前特斯拉AI总监、OpenAI创始成员安德烈·卡帕西近日接受深度访谈，针对人工智能现状与未来发表了诸多颠覆性观点。在长达两个半小时的对话中，这位行业领军人物不仅剖析了当前技术瓶颈，更对主流研究方法提出尖锐批评，引发学术界与产业界的广泛讨论。
当业界普遍聚焦"智能体元年"概念时，卡帕西却提出更具挑战性的判断："我们需要面对的是智能体的十年发展期。"他以实习生类比AI系统指出，现有模型在多模态交互、持续学习、计算机操作等核心能力上存在根本缺陷。这位资深研究者结合二十年从业经验预测，解决这些基础性问题至少需要十年时间，而非某些机构宣称的短期突破。
在开源项目nanochat的开发过程中，卡帕西亲身验证了语言模型的认知局限。这个耗资不足百美元的简易版ChatGPT项目，意外暴露出编程助手的严重缺陷。"模型总是试图套用互联网上的标准模式，完全忽视定制化需求。"他举例说明，当开发者放弃PyTorch标准容器时，AI助手仍顽固地推荐过时方案，导致代码库膨胀且结构混乱。这种过度依赖训练数据的"记忆式编程"，反而阻碍了创新实现。
对强化学习技术的批判成为访谈焦点。卡帕西将其比作"用吸管汲取监督信号"，指出这种将最终结果信号分散到整个决策过程的做法既低效又荒谬。"人类学习不会进行数百次重复试验，更不会将最终奖励机械地反推到每个动作。"他强调，当前大模型训练缺乏人类特有的反思复盘机制，导致生成内容逐渐陷入"隐性坍缩"——看似合理的输出实质上覆盖范围极窄，多样性严重不足。
通过与人类认知方式的对比，研究者揭示了AI发展的双重困境：一方面模型因过度记忆训练数据而丧失泛化能力，另一方面又因缺乏主动思考导致内容多样性枯竭。卡帕西以"做梦"机制为例，指出人类大脑通过引入随机性对抗认知固化，而当前AI系统尚无类似平衡机制。这种认知缺陷使得模型生成的文本逐渐趋同，就像成年人因思维固化而重复陈词滥调。
在评估AI经济影响时，卡帕西提出务实标准：应关注具体业务场景中的实际效能，而非抽象能力指标。他以医疗影像诊断为例，指出复杂认知工作的自动化进程将远慢于预期，更可能呈现"人机协作"的渐进模式。对于通用人工智能（AGI）的经济效应，这位研究者认为其影响将分散在长期经济曲线中，如同计算机革命般缓慢渗透，而非引发突变式增长。
访谈中触及的多个前沿议题引发持续热议。关于人工超级智能（ASI）的讨论，卡帕西警示自动化系统复杂度可能超越人类理解范畴；在自动驾驶领域，他强调实现99.9%可靠性需要持续投入；针对教育变革，则提出智能体可能演化出独特"文化"的惊人设想。这些观点在外网平台获得高度关注，被网友誉为"AI发展路线图的清醒剂"。
