如果人工智能就止步于此，会怎样？

最初，业界普遍相信通过不断扩大模型规模就能实现通用人工智能（AGI），这一观点源于 OpenAI 提出的“规模定律”。然而，随着 GPT-5 等后续模型表现平平，进展放缓，人们开始质疑这一定律的有效性。行业重心已转向“后训练”技术，但这些改进更像是局部优化而非根本性突破。因此，一个更理性的观点正在形成：人工智能在短期内只会带来有限的经济和社会影响，而关于超级智能的夸张预测可能并不现实。我们应当利用这段发展平缓期，为有效的监管和伦理建设做好准备。

“规模定律”引发的狂热

2020年，OpenAI 的一份研究报告提出了“神经语言模型规模定律”。该报告认为，只要持续增大语言模型的规模并加强训练，其性能就会遵循一种类似曲棍球棒的激进曲线持续提升。

    • 核心观点： 模型越大，效果越好。这让业界看到了通往通用人工智能（AGI）的清晰路径。
    • 初步验证： 几个月后发布的 GPT-3 比其前代大十倍，性能也实现了巨大飞跃，似乎验证了这一定律。
    • 行业影响： 这一理论迅速点燃了整个行业的乐观情绪。OpenAI 的首席执行官 Sam Altman 甚至预言，人工智能将接管大部分人类工作，并创造“难以想象的财富”。

这种通过扩大规模就能实现 AGI 的信念，几乎被整个 AI 社区全盘接受。当纽约大学名誉教授 Gary Marcus 在 2022 年对此提出质疑时，他遭到了包括 Sam Altman 和埃隆·马斯克在内的众多行业领袖的猛烈抨击。

进展放缓与期望破灭

在 GPT-4 取得巨大成功后，人工智能的进展似乎陷入了停滞。期待已久的 GPT-5 最终发布，但其表现却远未达到预期，加剧了人们对“规模定律”的怀疑。

    • 令人失望的 GPT-5： 尽管在某些特定任务（如编写代码）上有所改进，但在其他方面（如生成图片和邀请函）甚至不如旧模型。用户普遍感到失望，一位付费用户甚至在 Reddit 上称其为“最大的垃圾”。
    • 行业内部的动摇： OpenAI 联合创始人 Ilya Sutskever 承认，行业正在“寻找下一件大事”。TechCrunch 的一篇文章总结道：“现在似乎所有人都承认，你不能指望仅靠更多算力和数据就能把模型变成无所不知的数字上帝。”
    • 批评者的声音： Gary Marcus 将 GPT-5 的发布总结为“逾期、夸大且乏善可陈”。这让那些认为 AI 技术虽重要但不会彻底改变我们生活的温和派观点，显得越来越有道理。

从扩大规模到“后训练”优化

当单纯扩大模型规模的回报递减时，科技公司将策略转向了“后训练改进”。

这个过程可以比作改装汽车：

    • 预训练： 相当于制造汽车本身。通过消化整个互联网的数据，让模型变得“智能”。
    • 后训练： 相当于对汽车进行改装和调校。通过强化学习等技术，让模型在特定任务上表现更好。

行业领导者曾希望这种新方法能重现“规模定律”的辉煌，但现实并非如此。尽管新模型在各种基准测试图表上得分更高，但这些进步感觉更像是软件更新式的局部优化，而非早期那种能力上的全面飞跃。

“你不需要柱状图就能认识到 GPT-4 比之前的一切都领先了一大步。”

“思考的幻觉”与真实效用

尽管公司宣称模型在“逐步推理”等能力上取得进展，但独立研究揭示了其局限性。

    • 苹果公司研究： 一篇名为《思考的幻觉》的论文发现，当问题复杂性略微增加时，这些所谓的“大型推理模型”的性能会“崩溃到零”。
    • 亚利桑那州立大学研究： 结论更为直白，指出 AI 公司所谓的推理“是一种脆弱的海市蜃楼，一旦被推到训练分布之外就会消失”。

在现实世界中，这些基准测试的提升并未转化为显著的实用价值。正如 Gary Marcus 所说：“我没听到多少公司说 2025 年的模型比 2024 年的对他们更有用。”

大量优化你的凯美瑞可以带来很多效用，但无论如何调整，它也变不成法拉利。

一个更现实的未来

如果对 AI 持更温和看法的批评者是正确的，那么未来几年 AI 的发展将是稳健而渐进的。

    • 有限的市场： 技术分析师 Ed Zitron 认为，这是一个“五百亿美元的市场，而不是万亿美元的市场”。
    • 有限的影响： 大多数人会有限度地使用 AI 来处理一些烦人的任务，如总结报告或起草活动议程。
    • 有限的颠覆： 编程等领域会发生显著变化，少数职业（如配音演员）可能消失，但 AI 不太可能大规模颠覆整个就业市场。

继续沉迷于 AI 炒作可能带来真正的风险。目前美国股市约 35% 的价值与七大科技公司挂钩，这些公司在 AI 上的巨额投入与微薄收入之间存在巨大差距。

保持谨慎，回归理性

即便 AI 的发展暂时放缓，我们也不应放松警惕。这恰恰是一个宝贵的喘息机会，让我们能够专注于更重要的事情，比如制定有效的 AI 法规和发展数字伦理。

正如 2020 年那份引发一切的“规模定律”报告的附录中所写：

“目前，我们对所提出的任何规模定律都没有坚实的理论理解……我们应该以更少的傲慢和更多的谨慎继续前进。”