有人把 Hacker News 历年「AI 做不到」的豪言做成了投票站，评论区正在自打脸

看到这个 Show HN 的时候我愣了一下，然后点进了 stoppels.ch/goalposts/。这是个网站，把 Hacker News 上历年对 AI 的预测和挑战收集起来，让网友逐个投票：「这个，现在算达标了没」。25 分，发帖一小时，27 条评论——在 HN 上不算爆，但评论区比帖子本身有意思得多。

这个站叫「goalposts」，中文大概是「移动门柱」。名字起得挺准，因为评论区几乎全程在吵一件事：大家的门柱到底被谁移动了。

有个叫 ben_w 的用户，2020 年预测「AI 永远无法高效写出无 bug 代码」，现在自己承认这条被证伪了——AI 现在能从「业务需求」直接帮你训练一个新模型。但旁边马上有人反驳：你说的是「业务任务」，现在扩成「任意新任务」，这俩不是一回事，你又在悄悄挪门柱。ben_w 的回应也挺实在：我承认我语言不太精确，但「业务任务」本来就够宽泛，往「任意新任务」上靠也不算牵强。

这场拉锯里最像样的一段，是 tripleee 说的：你没法可靠地让 LLM 干业务活，而且离不开监督。要么你得写一套全面的测试套件，要么你得人肉逐行 review 实现代码。他说自己一直在找一条不用回头审代码的工作流，至今没找到，「这本身就说明问题了」。

另一个被反复投票的挑战是 ASCII art。Retr0id 晒了自己的预言：「GPT-4 看一幅没从网上抄的脚底 ASCII 图，能说出它是脚」，目前 64% 投了「达标」。他自己试了下 Opus 5.5 生成 ASCII 脚，画得还行，但把图贴给 ChatGPT 免费版（据他说现在默认跑的是 5.6 Luna），对方管这叫「火车/机车」。有人不服，说 6.1 Sol 一眼就认出来了。于是评论开始跑偏到「免费版和前沿模型的差距，才是大家感知 LLM 能力差异悬殊的根源」。

真正让我想写这篇的，是 jerf 那条。他是 2024 年说的，说高等级数学指「能完全自主解出研究级数学问题，而不是只给个思路」。现在他自己投票投了「达标」，还说「我都不觉得当初丢人」。他补了一句很耐琢磨的话：编程助手是沿着效用曲线慢慢爬上来的，而数学是「一夜之间」从「连两个六位数都加不对」跳到研究级水平的。

ErrantX 说得更直白：2016 年大家聊的是「过图灵测试、写代码、帮我订杯咖啡」，2024 年也差不多，只是更具体、更往 coding/Turing/action 上靠。但到了 2026 年，画风变了——大家开始聊「能不能打开一扇物理门」「能不能逼真模仿人类的小气」「能不能搞出全新的科学突破」。这一条本身就说明了很多。

当然也有冷静的。happytoexplain 提醒，HN 上大部分人说的从来不是「AI 永远不行」，而是「AI 目前不行」，只是十年前的老评论被翻出来，看着格外扎眼。bmenrigh 则吐槽，这站里至少有三分之一的预测，原文根本没写清楚到底在断言什么，读好几遍也不知道门柱立在哪儿。

还有人在真金白银地下注。simianwords 说，他跟人在 HN 上打赌 OpenAI + Anthropic 的市值到 2027 年能不能到 2.5 万亿，他觉得自己现在领先；另一个赌是 OpenAI 和 Anthropic 的 API 推理毛利率是否大于 10%。底下有人回：你真走运，市值跟实际价值不是一回事。

这个站最大的价值，也许不是判定谁输谁赢，而是它把「门柱移动」这件事具象化了。回头翻十年前「AI 永远做不到 X」，再对照现在——多数时候你不是在论证 AI 变强了，而是在重新定义 X。这才是这场投票真正在投的东西。