# Báo cáo FRI: Các chuyên gia AI hàng đầu đã đánh giá quá thấp tốc độ phát triển của ngành

- Nguồn: The Decoder: AI News
- Thời gian phát hành: 2026-09-25 02:18 (giờ Việt Nam)
- Điểm AI: 54/100
- Link AIHOT.vn: https://aihot.vn/items/524c5148288f9ff0
- Nguồn dữ liệu AI HOT: https://aihot.news/items/cmufxejj6040xrogvla55twb8
- Link gốc: https://the-decoder.com/top-ai-experts-badly-underestimated-how-fast-the-field-is-moving-study-finds

## Tóm tắt AI

Báo cáo từ Forecasting Research Institute cho thấy các chuyên gia đã dự báo sai lệch đáng kể về tốc độ tiến bộ của AI, với nhiều cột mốc quan trọng như khả năng đạt huy chương vàng IMO hay doanh thu của Anthropic đều vượt xa dự đoán trước đó.

## Thân bài

![Top AI experts badly underestimated how fast the field is moving, study finds](https://the-decoder.com/wp-content/uploads/2026/09/ai_forecasting-1200x670.png)

Kể từ giữa năm 2022, FRI đã [thu thập các dự báo về tiến bộ AI thông qua nhiều nghiên cứu và dự án](https://forecastingresearch.substack.com/p/ai-progress-forecasts-accuracy). Các mẫu khảo sát bao gồm những chuyên gia cấp cao. Vòng đầu tiên của LEAP (Longitudinal Expert AI Panel) đã thu hút 339 chuyên gia, bao gồm 76 nhà khoa học máy tính, 76 chuyên gia trong ngành, 68 nhà kinh tế học và 119 chuyên gia chính sách AI. Trong số các nhà khoa học máy tính có 30 giáo sư tại các cơ sở giáo dục thuộc top 20 và 10 trong số 200 tác giả AI được trích dẫn nhiều nhất. Các hội đồng cũng bao gồm những "siêu dự báo viên" (superforecasters), những người có tư duy tổng quát với bề dày thành tích dự đoán chính xác.

### AI đã đạt được những cột mốc quan trọng sớm hơn nhiều năm so với dự báo

[Khoảng cách lớn nhất nằm ở lĩnh vực toán học](https://the-decoder.com/openai-says-its-internal-model-solved-over-100-long-standing-math-problems-after-just-a-month-of-training/). AI đã đạt [trình độ huy chương vàng tại Olympic Toán học Quốc tế vào tháng 7 năm 2025](https://the-decoder.com/ai-math-olympiad-wins-revive-the-debate-over-symbols-reasoning-and-the-nature-of-intelligence/), sớm hơn 5 năm so với dự báo trung vị của các chuyên gia và 10 năm so với dự báo trung vị của các siêu dự báo viên. Những dự đoán đó được thu thập vào năm 2022, trước khi ChatGPT ra mắt, nhưng theo FRI, mô hình này vẫn tiếp tục duy trì sau đó.

![](https://the-decoder.com/wp-content/uploads/2026/09/editorial_2026-09-23_ai-progress-forecast-accuracy_fig-01.png)

AI [cũng có thể đã giải được một Bài toán Thiên niên kỷ (Millennium Prize Problem)](https://the-decoder.com/ai-labs-have-a-data-trust-problem-that-their-policies-havent-solved/), mặc dù [vẫn chưa rõ](https://the-decoder.com/clay-mathematics-institute-says-the-navier-stokes-millennium-prize-problem-has-apparently-been-settled/) liệu lời giải đó có đáp ứng các tiêu chí đánh giá hay không. Trong một cuộc khảo sát từ tháng 8 và tháng 9 năm 2025, các chuyên gia đã đưa ra xác suất trung vị cho việc đạt được lời giải như vậy vào cuối năm 2027 chỉ là 10%, và các siêu dự báo viên là 5,4%.

Trong một nghiên cứu về năng lực AI trong lĩnh vực virus học, các chuyên gia dự đoán rằng các mô hình AI sẽ không thể sánh kịp với một đội ngũ chuyên gia virus học hàng đầu trong một bài kiểm tra xử lý sự cố cho đến năm 2030. Các siêu dự báo viên cho rằng phải đến năm 2034. FRI cho biết [điều đó có khả năng đã xảy ra ngay từ tháng 4 năm 2025](https://forecastingresearch.org/research/llm-enabled-biorisk). Một bài kiểm tra về an ninh mạng cũng cho thấy những đánh giá thấp tương tự.

![](https://the-decoder.com/wp-content/uploads/2026/09/top-virologist-team.jpg)

Các dự báo kinh tế cũng quá thận trọng. Các chuyên gia đưa ra mức trung vị cho doanh thu định kỳ hàng năm (ARR) cao nhất của bất kỳ công ty AI nào vào cuối năm 2026 là 20 tỷ USD. Các nhà kinh tế học cho rằng 16 tỷ USD, và các siêu dự báo viên cho rằng 25 tỷ USD. FRI trích dẫn con số [khoảng 100 tỷ USD cho Anthropic vào tháng 9 năm 2026](https://www.axios.com/2026/09/18/anthropic-100-billion-revenue) như một con số có khả năng đã đạt được.

![](https://the-decoder.com/wp-content/uploads/2026/09/labs_revenue_forecasting-scaled-1.png)

### Tác động thực tế khó dự đoán hơn

Không phải dự báo nào cũng quá thấp. Các chuyên gia an ninh sinh học dự đoán rằng 22,5% người tham gia sử dụng mô hình ngôn ngữ sẽ hoàn thành các nhiệm vụ trong phòng thí nghiệm sinh học. Các nhà virus học kỳ vọng 40%, siêu dự báo viên là 16,2%. Trong một thử nghiệm có kiểm soát, chỉ có 5,2% thành công khi sử dụng mô hình ngôn ngữ và truy cập internet, so với 6,6% chỉ sử dụng internet. Mô hình ngôn ngữ không tạo ra sự khác biệt đáng kể, mặc dù quy mô thử nghiệm còn nhỏ.

Các chuyên gia cũng có thể đã đánh giá quá cao về xe tự lái. Dự báo trung vị của họ về tỷ lệ các chuyến đi gọi xe tự hành tại Mỹ vào năm 2027 là 7,3%, trong khi một dự báo từ LLM đưa ra con số 2,5%. FRI cho biết các dự báo về tăng trưởng kinh tế, việc làm và những tác hại lớn của AI vẫn chưa thể đánh giá một cách đáng tin cậy vào lúc này.

Đồng thời, những người tham gia khảo sát đang điều chỉnh kỳ vọng của họ theo hướng tăng lên. Trong số những người hoàn thành cả hai cuộc khảo sát, xác suất trung bình được gán cho việc AI trở thành "công nghệ của thế kỷ" đã tăng từ 31 lên 36% đối với các chuyên gia và từ 28 lên 35% đối với các siêu dự báo viên trong vòng chín tháng.

![](https://the-decoder.com/wp-content/uploads/2026/09/editorial_2026-09-23_ai-progress-forecast-accuracy_fig-05.png)

### FRI đang bổ sung các phương pháp nhanh hơn để bắt kịp với AI

Trong tương lai, FRI sẽ làm nổi bật một nhóm nhỏ các đối tượng phản hồi dự đoán tiến bộ AI rất nhanh đến năm 2040 và công bố các dự báo LLM được cập nhật liên tục cùng với các dự báo từ con người. Theo [ForecastBench](https://www.forecastbench.org/), một số mô hình đã bắt kịp các siêu dự báo viên ở một số loại câu hỏi nhất định. FRI cũng muốn tìm ra những thành viên hội đồng LEAP chính xác nhất và làm nổi bật các dự báo của họ khi đã có đủ dữ liệu.

FRI có lưu ý một điểm bất cập trong chính dữ liệu của mình: các đánh giá thấp trở nên rõ ràng ngay khi thực tế vượt qua dự đoán, nhưng các đánh giá cao chỉ trở nên rõ ràng khi thời hạn đã qua. Điều đó khiến báo cáo tạm thời nghiêng về việc tìm ra các trường hợp mà các nhà dự báo quá thận trọng. Một số đánh giá của chính FRI cũng dựa trên các dự báo LLM sử dụng thông tin mà các nhà dự báo ban đầu không có.