76% 的受访AI研究人员认为目前方法无法实现通用人工智能（AGI）

这或多或少是人工智能研究人员在最近的一项调查中所持的观点。当被问及“扩大”目前的人工智能方法是否能实现通用人工智能（AGI），即匹敌或超越人类认知的通用人工智能时，76% 的受访者表示“不太可能”或“非常不可能”成功。

这项调查由人工智能促进协会的科学家发起，调查了 475 名人工智能研究人员，结果发表在一份新报告中。调查结果对科技行业长期以来偏爱的实现人工智能收益的方法进行了有力反驳，即为生成模型以及用于训练和运行这些模型的数据中心提供更多硬件。鉴于人工智能开发人员都声称 AGI 是他们的最终目标，可以肯定地说，扩展被广泛视为死胡同。

参与组织这份报告的加州大学伯克利分校计算机科学家 Stuart Russel对《新科学家》杂志说： “在扩展方面投入了巨额资金，却没有做出任何同等的努力去了解到底发生了什么，在我看来，这总是错误的。我认为，大约一年前，每个人都开始意识到，传统意义上的扩展带来的好处已经趋于稳定。”

人工智能军备竞赛中投入了巨额资金。据TechCrunch报道，2024 年，仅风险投资领域对生成式人工智能的投资就超过 560 亿美元。其中大部分资金用于构建或运行生成式模型所需的大型数据中心。微软例如，已承诺到2025 年将在人工智能基础设施上投入 800 亿美元。

因此，能源需求同样惊人。微软签署了一项协议，启动一座完整的核电站来为其数据中心供电，其竞争对手谷歌和亚马逊 也签署了引人注目的核能交易。

认为人工智能可以通过规模化无限改进的前提始终站不住脚。例如，科技行业最近的生存危机是由中国初创公司 DeepSeek 引发的，该公司的人工智能模型可以与西方旗舰产品、价值数十亿美元的聊天机器人相媲美，而训练成本和性能据称只是后者的一小部分。

当然，在此之前，这种迹象已经很明显了。去年 11 月，有报道称，OpenAI 研究人员发现，其即将推出的 GPT 大型语言模型版本与之前的版本相比，改进幅度明显较小，在某些情况下，甚至没有任何改进。

去年 12 月，谷歌首席执行官 Sundar Pichai公开表示，人工智能的轻松盈利时代已经“结束”，但他自信地坚称，没有理由该行业不能“继续扩大规模”。

研究人员正在探索更便宜、更高效的方法。OpenAI 在其最新模型中使用了一种称为测试时间计算的方法，其中人工智能在选择最有希望的解决方案之前会花更多时间“思考”。研究人员声称，这实现了性能提升，否则需要大量扩展才能复制。

但普林斯顿大学计算机科学家阿尔温德·纳拉亚南 (Arvind Narayanan) 向《新科学家》杂志表示，这种方法“不太可能成为灵丹妙药” 。