前特斯拉AI總監、OpenAI創始成員安德烈·卡帕西近日接受深度訪談，針對人工智能現狀與未來發表了諸多顛覆性觀點。在長達兩個半小時的對話中，這位行業領軍人物不僅剖析了當前技術瓶頸，更對主流研究方法提出尖銳批評，引發學術界與產業界的廣泛討論。
當業界普遍聚焦"智能體元年"概念時，卡帕西卻提出更具挑戰性的判斷："我們需要面對的是智能體的十年發展期。"他以實習生類比AI系統指出，現有模型在多模態交互、持續學習、計算機操作等核心能力上存在根本缺陷。這位資深研究者結合二十年從業經驗預測，解決這些基礎性問題至少需要十年時間，而非某些機構宣稱的短期突破。
在開源項目nanochat的開發過程中，卡帕西親身驗證了語言模型的認知局限。這個耗資不足百美元的簡易版ChatGPT項目，意外暴露出編程助手的嚴重缺陷。"模型總是試圖套用互聯網上的標準模式，完全忽視定制化需求。"他舉例說明，當開發者放棄PyTorch標準容器時，AI助手仍頑固地推薦過時方案，導致代碼庫膨脹且結構混亂。這種過度依賴訓練數據的"記憶式編程"，反而阻礙了創新實現。
對強化學習技術的批判成為訪談焦點。卡帕西將其比作"用吸管汲取監督信號"，指出這種將最終結果信號分散到整個決策過程的做法既低效又荒謬。"人類學習不會進行數百次重復試驗，更不會將最終獎勵機械地反推到每個動作。"他強調，當前大模型訓練缺乏人類特有的反思復盤機制，導致生成內容逐漸陷入"隱性坍縮"——看似合理的輸出實質上覆蓋范圍極窄，多樣性嚴重不足。
通過與人類認知方式的對比，研究者揭示了AI發展的雙重困境：一方面模型因過度記憶訓練數據而喪失泛化能力，另一方面又因缺乏主動思考導致內容多樣性枯竭。卡帕西以"做夢"機制為例，指出人類大腦通過引入隨機性對抗認知固化，而當前AI系統尚無類似平衡機制。這種認知缺陷使得模型生成的文本逐漸趨同，就像成年人因思維固化而重復陳詞濫調。
在評估AI經濟影響時，卡帕西提出務實標準：應關注具體業務場景中的實際效能，而非抽象能力指標。他以醫療影像診斷為例，指出復雜認知工作的自動化進程將遠慢于預期，更可能呈現"人機協作"的漸進模式。對于通用人工智能（AGI）的經濟效應，這位研究者認為其影響將分散在長期經濟曲線中，如同計算機革命般緩慢滲透，而非引發突變式增長。
訪談中觸及的多個前沿議題引發持續熱議。關于人工超級智能（ASI）的討論，卡帕西警示自動化系統復雜度可能超越人類理解范疇；在自動駕駛領域，他強調實現99.9%可靠性需要持續投入；針對教育變革，則提出智能體可能演化出獨特"文化"的驚人設想。這些觀點在外網平臺獲得高度關注，被網友譽為"AI發展路線圖的清醒劑"。
