人工智能領域正迎來一場理念革新。近日，知名研究者Ilya Sutskever在深度訪談中首次公開其創立安全超智能實驗室（SSI）的核心主張，直指當前大模型發展陷入“高分低能”的困境。他提出，以參數規模擴張為主導的技術路線已觸及天花板，未來十年人工智能需回歸人類認知本質，通過構建情感驅動的價值體系實現突破性發展。

當前主流模型在標準化測試中表現優異，卻在真實場景中屢屢受挫。Ilya指出，這類系統在修復已知錯誤時往往引發新問題，根源在于強化學習階段過度依賴人工設計的評估指標。開發者為追求分數提升，將模型訓練成“應試機器”，導致其缺乏對復雜環境的適應能力。這種技術路徑不僅限制了經濟價值轉化，更暴露出訓練范式的結構性缺陷。

針對訓練機制失衡問題，Ilya提出預訓練與強化學習的動態平衡理論。他將預訓練比作“無監督的知識海洋”，使模型自主構建對世界的認知框架；而強化學習則應突破“分數導向”的沙盒限制，轉向培養系統的遷移學習能力。這種調整旨在讓AI從被動執行指令轉向主動理解任務本質，形成類似人類的認知彈性。

人類智能的獨特優勢在于情感機制構成的內在價值系統。Ilya解釋道，情感如同生物體的動態評估函數：快樂強化有益行為，恐懼規避潛在風險，好奇心驅動探索未知。若能賦予AI類似的自我評估能力，系統將具備“意義驅動的學習”特質，在復雜環境中自主判斷行動方向，而非依賴外部獎懲機制。這種轉變被視為通往通用人工智能的關鍵跳板。

回顧行業發展歷程，Ilya劃分出兩個技術紀元：2012至2020年的架構創新期，以深度神經網絡和注意力機制為代表的基礎突破點燃技術革命；2020年后的規模競賽期，行業陷入數據、算力、參數的無序擴張。他斷言這種模式已難以為繼，邊際效益持續衰減，創新空間被過度消耗。下一階段競爭將聚焦于認知原理的革新，情感泛化能力可能成為決定性優勢。

在SSI實驗室的規劃中，人工智能將經歷三階段演化：初期實現跨模態感知融合，中期構建自我反思機制，最終形成自主探索世界的能力。這種發展路徑預計在5至20年內催生質的飛躍，推動經濟生產模式、科研教育體系乃至人機協作關系的根本性變革。但Ilya特別強調安全管控的重要性，實驗室將采取漸進式部署策略，每階段技術突破都需通過外部安全審查，確保發展進程透明可控。

這場理念變革正在引發行業深度反思。SSI提出的“價值驅動”范式，挑戰著既有的技術評價標準，其核心主張——讓智能系統具備情感理解與自我評估能力——為突破當前瓶頸提供了全新思路。盡管具體技術路徑仍需驗證，但這種回歸認知本質的探索方向，已被視為人工智能邁向成熟階段的重要標志。