ARC Prize 联合创始人批评 OpenAI:大语言模型路线让 AGI 倒退十年

LLM 是 AGI 的死胡同?资深研究者发出警告

在 AI 圈子里,**通用人工智能(AGI)**被定义为能像人类一样思考、还能自学新技能的智能系统。虽然 OpenAI、Anthropic 这些大厂都把 AGI 当终极目标,但最近 ARC Prize 创始人 François Chollet 在 Dwarkesh Podcast 上的一番话,直接给行业泼了盆冷水。

核心观点:神经网络路线走不通

Chollet 直言,现在火热的**大语言模型(LLM)**基于神经网络架构,这条路在实现 AGI 上根本就是"死胡同"。他强调,不是说 LLM 没进步空间——它们确实可以更强大、更自主、对企业更有用,但这跟真正的 AGI 完全是两码事。

问题出在哪?整个行业把钱和人才都砸在 LLM 的规模竞赛上,其他可能通向 AGI 的路子反倒被边缘化了。Chollet 认为,这种"All in LLM"的策略,反而让真正的 AGI 进展倒退了 5 到 10 年。

ARC-AGI 基准:检验推理能力的照妖镜

为了量化 AGI 进展,Chollet 前不久成立了 ARC Prize,还推出了 ARC-AGI 基准测试。这个特别设计的"地狱难度"测试,专门考察模型的抽象推理和泛化能力——正好是 LLM 的软肋。

测试结果印证了 Chollet 的判断:虽然各家 LLM 表现有所提升,但没一个能及格。跟它们在传统 NLP 任务上的亮眼成绩一比,暴露出 LLM 在应对训练数据之外问题时的本质短板。

IPO 前的"威胁论"遭质疑

讽刺的是,就在 Chollet 批评 LLM 路线的同时,科技大佬们却在疯狂炒作 AI 对人类的"潜在威胁"。OpenAI 和 Anthropic 在筹备尚未确定时间的 IPO 期间,接连爆出网络安全漏洞等"令人担忧的事件"。

Chollet 的观点和不少业内人士不谋而合:这些"威胁论"更像是为现有技术造势的营销手段,而不是基于科学评估。如果 LLM 连 ARC-AGI 基准都过不了,还谈什么对人类构成存在性风险?

对中国 AI 从业者的启示

这场争论给国内开发者三点启发:

1. 别把鸡蛋放一个篮子里:别光盯着 Transformer 架构的参数竞赛,神经符号系统(Neuro-Symbolic AI)、因果推理这些方向都值得关注
2. 基准测试也有局限:行业通用的 benchmark 可能测不出真实智能水平,需要像 ARC-AGI 这样专门设计的抽象推理测试
3. 别被资本忽悠:当科技公司过度渲染 AI 能力或风险时,得结合客观测试结果自己判断

总的来说,实现 AGI 可能需要突破当前的深度学习范式,整合符号推理、因果建模等多种方法。Chollet 的批评提醒我们:商业成功和科学突破,有时候真不是一回事。

本文基于 GNews:TechRadar 报道, 由 AiDuo123 AI 编辑翻译改写。原文链接: https://www.techradar.com/pro/quote-of-the-day-by-arc-prize-co-founder-francois-chollet-openai-basically-set-back-progress-to-agi-by-five-to-10-years-critiquing-the-industrys-overindulgence-in-large-language-models