AGI真的快来了吗？一位AI博主对当前人工智能进展的深刻反思

近期，著名AI博主Dwarkesh Patel回顾2025年AI进展时，提出了一个发人深省的观点。他敏锐地指出了当前AI领域一个显而易见的矛盾，这个矛盾让我们不得不重新审视，我们距离真正的通用人工智能（AGI）到底还有多远。

当前AI发展的核心矛盾：为何一边说AGI将至，一边疯狂预训练？

Dwarkesh Patel观察到的核心矛盾是：许多AI领域的专家和公司，一方面在大力宣传AGI（通用人工智能）即将来临，营造出一种技术奇点近在咫尺的氛围；另一方面，他们却在投入巨大的资源，疯狂地为AI模型预训练各种具体得不能再具体的技能。他对此发出了灵魂拷问：如果一个AI模型真的像人一样具备了通用学习能力，为什么我们还需要提前教会它如何使用Excel、如何操作浏览器、如何调用API这些特定的工具呢？

这就像你招聘一个聪明的大学毕业生，你不会指望他入职前就精通公司内部使用的所有软件。你真正看重的是他的学习能力和解决未知问题的能力。然而，我们现在对待AI的方式，更像是在打造一个拥有无数个“技能认证”的“工具箱”，而不是在培养一个真正会思考、能适应的“智慧体”。

人类智慧与AI能力的根本差异：通用学习 vs. 特定任务训练

要理解这个矛盾，我们必须深入探讨人类智慧与当前AI能力之间的根本区别。一个高价值的人类员工，其价值不在于他掌握了多少种预设技能，而在于他几乎不需要为每一个微小的、具体的新任务接受专门的、漫长的培训。

• 举个例子：让一位病理学医生去观察一种全新的显微镜切片，判断细胞类型。可能只需要给他看几次样本，他就能凭借过去的知识和经验，迅速建立起新的识别模式。而要让AI完成同样的工作，我们通常需要建立一个庞大的、专门标注过的数据集，设计复杂的训练管道（training pipeline），然后花费大量算力进行模型训练。这个过程不仅成本高昂，而且缺乏灵活性。
• 再比如：一个知识工作者每天可能需要处理上百件需要判断力的、各不相同的小事。从回复一封措辞需要拿捏的邮件，到判断一个商业决策的潜在风险，这些任务的细微差别和动态变化，是无法通过预设技能库来完全覆盖的。试图通过预训练来自动化这些真实世界的工作，目前看来是行不通的。

衡量AI真正突破的试金石：经济价值的巨大鸿沟

面对甚嚣尘上的AI革命论，Dwarkesh Patel提出了一个极其简单却又十分有效的判断标准：看经济价值。

他指出，目前全世界所有知识工作者的年薪总和是一个高达数十万亿美元的庞大数字。这个数字代表了人类通用认知能力在经济活动中创造的价值。相比之下，当前所有AI模型完成具体任务所带来的收入，与这个数字相比，差了好几个数量级。这并不是因为AI技术的扩散速度慢，或者商业化应用没跟上，根本原因在于：AI的能力真的还不够，真正的技术突破还没有到来。

通往真正人工智能的关键路径：超越预训练和强化学习

那么，真正的突破口在哪里？Patel认为，当前主流的预训练扩展（Pre-training Scaling）——也就是用更多数据、更大模型——和强化学习（Reinforcement Learning），都不是解决问题的关键。它们可以把AI在特定任务上的表现推向新的高度，但无法弥合从“工具”到“智慧”的鸿沟。

持续学习：让AI像人一样从经验中成长

真正的关键在于持续学习（Continuous Learning）。这意味着AI需要能够像人一样，在与环境的持续互动中，不断地从新的经验里学习、成长和调整自己，而不是每一次学习新知识都需要重新进行大规模的训练。人类的学习是一个动态、终身的过程，我们不断地整合新信息，修正旧观念，并将不同领域的知识融会贯通。这才是智慧的本质。

Dwarkesh Patel预计，要真正解决持续学习这个核心难题，可能还需要5到10年的时间。这期间的研究，将比单纯扩大模型规模要重要得多。

未来展望：当数十亿类人AI Agent实现学习成果共享

一旦我们攻克了持续学习的难关，那将是怎样一番景象？Patel描绘了一个真正“疯狂”的未来：

想象一下，在未来的服务器上，运行着数十亿个拥有类人学习能力的AI Agent。每一个Agent都在独立地与世界互动、学习、解决问题。而最关键的是，它们可以将各自的学习成果、经验和领悟进行复制、合并与共享。一个AI Agent学会了如何更高效地编程，这个技能可以瞬间同步给所有其他Agent。另一个AI Agent通过与人对话，领悟了新的沟通技巧，这种领悟也能被集体吸收。

到那时，AI的进化速度将不再是线性的，而是指数级的。这才是真正意义上的人工智能革命的开端，也将对人类社会产生颠覆性的影响。

我认为：当下对于AGI的种种喧嚣，颇有些“听得楼梯响，不见人下来”的意味。我们沉迷于构建越来越庞大的“巴别塔”，用海量的数据和算力去堆砌模型的参数，期望它能触及智慧的天空。但这不过是在造一个更精致、更万能的“工具箱”罢了。真正的智慧，不在于预装了多少“APP”，而在于拥有一个能自我更新、自我进化的“操作系统”。我们现在做的，是给一个不会自己打铁的铁匠，预先打好一万把不同的锤子，并告诉他这就是“万能铁匠”。而真正的突破，应是教会这个铁匠如何观察、如何思考、如何从每一次挥锤中领悟，最终能自己打出第一万零一把、乃至前所未见的锤子。现在的路，或许热闹，但可能走偏了。那条通往持续学习的寂静小径，才是抵达智慧圣殿的唯一方向。