文章核心观点 - AI行业单纯依靠堆算力、扩规模的阶段已经结束，行业正从“规模化时代”回归到“研究时代”，需要重新思考通往AGI的真正范式[4][9] 对当前AI发展路径的批判 - 前OpenAI首席科学家苏茨克维认为，AI的扩展（Scaling）时代已经终结，算力规模已很大但不能持续带来更好的“扩展”，扩展与浪费算力的界线变得模糊[4] - 当前主流路线遇到瓶颈，行业从规模化扩展回到了研究范式本身，进入“只是有了更大的计算机”的研究时代[4] - 图灵奖得主杨立昆认为，绝大多数同行致力于的大语言模型是死胡同，LLM由于其计算机制的限制，无法进行复杂的推理和规划，只是为了迎合训练数据的统计规律[8] - 斯坦福大学教授李飞飞指出，当前以LLM为代表的AI虽然擅长处理抽象知识，却如同在“黑暗中行走”，缺乏对物理世界的真实理解[9] AI模型存在的核心问题 - 大模型的泛化能力比人类差很多，这是通向AGI途中需要解决的根本问题[5] - 模型在各种评测上表现出色，但在某些情况下会重复犯错，例如编程时能解决复杂问题却不断引入简单Bug，存在评测性能与现实世界性能的脱节[6] - 苏茨克维提出两种可能解释：一是强化学习训练让模型变得过于一根筋和视野狭窄；二是强化学习训练时针对评测集选择数据，导致训练数据太狭窄[6] - 当下的AI可能缺少了类似人类情绪的价值函数，这能让AI更有方向感，苏茨克维引用脑损伤案例说明情绪对人类有效决策的重要性[7] 对未来AI发展范式的探讨 - 杨立昆认为，世界模型将成为人工智能架构的主流模型，它通过摄取视觉信息来了解周围世界，学习方式类似动物幼崽或人类幼儿[8] - 杨立昆将于年底离开Meta，创建专注于世界模型的初创公司，他认为未来五到十年解决“世界模型”相关难题，有望构建真正智能、能够规划和推理的AI系统[9] - 李飞飞强调建立“世界模型”和空间智能的重要性，她认为人类对世界的理解是整体性的，关乎空间关系、意义及关联[9] - 李飞飞提出，新的“世界模型”需要具备生成性、多模态性和交互性三种核心能力，以构建环境内部表征[9]