AI之父/图灵奖得主「Yann LeCun」杨立昆怒喷：这一代LLM错了！我见过三次AI狂热崩盘

不二如是

在人工智能领域的历史上，乐观预测一再上演。从上世纪50年代开始，最初的一批研究者对机器智能持极高期待。

在线学习：



他们认为计算机不仅能完成特定任务，还能在几十年内达到类似人类的智能水平。

早期的AI程序展示了推理、学习和自然语言处理等能力，让许多人误以为机器已经具备真正的智能。

这种误解部分源于人类习惯性地将能操纵语言和符号的系统视为“聪明”的表现，语言操作能力被误当成了智能的核心。

今天的生成式大语言模型在语言操控上的强大表现同样让很多人误以为它们拥有类似人类的理解与智慧，但这仍然是狭义任务能力的展现，而不是通用智能。

事实上，AI历史上多次出现看似突破性的技术浪潮，却未能实现通用智能的承诺。

20世纪60年代和70年代的AI先驱曾发表许多大胆预言，认为：

游客，如果您要查看本帖隐藏内容请回复

[/hide]

AI经历了几次“兴奋—失望—投资撤退”的周期，所谓的AI冬天反映了技术难题远比预期复杂。

过去我也亲眼目睹过三次类似的兴奋与幻觉循环，每一次我们都误以为当前技术的特长等同于真正的智能，而当热潮过去，才意识到我们仍需解决理解、常识和真实推理等核心问题。

今天的模型固然有用，并能成为极佳的工具，就像过去几十年计算机成为生产力工具一样，它们在特定任务上有显著价值，但这并不意味着我们已经实现了人类水平的智能。

回顾AI发展史可以帮助我们理性看待当前的技术浪潮。每一次技术突破都伴随着过度热情和社会期待，但对智能本质的误解往往导致迷思和幻觉。

我们不应被表面现象所愚弄，而应关注技术的实际能力与局限。当前的生成式AI在语言生成、代码辅助、内容创作等领域表现卓越且非常有用，但它们的“智慧”依然是狭义的工具性质，而不是具备自我意识或人类级通用智能的实体。

理解这一点有助于我们既不盲目夸大技术能力，也能更好地利用这些工具推动创新和生产力提升。

评论区聊聊你的想法吧

                               
登录/注册后可看大图

>>万能兑换C币许愿池<<

如果有收获，别忘了评分 ：

                               
登录/注册后可看大图

                               
登录/注册后可看大图

                                                                    

不二如是

感谢分享 朕又在鱼C学到最前沿AI资讯啦！非常满意