上一篇
AGI未来十年：Karpathy谈智能体、大模型与AI进步
在最近的一次访谈中，Andrej Karpathy深入探讨了AGI（通用人工智能）、智能体以及AI未来十年的发展趋势。他认为当前的智能体仍处于早期阶段，而强化学习尽管不完美，却是当前的最优解。
在最新一期的《Dwarkesh Podcast》中，Andrej Karpathy，这位OpenAI的创始元老、前特斯拉AI团队负责人以及深度学习专家，与主持人Dwarkesh Patel进行了长达两个多小时的对话。
Karpathy分享了他对AGI时间线、智能体、大模型认知以及强化学习等AI核心问题的见解。
Andrej Karpathy（左）与主持人Dwarkesh Patel（右）
AGI还有十年之遥
访谈从当前火热的智能体话题切入。对于业内普遍鼓吹的“智能体元年”，Karpathy显得非常冷静。
他认为行业里存在一些过度预测。更准确地说，应该称为“智能体的十年”。
“虽然我每天都在使用一些非常出色的智能体，比如Claude和Codex，但它们仍是非常初期的智能体，还有大量工作要做，这也是我们在未来十年内要持续研究的东西。”
Karpathy所说的“智能体的十年”，是指这些智能体还需要经过大约十年的持续研究工作，才能让它们真正能用。
Karpathy列举了当前智能体的主要问题：智能不足、多模态能力弱、无法自主操作电脑等。
在他看来，这主要是由于智能体在认知上存在缺陷，也没有持续学习能力。这些基础性问题的解决，大约需要十年。
谈到大家热议的AGI何时到来的问题，Karpathy的答案是10年。
这是Karpathy基于他的个人直觉以及在AI行业大约15年的经验所做出的判断。
大模型的认知缺陷
谈及当下最热门的大模型，Karpathy认为它们仍存在根本性的认知局限。
他将人们与代码互动的方式主要有三类：
第一类，全部手写：完全拒绝所有的大语言模型，从头开始写。
第二类，手写+自动补全：即仍然从头开始写很多东西，但会使用模型提供的自动补全功能。
第三类，完全“凭感觉编程”，让智能体去做。
Karpathy认为，虽然智能体有不少优点，但遇到像nanochat这样的“智力密集型代码”可能就搞不定了，因此我们应当学会在特定的环境下使用它们。
强化学习虽然很糟糕，但没它更糟
在被问及如何让AI进一步学习和改进时，Karpathy提到了强化学习的两难处境。
他坦言，强化学习并不完美，但相比过去的方法，它仍是目前最优解。
人类学习与机器学习的对比
Karpathy认为，人类在学习时不仅吸收信息，还通过反思、讨论等方式整合知识，而当前大模型仅仅通过预测下一个词进行学习。
如何看待AI的进步？
Karpathy把AI看作计算的延伸。关于通用人工智能，他一直喜欢这样一个定义：
“通用人工智能是一个能够以人类或更好的表现完成任何有经济价值的任务的系统。”
超级人工智能
“很多事情会逐渐自动化，而超级智能将是这种趋势的延伸。”
参考资料：
本文由主机测评网于2026-05-05发表在主机测评网_免费VPS_免费云服务器_免费独立服务器，如有疑问，请联系我们。
本文链接：https://www.vpshk.cn/20260543012.html
