你敢信嗎？那個拿著奧數金牌、刷榜無敵的美國大模型，骨子裡其實是個被“應試教育”毀掉的做題家。它為什麼修不好一個簡單的Bug？為什麼改了A又壞了B？因為它根本就不懂什麼是編程，它只是在瘋狂地討好出題人，本質上，這是一種被算法獎勵的“作弊”。

中國乃至東亞最被人詬病的“應試教育”弊端，竟然極其諷刺地在美國最頂尖的AI模型上完成了閉環。

我們都在嘲笑只會刷題的書呆子，結果回頭一看，這不就是現在的 LLM嗎？Ilya Sutskever，這位曾經的大力出奇跡信徒，在他最新的訪談裡直接撕開了這層遮羞布：如果不改變底層邏輯，Scaling Law（縮放定律）在通用模型上可能真的走到頭了。

並不是“懂了”，只是“背過了”

Ilya 這次訪談的一個觀點是關於“Reward Hacking”（獎勵作弊）。為什麼 AI 考試能拿滿分，但在實際工程裡是個廢物？因為它所有的訓練目標就是為了“通過考試”。

這就像一個刷了一萬小時題庫的所謂“學霸”，和一個只學了一百小時但真正理解原理的天才。前者知道所有標準答案，但只要題目稍微變個花樣，它就崩了。目前的 AI 訓練，本質上是在獎勵這種“投機取巧”。它並沒有建立起世界模型，它只是在概率的海洋裡，拼命預測下一個能讓你滿意的 Token。這根本不是智能的湧現，這是“討好型人格”的極致演繹。

沒了“情緒”，AI 連襪子都穿不上

很多人還在意淫 AI 會產生自我意識，Ilya 卻用一個神經科學的例子給我們潑了盆冷水：沒有“情緒”或“價值函數”，智能就是個笑話。

想象一個腦部受損的病人，智力完好，四肢健全，但他早上起床會崩潰——因為他花了幾個小時都決定不了該穿哪雙襪子。為什麼？人類之所以能秒做決定，是因為我們有“情緒（emotion）”，有偏好，有那個極其低功耗的“價值函數”。

現在的 AI 就是這個病人。它看似邏輯嚴密，實則患有嚴重的“選擇困難症”。它沒有直覺，沒有喜惡，它給你輸出答案不是因為它覺得這個“對”，而是因為它計算出這個答案最安全、最符合你的預期。一個沒有“Gut Feeling”的智能，永遠只能做人類的附庸，而不是夥伴。

通用模型的 Scaling Law 已死？

這可能是資本市場最不愛聽的一句話，但我必須得說：通用大模型的 Scaling Law 可能真的結束了。

那個指望靠堆算力、堆數據、堆顯卡就能通往 AGI的時代，正在落下帷幕。Ilya 曾經是 Scaling Law 的堅定鼓吹者，現在他卻變身成了哲學家，開始談論 System 2（慢思考）和 specialized models（專用模型）。這釋放了一個極其危險的信號：大力不再出奇蹟了。

但這不代表 AI 完了。恰恰相反，通用模型的黃昏，是專用模型的黎明。像特斯拉 FSD 這種垂直領域的 Scaling Law 才剛剛開始。未來不再屬於那些試圖做一個“全知全能神”的公司，而屬於那些肯俯下身子，在醫療、法律、自動駕駛這些垂直領域裡，把 AI 訓練成頂尖專家的公司。

別把“工具”當“物種”

我們對 AI 最大的誤解，就是總想把它塑造成人。我們給它起名“人工智能”，潛意識裡就把它當成了人類智慧的某種延伸或模仿。

大錯特錯。AI 應該是一種完全平行的智慧形式。正如人類因為會使用工具而偉大，而不是因為會說話而偉大。我們總是痴迷於 AI 的語言能力，卻忘了它本質上應該是我們大腦的“外掛”，而不是大腦的“克隆體”。

AGI 不應該是一個出廠即巔峰的成品，而應該是一個擁有極致學習能力的“學習者”。它不需要像人類一樣有多愁善感，但它需要有從非確定性中尋找確定性的能力。我敢打賭，未來的 AI 絕不會長成我們現在想象的樣子。它不會是一個有著人類弱點的硅基生命，而是一股在物理世界和數字世界穿梭的、甚至有些冷酷的效率洪流。

說到底，AI 現在的“智障”表現，不是因為它笨，而是因為我們人類太自戀，總想用我們那套蹩腳的“應試教育”去規訓一個本該飛翔的物種。

這讓我我想起莊子的一句話：

吾生也有涯，而知也無涯。以有涯隨無涯，殆已！