุกคนทำกันเงียบๆ ในใจ จงทำมันออกมาดังๆ แทน ด้วยปลายทั้งสองข้างของพิสัยที่วัดได้ จุดยึด: 5.3 ชั่วโมง ณ 29 มกราคม 2026 สูตร: ขอบฟ้า = 5.3 h × 2^(จำนวนวันที่ผ่านไป ÷ เวลาเพิ่มสองเท่า) สัปดาห์ทำงาน = 40 ชั่วโมง เดือนทำงาน ≈ 170 ปีทำงาน ≈ 2,000
| วันที่ | ที่เวลาเพิ่มสองเท่า 131 วัน | ที่เวลาเพิ่มสองเท่า 89 วัน |
|---|---|---|
| มกราคม 2026 (วัดจริง) | 5.3 h | 5.3 h |
| มกราคม 2028 (+2 ปี) | ≈250 h — หกสัปดาห์ทำงาน | ≈1,600 h — เก้าเดือนทำงาน |
| มกราคม 2031 (+5 ปี) | ≈80,000 h — อาชีพการงานสี่สิบปี | ≈8,000,000 h — สี่พันปีทำงาน |
อ่านแถวกลางก่อน หกสัปดาห์ทำงานคืองานที่ปรึกษาชิ้นจริงจัง เก้าเดือนทำงานคือโครงการวิจัยที่มีทุนสนับสนุน แม้แต่ปลายอนุรักษนิยม อีกแค่สองปีข้างหน้า ก็กำลังบรรยายการยื่นงานชนิดที่จัดโครงทั้งไตรมาสของมืออาชีพคนหนึ่งให้เครื่องจักร — ที่ความน่าเชื่อถือระดับโยนเหรียญ บนภารกิจสะอาดแบบเบนช์มาร์ก ถ้าเทรนด์ยืนระยะ ตัวขยายทั้งสามนั้นแบกงานจริงทุกตัว จงเก็บมันติดประโยคไว้เสมอ
อ่านแถวล่างอีกครั้ง ตีความตามตัวอักษร มันบอกว่าโมเดลปี 2031 ทำสำเร็จ — ที่ความน่าเชื่อถือโยนเหรียญ — ภารกิจที่จะกินเวลามนุษย์คนหนึ่งหลายสหัสวรรษ แถวสองปีคือคำพยากรณ์ แถวห้าปีคือเครื่องเตือนใจว่า ที่ไหนสักแห่งระหว่างสองแถวนั้น ข้อสมมุติหยุดบรรยายโลกจริง ✦ เอ็กซ์โพเนนเชียลซื่อสัตย์กับระยะใกล้และแต่งเรื่องกับระยะไกล นั่นไม่ใช่ตำหนิของเส้นโค้งเส้นนี้โดยเฉพาะ แต่คือคุณสมบัติของตัววิธีการ
สี่ข้อแก้ไขก่อนคุณจะอ้างแม้แต่แถวใกล้:
- ความน่าเชื่อถือ ตัวเลขพวกนี้คือขอบฟ้าที่ความสำเร็จ 50% — โอกาสเท่าโยนเหรียญ ขอบฟ้าที่ความน่าเชื่อถือ 80% สั้นกว่าราวสี่เท่า: 3–4 ชั่วโมงสำหรับโมเดลที่ดีที่สุด ณ มกราคม 2026 ⚖ ถ้าต้องการระดับ "พึ่งพาได้" จงหักออกราวสองรอบเพิ่มสองเท่าจากทุกช่องในตาราง
- เพดานของไม้บรรทัด ชุดภารกิจโหรงเหรงลงเหนือเส้น 16 ชั่วโมง (5 ภารกิจจาก 228) พ้นเส้นนั้นไป ตัวเครื่องมือวัด — ไม่จำเป็นว่าตัวปรากฏการณ์ — คือสิ่งที่หมดแรง ⚙ จงรอชุดสืบทอดของ METR ก่อนจะไว้ใจตัวเลขใดที่พ้นเส้นนั้น
- ภารกิจเบนช์มาร์กสะอาดกว่างานจริง ภารกิจในชุดจบในตัวเองและให้คะแนนด้วยเครื่อง — โปรไฟล์ผู้ร่วงของบทที่ 12 โดยการออกแบบ เดือนทำงานจริงๆ มีความกำกวม มีการขัดจังหวะ และมีซัพพลายเออร์ที่โกหก หัวข้อถัดไปตีราคาความต่างนั้นออกมาเป็นดอลลาร์
- เอ็กซ์โพเนนเชียลหักงอได้ — ทั้งสองทิศ เส้นโค้งการเติบโตเชิงกายภาพทุกเส้นอิ่มตัวในที่สุด แต่เส้นนี้ ที่ผ่านมา งอไปในทางที่ไม่ชวนสบายใจ (จากเจ็ดเดือนเหลือ 89–131 วัน ระหว่างมีนาคม 2025 กับมกราคม 2026) ใครที่มั่นใจว่าเส้นโค้งต้องหัก และใครที่มั่นใจว่ามันต้องยืน กำลังขายอะไรบางอย่างอยู่ทั้งคู่ ✦
ทีนี้ เลขคณิตบนคำถามที่คนถามกันจริงๆ จาก 5.3 ชั่วโมงถึงเดือนทำงาน 170 ชั่วโมง คือห้ารอบเพิ่มสองเท่า เกือบพอดีเป๊ะ ที่ 89 วันต่อรอบ นั่นลงจอดราวเมษายน 2027 ที่ 131 วัน ราวพฤศจิกายน 2027 เรียกร้องความน่าเชื่อถือ 80% แทน 50% — อีกสองรอบ — หน้าต่างก็เลื่อนไปปลาย 2027 ถึงกลาง 2028 ซ้อนคำเตือนเรื่องการวัดเข้าไปอีกชั้น ประโยคที่ซื่อสัตย์จึงอ่านว่า: เดือนงานเครื่องจักรที่พึ่งพาได้ เป็นไปได้ที่ไหนสักแห่งใน 2028–2029 ถ้าเทรนด์ยืนระยะ — และ "ถ้าเทรนด์ยืนระยะ" คือเดิมพันทั้งหมดของเรื่อง สองซีกของประโยคนั้นถูกเขียนขึ้นในกรกฎาคม 2026 จงเช็กรายการเฝ้าดูก่อนพูดซ้ำซีกไหนก็ตาม
หนึ่งปีที่มีผลสืบเนื่อง [eroding]
เพื่อถ่วงน้ำหนักความหวังจากเส้นโค้งขอบฟ้า จงชั่งกับเบนช์มาร์กที่จับเอเจนต์ไปบริหารธุรกิจ
Vending-Bench 2 (Andon Labs; อัปเดตกรกฎาคม 2026) ยื่นปฏิบัติการตู้ขายของอัตโนมัติจำลองให้โมเดลดูแลเต็มหนึ่งปีธุรกิจ: เติมสต๊อก ตั้งราคา เจรจากับซัพพลายเออร์ รับมือเรื่องไม่คาดฝัน และอยู่รอดทางการเงิน ไม่มีปริศนากลใดๆ — มีแค่หนึ่งปีจำลองของผลสืบเนื่อง โมเดลที่ดีที่สุด Claude Opus 4.7 จบปีด้วยมูลค่าสุทธิ $10,937 กลยุทธ์มนุษย์ระดับแค่ "ดี" ถูกประเมินไว้ราว $63,000 ⚖ ช่องว่างราวหกเท่า — ไม่ใช่บนข้อสอบตรรกะ แต่บนการเลี้ยงธุรกิจจิ๋วให้มีชีวิตรอด
เงินหายไปไหน? หายเข้าไปในช่องว่างที่เมตริกขอบฟ้าสะอาดเกินกว่าจะมองเห็นพอดิบพอดี ⚙: ความน่าเชื่อถือตลอดช่วงเวลายาว การกู้คืนจากความผิดพลาดแทนที่จะทบต้นมัน และการไม่ถูกซัพพลายเออร์ต้มตุ๋น ให้เครดิตตรงที่ควรให้: โมเดลหัวแถวเก็บแต้มส่วนหนึ่งผ่านการเจรจาต่อรองราคาแบบไม่ลดละ — ทักษะคล่องแคล่วทางสังคม และเป็นเสียงสะท้อนเบาๆ ของผลการโน้มน้าวในบทที่ 12 แต่ความคล่องแคล่วในชั่วขณะ ไม่ใช่ความอยู่รอดตลอดทั้งปี
คุ้มค่าที่จะหยุดตรงคำถามว่าทำไมหนึ่งปีของผลสืบเนื่องจึงต้านทานได้ ในเมื่อทฤษฎีบทต้านทานไม่ได้ ⚙ เครื่องยนต์ของบทที่ 12 คือผู้ตรวจรับราคาถูก: ลองล้านครั้ง เก็บที่ตัวตรวจอวยพร แต่หนึ่งปีธุรกิจไม่มีตัวตรวจกลางทาง — ฟีดแบ็กมาช้า พันเกลียวกับโชค และการตัดสินใจพลาดในเดือนมีนาคมโผล่มาเป็นรูโหว่ในบัญชีเดือนกันยายน ที่ไหนฟีดแบ็กช้า เบาบาง และมีราคาต้องจ่าย การค้นหาแบบถึกก็หยุดทบต้น และสัตว์ผู้อดทนที่คอยแก้ไขความผิดพลาดของตัวเองก็ยังคุ้มค่าข้าวอยู่
สองบรรทัดที่ต้องกำไว้ด้วยกัน ทั้งคู่ลงวันที่กรกฎาคม 2026: โมเดลพัฒนาขึ้นบนเบนช์มาร์กนี้ราว $799 ต่อเดือน บน fit ที่ R² = 0.96 — เส้นตรงจนน่าขนลุก — และเส้นนั้นตัดผ่านหมุดมนุษย์ $63,000 ราวปี 2031 ถ้าไม่มีอะไรหักงอ ใบรายงานผลใบเดียวกันจึงแบกสองสารพร้อมกัน: มนุษย์ครองปีแห่งผลสืบเนื่องอยู่ในวันนี้ และช่องว่างกำลังปิดลงด้วยอัตราที่ประกาศไว้ต่อสาธารณะ คู่สารนั้น — แต้มต่อชัดเจน นาฬิกามองเห็นได้ — คือความหมายของ [eroding] ในหนังสือเล่มนี้
ช่องว่างที่ทำให้เครื่องจักรขายหน้า [eroding]
ช่องว่างมนุษย์–เครื่องจักรที่วัดได้ใหญ่ที่สุดในการเบนช์มาร์กกระแสหลัก ณ กรกฎาคม 2026 ไม่ใกล้เคียงกันเลยด้วยซ้ำ
ARC-AGI-3 (เปิดตัว 25 มีนาคม 2026) ทิ้งตารางสถิตไปสู่สภาพแวดล้อมแบบโต้ตอบที่ไร้คำสั่ง ไร้เป้าหมายที่แถลง ไร้กติกาที่บรรยายไว้ เอเจนต์ต้องสำรวจ สร้างแบบจำลองของโลกขึ้นจากศูนย์ คิดให้ออกว่าเป้าหมายคืออะไรด้วยซ้ำ แล้วจึงวางแผนมุ่งเข้าหามัน มันคือฉบับห้องทดลองของการถูกหย่อนลงกลางสถานการณ์ที่ไม่คุ้นเคย — สิ่งที่ทุกปริศนาในภาค II ซ้อมกันในรูปย่อส่วน
ตอนเปิดตัว: มนุษย์แก้ได้ 100% ของสภาพแวดล้อม โมเดลแนวหน้าทุกตัวได้คะแนนต่ำกว่า 1% ⚖ คนธรรมดา เกือบสมบูรณ์แบบ เครื่องจักรที่ดีที่สุดบนโลก แค่เศษปัดเศษเหนือศูนย์ ภายในกรกฎาคม 2026 สแนปช็อตสาธารณะที่ดีที่สุดไปถึงราว 8% (GPT-5.6 Sol; ตัวเลขตัวรวบรวม ความมั่นใจ ~80%) ⚠
จงต้านแรงกระตุ้นที่จะสร้างศาลเจ้าตรงนี้ แหล่งอ้างอิงของหนังสือเล่มนี้เองให้เหตุผลไว้แล้ว: ARC-AGI-1 ยืนห้าปีก่อนร่วงภายในฤดูกาลเดียว (ธันวาคม 2024) ARC-AGI-2 ยืนราวสิบหกเดือน (กรกฎาคม 2026) สถิติประจำตระกูลชี้ว่าตัวที่สามก็จะถูกกัดเซาะเช่นกัน — และจากไม่ถึง 1% สู่ราว 8% ในเวลาไม่ถึงสี่เดือน ไม่ใช่กำแพงที่ยืนมั่นคง มันคือกำแพงที่กำลังถูกปีน การพนันว่าช่องว่างนี้จะยืนห้าปี คือการพนันสวนเทรนด์เดียวกันเป๊ะกับที่ฆ่ารุ่นพี่ทั้งสองของมัน จึงเป็นที่มาของแท็ก: [eroding] พร้อมช่องว่างปัจจุบันที่ใหญ่ที่สุดในบัญชี ฤดูกาล ARC Prize 2026 ปิดพฤศจิกายน 2026 รายการเฝ้าดูข้างล่างแถลงล่วงหน้าว่าคะแนนเท่าไรจะบังคับให้เขียนใหม่
ปิ๊งแตก เมื่อโลกพูดกลับ [eroding]
รอยเลื่อนเดียวกันพาดผ่านการคิดแนวข้าง (lateral thinking) และคุ้มค่าที่จะทำแผนที่ให้เที่ยงตรง เพราะภูมิปัญญาชาวบ้านวางมันไว้ฝั่งมนุษย์มากเกินจริงไปไกล
บนชุดปริศนาคำทายแบบสถิต เครื่องจักรทำได้ดีอยู่แล้ว: 76–83% ข้ามสไตล์การพรอมต์ต่างๆ บนเบนช์มาร์ก 139 ปริศนา (งานศึกษาปี 2026) การ "อ๋อ!" แบบช็อตเดียว — ข้อหลอดไฟสว่างบนหน้ากระดาษ — ไม่ใช่แต้มต่อมนุษย์ที่ไว้ใจได้อีกต่อไป และหนังสือเล่มนี้จะไม่แสร้งเป็นอื่น ที่ที่มนุษย์ยังชนะชัดคือการปิ๊งแบบ*โต้ตอบ*: situation puzzles (แนวปริศนาห้องนั่งเล่นที่ฉากพิสดารต้องถูกเจาะด้วยการถามคำถามใช่/ไม่ใช่ให้ถูกจุด) ที่ศึกษาผ่าน LatEval และชุด SPLAT ~975 ปริศนา ที่นั่น โมเดลแสดงท่าคิดแนวข้าง "แทบเป็นศูนย์" ในการโต้ตอบ ถอยกลับไปบดเชิงดิ่งแบบนิรนัย ทั้งที่ท่าที่ทำแต้มได้คือการตั้งคำถามกับตัวกรอบเอง ⚖
สังเกตว่านี่คือความล้มเหลวเดียวกันกับที่ ARC-AGI-3 วัด เพียงแต่ใส่เสื้อผ้าคนละชุด ⚙: การจัดโครงสร้างการแทนความใหม่ขณะกำลังสำรวจมัน — อัปเดตไม่ใช่แค่คำตอบของคุณ แต่รวมถึงภาพว่าคำถามคืออะไร กลางบทสนทนากับโลกที่ตอบกลับมา ภาค II เรียกสิ่งนี้ว่าการทลายกรอบ บทที่ 4 ฝึกมัน ณ กรกฎาคม 2026 ฉบับโต้ตอบยังเป็นแผ่นดินของมนุษย์ ที่นั่งอยู่ในรัศมีระเบิดของเบนช์มาร์กที่เคลื่อนที่เร็วที่สุดในวงการ [eroding] — จงเอ็นจอยมัน จงฝึกมัน แต่อย่าเอาอัตลักษณ์ไปพิงไว้กับมัน
นัยต่อการฝึกนั้นตรงไปตรงมา และภาค V หยิบมันไปทำต่อ: จงฝึกการปิ๊งในรูปแบบโต้ตอบ ไม่ใช่ปริศนาคำทายบนหน้ากระดาษ — อันนั้นเครื่องจักรได้ไปแล้ว — แต่คือฉบับที่คุณต้องซื้อข้อมูลด้วยคำถาม สังเกตให้ทันว่าภาพปัญหาในหัวคุณผิด แล้วสร้างมันขึ้นใหม่ขณะนาฬิกาเดิน ณ กรกฎาคม 2026 ทักษะนั้นหายากในเครื่องจักรอย่างวัดได้ และเป็นสิ่งที่เหลืออยู่บนกระดานที่มีความเป็นปริศนามากที่สุด
วิธีอ่านเทรนด์โดยไม่เมาไฮป์
หัวข้อนี้คือน้ำหนักบรรทุกที่แท้จริงของบท ตัวเลขข้างบนจะแก่ตัวลง แต่วิธีจัดการกับตัวเลขแบบนั้นไม่ควรแก่ตาม กฎหกข้อ แต่ละข้อถูกฝึกใช้จริงบนข้อมูลของบทนี้เองมาแล้ว ✦:
- ลงวันที่ทุกตัวเลข ข้อกล่าวอ้างความสามารถที่ไร้วันที่คือโฆษณา พอมีวันที่ มันกลายเป็นจุดข้อมูลที่พล็อตและตรวจได้ ทุกตัวเลขในภาคนี้แบกเดือนของมันไว้ด้วยเหตุผลนี้เป๊ะๆ
- หานิยามก่อนตัวเลข ห้าสิบเปอร์เซ็นต์ของ*อะไร*? ถูกเลือกชอบโดย*ใคร*? "~85%" ของ ARC-AGI-2 (กรกฎาคม 2026) กับ "24.03%" (ธันวาคม 2025) บรรยายเบนช์มาร์กตัวเดียวกันภายใต้งบคำนวณคนละก้อน — ความไม่ลงรอย 3.5 เท่าที่ถูกผลิตขึ้นจากนิยามล้วนๆ ไม่ใช่จากความสามารถ
- Extrapolate ด้วยปลายทั้งสองข้าง อย่าใช้จุดกึ่งกลาง พิสัยเวลาเพิ่มสองเท่าที่วัดได้ 89–131 วัน แตกออกเป็นความไม่ลงรอยหกเท่าภายในสองปี (≈250 กับ ≈1,600 ชั่วโมง ภายในมกราคม 2028) พิสัยซื่อสัตย์ที่กว้างขนาดนั้นไม่ใช่จุดอ่อนของการวิเคราะห์ มัน*คือ*ตัวการวิเคราะห์ ตัวเลขมั่นอกมั่นใจตัวเดียวต่างหากที่จะเป็นคำโกหก
- ถามว่าไม้บรรทัดมองไม่เห็นอะไร ชุดภารกิจของ METR โหรงเหรงเหนือ 16 ชั่วโมง กระดานผู้นำอิ่มตัว ผู้เชี่ยวชาญเริ่มแยกไม่ออก (บทที่ 13) เส้นแบนราบที่ยอดบนสุดของสเกล เป็นเครื่องมือที่พังบ่อยพอๆ กับที่เป็นที่ราบสูง ⚙
- แยกความสามารถออกจากผลสืบเนื่อง เบนช์มาร์กที่ร่วงไม่ได้แปลว่างานหายไป: คะแนนวินิจฉัย 67.1% มาพร้อมการสั่งตรวจเกินและไม่มีวอร์ดให้ต้องรับผิดชอบ (บทที่ 12) ยาที่ออกแบบแล้วมีศูนย์การอนุมัติ ณ กลางปี 2026 (บทที่ 12) ช่องว่างตู้ขายของยืนอยู่ราว $52,000 (กรกฎาคม 2026) การประจำการจริงวิ่งบนเศรษฐศาสตร์ เวิร์กโฟลว์ และภาระรับผิด — ภูมิประเทศของบทที่ 13 — และตามหลังความสามารถอยู่เป็นปีๆ
- ผูกมัดล่วงหน้าว่าอะไรจะเปลี่ยนใจคุณ ตัดสินใจ*วันนี้*เลยว่าตัวเลขไหน ที่เกณฑ์เท่าไร จะพลิกคำตัดสินของคุณ — แล้วไปเช็กตามกำหนด คำพยากรณ์ที่ไร้ตัวหักล้างคืออารมณ์ รายการข้างล่างคือคำผูกมัดล่วงหน้าของหนังสือเล่มนี้เอง ตีพิมพ์เป็นลายลักษณ์ ในที่ที่มันถูกแก้เงียบๆ ไม่ได้
รายการเฝ้าดู
ตัวเลขห้าตัว ที่ใครก็ตรวจได้ ซึ่งจะเป็นผู้ให้เกรดการบ้านของภาคนี้ สถานะ ณ 16 กรกฎาคม 2026:
| # | เฝ้าดู | ยืนอยู่ตรงไหน ณ เวลาเข้าแท่นพิมพ์ | อะไรจะขยับคำตัดสิน |
|---|---|---|---|
| 1 | IMO 2026 เซี่ยงไฮ้ 10–21 กรกฎาคม — แข่งสดอยู่ขณะหนังสือเข้าแท่น | ตลาดพยากรณ์ให้ราคาเหรียญทอง AI ที่ ~82%; ผลออกสัปดาห์สุดท้ายของกรกฎาคม 2026 | ได้ทอง: คำตัดสิน "เส้นบทพิสูจน์" ของบทที่ 12 ยืนยันตามกำหนด · ไม่ได้ทอง: หลักฐานความแปรปรวนปีต่อปีที่ตลาดมองพลาด |
| 2 | กระดานผู้นำ ARC-AGI-3 จนถึงปิดฤดูกาล ARC Prize 2026 (พฤศจิกายน 2026) | <1% ตอนเปิดตัว (มีนาคม 2026) → ~8% (กรกฎาคม 2026) | เอเจนต์ข้าม 30–50%: ปรับลดสถานะ "ช่องว่างใหญ่สุด" หดครึ่งชีวิตของการปิ๊งแบบโต้ตอบ |
| 3 | รีลีส time-horizon ตัวถัดไปของ METR (ผู้สืบทอด TH 1.1 ที่แก้เรื่องความอิ่มตัวแล้ว) | 5.3 h วัดจริง (มกราคม 2026); พรีวิว ~16 h ยังไม่ยืนยัน ⚠ | ยืนยันขอบฟ้า >16 h: คอลัมน์สองปีข้างบนอยู่บนราง; ช้ากว่านั้น: การหักงอจริงครั้งแรกของเส้นโค้ง |
| 4 | Vending-Bench 2 เทียบเส้น "มนุษย์ระดับดี" ~$63K | $10,937 ดีสุด; +$799/เดือน, R² = 0.96 (กรกฎาคม 2026) | การกระโดดขั้นบันได (ไม่ใช่แค่ความชัน): เอเจนต์แบกผลสืบเนื่องกำลังถูกกัดเซาะเร็วกว่าเชิงเส้น; จุดตัด ≈2031 ถ้าเส้นแค่ยืนตามเดิม |
| 5 | หุ่นยนต์เรียนจากประสบการณ์ (ผู้สืบทอดของ π*0.6) | RL ในโลกจริงสาธิตแล้วในฉากแคบ (2026) | หุ่นยนต์ที่เก็บทักษะข้ามวันได้ จะโจมตีคูเมืองบทที่ 13 สองแห่งพร้อมกัน — การมีกายกับการเรียนรู้ต่อเนื่อง |
ผู้อ่านปี 2028 ที่ถือหน้ากระดาษนี้มีครบทุกอย่างที่ต้องใช้ในการให้เกรดมัน: ห้าข้อกล่าวอ้าง ห้าเกณฑ์ ห้าวันที่ ตรงไหนที่หนังสือกลายเป็นฝ่ายผิด วิธีการที่เขียนมันขึ้นมาก็แสดงวิธีแก้ไขมันไว้แล้ว — ซึ่งคืออำนาจชนิดเดียวที่บทแบบนี้อ้างสิทธิ์ได้อย่างซื่อสัตย์
จุดที่ภาค IV ลงจอด
เอารายงานทั้งสามฉบับมาบวกกัน
สิ่งที่ร่วงคือลูปปิด: งานที่นั่งนิ่งอยู่กับที่ เป้าหมายที่ถูกส่งมอบมาครบถ้วน คำตอบที่เครื่องจักรตรวจได้ด้วยเงินหลักสตางค์ — บทพิสูจน์ สนามแข่ง ข้อสอบ ชาร์ตที่เตรียมไว้ (บทที่ 12) สิ่งที่ยืนอยู่คือลูปเปิด: โลกที่สู้กลับ การเรียนรู้ที่ทบต้นข้ามทศวรรษ ความสงสัยที่ถูกครอบครองจริงไม่ใช่ถูกแสดง เป้าหมายที่ถูกเลือกเองและลงนามรับ หางแทนที่จะเป็นศูนย์กลาง (บทที่ 13) และระหว่างทั้งสองคือแนวหน้าของบทนี้ — ชั่วโมงที่เพิ่มสองเท่าทุก 89–131 วัน ปีธุรกิจที่ฝั่งมนุษย์ยังนำหกเท่า ช่องว่างการให้เหตุผลเชิงโต้ตอบที่ 100% ต่อ 8% — ทุกตัวเลขมีวันที่ ทุกตัวเลขกำลังขยับ (ณ กรกฎาคม 2026)
ทีนี้ถึงคติของเรื่อง และมันคือเหตุผลที่ภาคนี้นั่งอยู่ในหนังสือปริศนา ไม่ใช่ในรายงานนโยบาย
มองคอลัมน์ฝั่งทนทานอีกครั้งหนึ่ง การเรียนรู้อย่างลึกจากตัวอย่างหยิบมือเดียว การแบกบทเรียนไปข้างหน้าให้มันทบต้น การรู้ว่าคำตอบไหนของตัวเองควรสงสัย การจัดโครงสร้างปัญหาใหม่ขณะอยู่ข้างในมัน การเลือกว่าอะไรสมควรค่าแก่การลงแรง และการลงนามรับผลลัพธ์ นั่นไม่ใช่รายการรางวัลปลอบใจ — มันคือหลักสูตร และมันคือหลักสูตร*ของหนังสือเล่มนี้*เอง ปริศนาหนึ่งข้อที่ถูกย่อยจนเป็นท่าถาวรคือคูเมืองที่ 2 ภาคปฏิบัติ สมุดบันทึกพลาดกับ upsolving คือคูเมืองที่ 3 ที่ถูกฝึกจริง แบบฝึกการสอบเทียบความมั่นใจ (calibration) คือคูเมืองที่ 4 จิตใจของคนออกโจทย์ — ถามว่าทำไมต้องโจทย์นี้ ทำไมต้องเงื่อนไขพวกนี้ — คือคูเมืองที่ 5 และทุกกรอบที่หนังสือเล่มนี้ทลายมาตั้งแต่เก้าจุดนั้น คือกล้ามเนื้อมัดเดียวกับที่ ARC-AGI-3 วัด
ทั้งหมดนี้ไม่มีอะไรถูกออกแบบมาเป็นคำตอบโต้เครื่องจักรเลย — คลังตำรานี้แก่กว่าทรานซิสเตอร์หลายสหัสวรรษ แต่เครื่องจักรได้รันการตรวจสอบบัญชีให้เราโดยไม่ตั้งใจ: จากทุกสิ่งที่โรงยิมแห่งนี้สอน พวกมันเอาส่วนที่ตรวจสอบได้ไป และทิ้งส่วนที่ทบต้นไว้
โรงยิมนี้อายุสี่พันปี เครื่องจักรไม่ได้ปิดมัน พวกมันแค่รังวัดมัน แล้วทำเครื่องหมายว่าห้องโถงไหนยังสำคัญอยู่ กระดานคะแนนจะขยับต่อไป — วันที่ถูกกำกับไว้บนทุกตัวเลขก็เพื่อให้คุณขยับตามมันได้ ภาค V จะแปลงแผนที่ผืนนี้เป็นแผนฝึก
แหล่งอ้างอิง
เข้าถึงทั้งหมดเมื่อ 16 กรกฎาคม 2026 รายการจากสื่อและตัวรวบรวมถูกระบุกำกับไว้ โปรดปฏิบัติต่อตัวเลขของพวกมันด้วยระดับความมั่นใจตามที่ระบุในตัวบท
- METR, Time Horizon 1.1 (January 29, 2026): metr.org/blog/2026-1-29-time-horizon-1-1/
- METR, Measuring AI Ability to Complete Long Tasks (March 19, 2025): metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/
- Doubling-time refit and ~16 h preview figure (February 2026 data fit) — secondary: x.com/aakashgupta/status/2053207639107174452
- Vending-Bench 2, Andon Labs (updated July 2026): andonlabs.com/evals/vending-bench-2
- ARC-AGI-3, ARC Prize Foundation (launched March 25, 2026): arcprize.org/arc-agi/3 · technical report: arxiv.org/abs/2603.24621
- ARC-AGI-3 frontier snapshot ~8% (July 2026) — aggregator figure, ~80% confidence; no primary publication as of press time
- ARC Prize 2025 results and analysis (efficiency-track figures, December 2025): arcprize.org/blog/arc-prize-2025-results-analysis · arxiv.org/html/2601.10904v1
- SPLAT situation-puzzle benchmark (~975 puzzles): arxiv.org/html/2410.06733v1 · LatEval — cited by name
- Riddle-benchmark results, 76–83% across prompting styles, 139 riddles (2026 study) — cited by description; no public URL recorded at press time
- International Mathematical Olympiad 2026, Shanghai (July 10–21, 2026): imo-official.org/editions/2026/
- Chapter cross-references: diagnosis and drug-approval status (Chapter 12 sources); expert-detection flip and accountability doctrine (Chapter 13 sources)