超级智能仍需数十年才能实现
作者回顾了从2022年到2026年对人工智能理解的演变历程。起初认为LLM接近AGI，后来逐渐意识到智能不仅是处理能力问题，更是存储问题；AGI这个术语本身可能有误，仅靠规模无法解决智能问题。建立真正的智能体需要LLM、记忆、编排器、感知和RAI等多个组件协同工作。作者通过学习大脑结构发现，人类大脑具有极简的UI设计，各组件能实时动态调整，硬件随软件变化而改变——而我们围绕LLM建立的系统仍远不及布罗卡区这一微小脑区的能力。
背景速读
- 作者在回顾自己从2022年到2026年对AI（尤其是AGI/通用人工智能）认知的演变。他在2022年曾相信大语言模型（LLM）很快就能通向AGI，后来逐渐意识到智力远不止一个语言模型那么简单。
- 关键术语：AGI（通用人工智能，能像人类一样处理广泛任务的AI）；LLM（大语言模型，如ChatGPT/GPT-4背后的技术）；RAG（检索增强生成，一种让LLM外挂知识库的方法）；RAI（负责任AI，安全与伦理管控层）。
- 作者的核心观点：超级智能不会"突然降临"，因为真正的智能需要大量组件协同——记忆、感知、编排器、安全层等——而业界目前只是在给LLM加"刚性外壳"，远没有复现人脑的可塑性。他引用《爱死机》中的外星巢穴比喻：智能是系统的临时涌现属性，不是中心化的"大脑"。
- 这一争论的背景：2023-2025年间，硅谷分裂成"规模派"（相信更多数据和算力即可通向AGI）和"架构派"（认为现有范式有根本缺陷）。作者属于后者，认为生物学和人脑的结构复杂性被严重低估。