苏茨克维：具推理能力AI预测难度超乎想象

在刚闭幕的温哥华NeurIPS大会上，OpenAI联合创始人兼前首席科学家伊尔亚·苏茨克维提出一个引人深思的观点：依赖大规模算力的“预训练”模式，可能正逼近天花板。作为深度学习领域的关键人物，他的这一判断分量十足。

苏茨克维的核心论点清晰直接：未来AI系统的重心将转向推理能力，这条路径会让机器更接近人类——确切地说，更接近人类的“思考”方式。但随之而来的推论耐人寻味：推理能力越强，结果就越难预测。“推理越多，不确定性越高”——这句话在现场引发热议，也值得每个关注AI发展的人深入思考。

简言之，当AI不再仅仅依赖“死记硬背”海量数据来作答，而是像人类一样进行逻辑推演和权衡判断，它的输出必然带有动态不确定性。这并非缺陷，而是智能演进的自然产物。关键在于，这种不可预测性究竟意味着什么——是创造新机遇，还是引入新风险？

苏茨克维的发言实则是一记警钟：在追求更强大AI的同时，必须重新审视“可控性”这一老问题，它正被赋予全新内涵。过去我们担忧AI失控，更多源于对其能力边界的未知；而未来，不可预测性可能内嵌于AI的推理机制本身。如何确保这类系统在可控边界内演进，避免潜在的连锁风险，已不再是远期理论命题，而是摆在面前的现实挑战。

此次大会上的表态，再次展现了苏茨克维在AI前沿的一贯风格——不追热点、不绕弯子、直击本质。他的判断或许不会让所有人信服，但无疑将成为后续技术路线讨论中绕不开的参照坐标。

来源：互联网