在人工智能领域，一位举足轻重的人物——前OpenAI联合创始人、现任Safe Superintelligence CEO的伊利亚·苏茨克维（Ilya Sutskever）最近通过一场长达三万字的深度访谈，向外界发出了发人深省的警示。这位AI界的领军人物指出，当前主流的AI发展路径已经遭遇瓶颈，标志着我们正从过去那个依靠规模扩张的时代，重新回归到专注基础研究的深度探索阶段。
苏茨克维回顾了AI行业的发展历程，将2012年至2020年定义为快速研究阶段，随后进入了规模化扩展时期。然而，随着算力的持续增长，模型性能的提升却并不显著，扩展与算力浪费之间的界限逐渐变得模糊不清。这一现象引发了人们的深刻反思：当前的AI研究是否应该重新将焦点转向基础理论和方法的创新探索？
在访谈中，苏茨克维特别关注了大模型的泛化能力问题。他指出，尽管这些模型在特定评测中表现出色，但在实际应用场景中却常常出现失误。他认为这种现象的根源可能在于强化学习训练过程中所选择的数据过于狭窄，导致模型在面对复杂现实任务时显得力不从心。为了形象地说明这一点，苏茨克维打了一个生动的比喻：现有的AI模型就像一个只专注于编程竞赛的学生，虽然能在竞赛中取得优异成绩，却未必能在实际工作中游刃有余地应对各种挑战。
除了泛化能力问题，苏茨克维还强调了情绪在AI决策过程中的重要性。他认为，人类的价值观和决策能力在很大程度上受到情绪的调节，这种调节机制可能是人类进化过程中逐渐形成的。基于这一观点，他提出未来的AI系统必须考虑情感因素，才能更全面地理解和适应复杂多变的真实世界。
值得注意的是，苏茨克维的观点并非孤立存在。许多AI领域的先驱也对当前的发展方向表达了质疑。例如，图灵奖得主杨立昆（Yann LeCun）就直言不讳地指出，当前的语言模型技术可能已经走进了”死胡同”，难以实现真正的智能突破。他预言”世界模型”将成为未来AI的主流范式，通过模拟和理解真实世界来推动AI技术的实质性进步。
从这些权威声音中，我们可以清晰地看到AI行业正站在一个重要的转折点上。单纯依靠算力和规模的扩展已经无法满足AI发展的需求，我们必须重新审视和探索新的研究范式，为最终实现通用人工智能（AGI）奠定坚实的基础。这一转变不仅需要技术上的创新突破，更需要跨学科的思想碰撞和理论突破，才能引领AI走向更加智能、更加人性化的未来。
