算力悖论：理论对了所需算力是可控的，理论错了再多算力也白搭

主要观点总结

本文介绍了伊利亚·苏茨克沃关于人工智能产业演进的观点，他认为现有的靠堆算力、拼规模的路径已经走到了尽头，真正的智能无法仅靠扩大规模来实现。他强调了泛化能力的重要性，认为这是模型是否能真正模仿人类的关键所在。此外，他也讨论了研究品味的重要性，以及如何评估和发展新的技术。

关键观点总结

关键观点1: 苏茨克沃认为人工智能热潮存在根本性问题，不是细节问题，而是方向性问题。

他强调了人工智能发展的新方法必须捡起过去忽略的真正的研究。

关键观点2: 苏茨克沃提出模型泛化能力的重要性。

他认为当前的模型在真实场景中的表现远远不如人类，这主要是因为模型的泛化能力远逊于人类。

关键观点3: 苏茨克沃对于谷歌在大模型理论上的突破表示认同。

他认为理论正确不仅所需的算力可控，而且算力模式也可能是可控的。这预示着谷歌在产业竞争中的领先地位，并可能预示着软硬一体的公司竞争模型是AI产业的必然趋势。

关键观点4: 苏茨克沃对通用人工智能（AGI）的看法具有争议性。

他认为人类智能并非通过一次性前置灌输获得，而是通过与世界的持续互动积累知识。因此，部署超级智能系统应更像是一个持续教育的过程，而非一个完全造好的系统。

关键观点5: 苏茨克沃对未来AI产业的预测。

他预测未来5到20年内将出现具备当前模型所缺乏的泛化能力的类人学习系统。同时，随着AI能力的日益显现，行业行为将发生改变，包括对手间的安全合作、政府的深度介入以及对AI安全的极度重视。