大神卡帕西談AGI：悲觀5-10倍

2025年，被稱為智能體之年。這一年正在進入尾聲，智能體怎么樣了？

硅谷AI大神卡帕西（Andrej Karpathy），最近接受科技播客 Dwarkesh Patel長達3小時采訪，對AI界提出了一些尖銳的批評。他在對話中說：有些智能體就是垃圾，這個行業“試圖假裝這很神奇”。播客視頻發布之后，引起許多爭議。

卡帕西平時寫推文的風格，其實一向是反思、謙遜、技術含量很高又帶點人文色彩。他又發了一篇長推文，借此澄清了播客中被誤讀的重點：他并不看空 AGI，只是比當前的樂觀情緒更理性；他看好智能體交互、看衰傳統 RL；強調“認知核心”與記憶削弱的方向；也批評了過度自動化的 Agent 幻象。

下面是他的長推文翻譯，我們做了一點刪節，調整了小標題。如下：

很高興上周能參加 Dwarkesh 的節目。我覺得他的問題和整場對話都非常好。

我剛又重新看了一遍那期播客。首先，是的，我知道——我說話實在太快了，對此我很抱歉。這對我自己其實也不利，因為有時候我的“說話線程”比“思考線程”還快，結果導致有些解釋沒講好；有時我又擔心自己扯得太遠、太枝蔓。總之，這里是一些補充說明：

AGI 時間表：悲觀5-10倍

我在節目里談AGI時間表的部分似乎成了早期反響里最熱門的段落。我說的“智能體的十年（decade of agents）”其實指的是我之前那條推文。總體來說，我的 AI 時間線比你在舊金山的 AI 圈聚會或 Twitter 時間線上聽到的要悲觀 5–10 倍，但相比近來出現的一股“AI 懷疑論”浪潮，我又仍然算樂觀。

這并不矛盾——我認為我們確實在近幾年 LLM 上取得了巨大進展， 但同時要實現真正的 AGI 仍有大量工作要做：底層工程整合、感知器與執行器接入物理世界、社會制度配套、安全與防護（如越獄、數據投毒）等，還有許多研究任務要完成，才能造出一個“在任何崗位上你都寧愿雇用它而非人類”的實體。

從整體上看，10 年其實已經是個相當樂觀的 AGI 時間表——只是與當下的“過熱”情緒相比，才顯得不那么樂觀而已。

動物 vs 幽靈

我在 Sutton 的播客上寫過一篇相關的想法。我對“只需放出一種簡單算法就能從零學會一切”這類說法持懷疑態度。

如果有人真的造出了這樣的系統，那我寧愿被打臉——那將是 AI 史上最驚人的突破。

在我看來，動物絕不是這樣的例子。它們在出生前就被進化過程預裝了大量智慧，出生后的學習其實很有限（比如斑馬一出生就能站立奔跑）。從工程角度說，我們不可能“重做一次進化”。

但 LLM 意外地走出了一條替代路徑：我們通過預測網絡上的下一個 token，而不是生物進化，來“預裝”大量智能。 這種方式造出的智能體，不像動物，更像幽靈或靈體（ghosts/spirits）。當然，我們可以也應該讓它們逐漸更“像動物”，這也是許多前沿研究正在做的事情。

嘈雜的強化學習

我已經多次批評過RL。首先，它的問題是“像通過吸管吸監督信號（sucking supervision through a straw）”，也就是說信號效率極低。

其次，RL的反饋極其嘈雜：一個生成可能包含許多錯誤，但只要最終結果正確，就可能把那些錯誤步驟也獎勵了；反過來，一個中途很有洞見的 token 卻可能因為后續出錯而被懲罰。“過程監督”或LLM 評審也各有問題。

我認為我們會看到新的學習范式出現。我長期看好“智能體式交互（agentic interaction）”，但短期看衰傳統 RL。

我最近看到一些論文的方向是對的，類似我之前稱作“系統提示學習（system prompt learning）”的思路。但 arXiv 上的點子與能在前沿實驗室真正大規模落地的實現之間，仍有鴻溝。

總體我仍然樂觀——這一方向的進展會很快出現。 例如，ChatGPT 的記憶功能等，已經是這種新學習范式的原始實踐雛形。

認知才是核心

我早先的帖子中，核心想法是剝除 LLM 的記憶，使其更難死記硬背，甚至主動移除部分記憶，從而增強泛化能力。 否則模型會過度依賴所記住的東西。

人類記憶困難——而這反倒可能是個優點，一種天然的正則化。參見我另一篇關于模型規模趨勢“反向”的帖子： 為什么“模型必須先變大，然后才能變小”。

低能的智能體

我對當前業界的批評主要是：工具做得過頭，而能力還沒跟上。我生活在一個“中間狀態”的世界——我想與 LLM 協作，我們各有所長。整個業界似乎活在一個未來幻境里：那時完全自主的智能體并行合作寫完所有代碼，人類已無用武之地。

例如，我并不想要一個跑 20 分鐘后回來給我1000 行代碼的智能體。我更不想監督 10 個這樣的代理團隊。

我希望以自己能理解的“塊”為單位推進：LLM在寫代碼時能解釋給我聽；它能向我證明代碼正確；它自動查API文檔并展示用法；在不確定時少做假設，多與我協作。

我希望在過程中一起學習，成為更好的程序員，而不是被動地接收一堆“看似能跑的山一樣的代碼”。

我只是認為：這些工具應該更現實地匹配當前能力和行業需求。否則，若處理不好，我們可能會迎來“軟件垃圾山”：漏洞、攻擊面、安全問題都會激增。