人工智能（AI）领域正处于一个关键的转折点，多位行业领军人物对当前主流的扩展（scaling）路线提出质疑，并呼吁回归基础研究。前OpenAI联合创始人、现任Safe Superintelligence（SSI）首席执行官伊利亚·苏茨克维（Ilya Sutskever）近日在一系列访谈中明确指出，AI的“扩展时代”已经终结，行业正重新进入“研究时代”。
苏茨克维，作为OpenAI的联合创始人，曾主导了GPT-2和GPT-3等标志性模型的开发，这些模型正是扩展范式的典型产物。然而，他现在认为，单纯依赖增加计算能力、扩大模型规模和数据量来提升AI性能的策略，其边际效益已显著递减。他观察到，尽管大型语言模型（LLMs）在特定基准测试中表现出色，但在实际应用中却常出现难以解释的错误，他称之为“不稳定性”（jaggedness）。苏茨克维以“编程竞赛学生”的比喻来阐释这一现象：模型可能在竞赛中表现优异，但其泛化能力远逊于人类，难以在复杂多变的现实任务中游刃有余。他强调，AI发展的下一个阶段需要发现新的、更高效的科学原理，以解决模型泛化能力不足的根本问题。此外，苏茨克维还探讨了情绪在人类决策中的重要性，并提出未来的AI系统需要考虑情感因素，以更好地理解和适应复杂世界。据报道，苏茨克维创立的SSI公司目前估值约320亿美元，已筹集30亿美元资金，致力于安全超级智能的研发。
与苏茨克维的观点相呼应，图灵奖得主、Meta首席AI科学家杨立昆（Yann LeCun）也对当前大型语言模型的发展方向提出了强烈质疑。他认为，以文本训练为主的语言模型技术可能是一个“死胡同”，无法实现真正的通用智能。杨立昆指出，大型语言模型缺乏对物理世界的理解能力，无法进行复杂的规划或建立因果判断，甚至不如一只家猫。他倡导“世界模型”（world models）将是未来AI发展的主流方向，即通过模拟和理解真实世界来推动AI的进步。
两位AI领域权威人士的观点，共同揭示了行业从注重快速商业化和规模扩展，向更深层次基础理论和方法探索的重大转变。随着训练数据面临瓶颈以及计算资源投入产出比的下降，AI研究正迫切需要新的范式，以期为最终实现通用人工智能（AGI）奠定坚实基础。
