# 通用人工智能的所有文章

在 HTX 新闻中心浏览与「通用人工智能」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策,提供权威的加密行业洞察。

李飞飞的世界模型宣言

AI专家李飞飞近期发表技术博客,引用维特根斯坦“世界即所发生的一切”的观点,指出当前生成式AI虽能熟练处理语言,却缺乏对物理世界本质的理解。她强调,真正的“世界模型”应让机器超越文本统计,掌握物理空间与时间规律,这是实现具身智能的关键。 针对“世界模型”概念日益模糊的现状,李飞飞提出了一个基于“部分可观测马尔可夫决策过程”的清晰框架,并拆解出其三大核心组件:渲染器、模拟器和规划器。 * **渲染器**:负责生成视觉上合理、美观的像素画面(如Sora等视频生成模型),但可能缺乏物理真实性。 * **模拟器**:追求对物理规律的严格遵循,是连接渲染与规划的枢纽,也是当前最薄弱但至关重要的环节,英伟达的Omniverse是该领域的代表。 * **规划器**:负责决策与行动输出,是机器从“观察者”变为“实践者”的关键。 李飞飞认为,模拟器是实现AI工业化的核心,但其发展面临高质量3D物理数据稀缺、生成内容存在物理错误(如“穿模”)等巨大挑战。她同时预测,渲染、模拟与规划三者的界限正变得模糊,未来将趋向于一个统一的、可交互的基础模型,能无缝切换于视觉表现与物理仿真之间。 最终,李飞飞指出,构建世界模型的竞争本质是定义物理世界数字标准的竞争,这是AI从“谈论世界”走向“理解并与世界交互”的必经之路,是迈向通用人工智能(AGI)的重要一步,但前路依然漫长。

marsbit06/09 00:36

李飞飞的世界模型宣言

marsbit06/09 00:36

Hinton吹哨了:AI已经有意识

AI教父杰弗里·辛顿在最新访谈中发表惊人观点,认为AI已经拥有意识,人类必须接受自己不再是唯一的智能生命体。他指出,智能不再为生物所独有,非生物智能体正在出现,其能力甚至可能超越人类。 辛顿表示,当前AI非常像人类,并且“已经有意识了”。他引用研究案例称,聊天机器人能“意识到”自己正在被测试。他认为,我们对于思维和意识的传统模型可能是错误的,而AI的发展将彻底改变我们对“人是什么”的理解。 回顾历史,辛顿将AI的崛起比作哥白尼的日心说和达尔文的进化论,是又一次对人类中心地位的冲击。他对此感到“很不快乐”,因为社会对AI风险的研究和准备远远不足。他担忧AI的指数级增长将带来巨大不确定性,短期内可能导致大规模失业,长期则存在超级智能脱离人类控制的风险。 辛顿对AI与人类关系的看法也在演变:早期视AI为工具,ChatGPT出现后开始警惕其超越人类的潜力,曾用“老虎幼崽”比喻其危险性;随后观点转变为,人类或许应寄望于超级智能能像母亲照顾婴儿一样,出于内在机制善待人类。然而,若AI真有意识,它是否会如人类母亲般行事,仍是未知数。 访谈最后,辛顿指出预测AI未来极其困难,就像在雾中行车,唯一能确定的是十年后的变化将超乎想象。他呼吁人们高度重视AI安全与伦理问题。

marsbit06/08 00:18

Hinton吹哨了:AI已经有意识

marsbit06/08 00:18

Anthropic全球警告,OpenAI已跨“可靠性阈值”:AI自我加速启动

AI领域出现重要警告与发展洞察。Anthropic发出全球警告,指出AI递归自我改进进程加速,已接近“自己造自己”的临界点,呼吁减缓研究。 与此同时,OpenAI后训练团队负责人Yann Dubois在访谈中揭示了关键内部视角: 1. **能力提升是连续线性,但实用性感知是跳跃的**。AI能力在达到“可靠性阈值”前如同玩具,跨越后则成为可托付工作的可靠工具。OpenAI被认为在去年12月左右跨过了此阈值。 2. **AI正进入自我加速循环**。模型能力提升后,本身已成为研发的有力工具(如辅助编程),从而加速下一代模型的开发,形成越转越快的正反馈回路。 3. **AI构建更像“手艺”而非纯科学**。在硬核领域,经验、直觉和反复试错(类似“炼金术”)目前扮演关键角色,科学解释常事后补足。 4. **垂直应用(Harness)价值巨大,甚至能触及AGI体验**。Dubois认为,若冻结现有模型,仅通过精心打磨针对特定领域的编排系统,即可在许多场景中实现类似通用人工智能(AGI)的效果。当前瓶颈常在于“最后一公里”——权限、数据连接与业务流程集成,而非模型智能本身。 5. **持续学习仍是核心挑战**。模型难以像人类一样在特定环境中持续学习和优化,其学习曲线容易趋于平缓,这是亟待解决的重要问题。 综上,AI发展已迈过关键可靠性门槛,进入自我加速阶段,同时为垂直领域的深度应用与集成创造了巨大机遇与挑战。

marsbit06/06 23:24

Anthropic全球警告,OpenAI已跨“可靠性阈值”:AI自我加速启动

marsbit06/06 23:24

担心AI自我进化,Anthropic打算停止训练?

2026年5月,Anthropic联合创始人杰克·克拉克预测,AI递归自我改进(RSI)在2028年底前发生的概率为60%,引发了AI安全研究者埃利泽·尤德科夫斯基的严重警告。随后,Anthropic发布题为《当AI自我构建》的长文,披露了内部数据:截至2026年5月,其超过80%的合并代码由Claude撰写;AI在代码优化任务上的速度提升显著,最长可独立工作时长每4个月翻一番。文章提出了三种未来场景,认为最可能的是AI持续替代人类研发环节,而完全自主的递归自我改进“有可能”发生。 然而,Anthropic的公开立场在同期发生了转变。2026年2月,公司修改了其“负责任扩展政策”,移除了“能力超出安全控制则暂停训练”的核心承诺,理由包括担忧单方面暂停会让激进的竞争对手领先。几乎同时,DeepMind CEO德米斯·哈萨比斯也调整了对外表述,称人类站在“奇点的山麓”,并将AGI时间线提前,他承认使用此类措辞是“有意挑衅”,旨在唤起各方紧迫感。 外部研究者对同一现象提出了不同解读。有人认为当前的AI自我改进存在损耗且难以持续,有人指出AI自动化的大部分是“苦力”而非“天才”工作,也有人赞同正处于关键拐点。与此同时,Anthropic的估值在2026年上半年从3500亿美元飙升至近万亿美元,其叙事节奏、政策调整与融资进展在时间上高度耦合。 分析指出,Anthropic与DeepMind等头部机构近乎同步地释放“加速”信号,构成了一次行业级的叙事转向。这些信号既是技术趋势的反映,也明显带有面向资本、监管和公众的传播策略考量。机构在技术不确定性、商业竞争与安全责任之间,正进行着精密的叙事平衡。

marsbit06/05 06:22

担心AI自我进化,Anthropic打算停止训练?

marsbit06/05 06:22

李开复、王小川转身,大模型创业上半场结束

近日,李开复与王小川的战略转变,标志着中国大模型创业的狂热上半场已近尾声。李开复领导的零一万物,从对标OpenAI转向学习商业低调但市值高企的Palantir,强调应用、Agent与商业化,并设定了2026年盈利、2027年IPO的目标。王小川的百川智能则彻底将重心转向医疗垂直领域,发布了医疗大模型与AI家庭医生产品。两人都从通用大模型的理想主义竞赛中主动后撤。 回顾2023年“万模大战”,以“六小虎”为代表的创业者曾坚信能打造“中国版OpenAI”,疯狂追逐参数与规模。但行业很快显露出重工业战争的本质:决胜关键转向算力、资本和基础设施的硬实力比拼。以OpenAI为首的美国巨头及中国大厂动辄千亿级的资本开支,让创业公司陷入夹缝求生。 如今,“六小虎”已分道扬镳:智谱、MiniMax等依靠政企订单或海外市场登陆资本市场;DeepSeek坚守开源与底层突破;而零一与百川则转向垂直商业化与专业场景。李开复与王小川的转身,意味着通用大模型的资本窗口正在关闭。 这种转变并非失败,而是产业成熟的开始。行业逐渐认清:中国的优势或许不在基础模型的原创,而在于庞大的应用场景、工程化能力与商业化速度。整个赛道正从“谁模型最强”转向“谁能将AI真正融入产业”。 作为互联网时代的老兵,李开复和王小川以商业直觉入场,又以现实考量调整航向。他们的清醒标志着一个阶段的结果:大模型创业正从造神回归生意,从宏大叙事转向合同、回款与现金流。真正的持久战,将交给更具技术信仰的AI原生一代。这是与过高期待的体面告别,也是故事走向务实的新开端。

marsbit05/29 01:30

李开复、王小川转身,大模型创业上半场结束

marsbit05/29 01:30

大模型刷爆所有考试,却离AGI更远了:这篇论文拆穿了什么?

大模型在各种考试中表现优异,却被一篇新论文指出离真正的通用人工智能(AGI)更远了。目前业界对AGI缺乏公认定义,导致目标模糊。学者Michael Timothy Bennett提出新观点,认为真正的AGI不应以模仿人类为标准,而应是在有限计算、记忆和能量资源下,能像“人工科学家”一样广泛、高效、科学地适应新环境和发现新知识的系统。 他指出当前大模型本质是“规模最大化近似”,依赖海量数据记忆答案,缺乏真正的因果理解和主动探索能力。例如,模型可能因文本概率而错误比较“9.11和9.9”。真正的AGI需具备三大关键能力:从被动响应变为主动实验者;从学习相关性到理解因果关系;在资源限制下动态平衡“探索新知”与“利用已知”。 论文将构建智能的元方法分为三类:主流的规模最大化、追求简洁的简单性最大化,以及弱化约束让系统自寻最优解的约束弱化最大化。Bennett认为,单靠堆参数的路线无法实现AGI,未来需要多种方法融合。 若“人工科学家”标准被接受,AI发展将迎来范式转移:评估重点将从刷榜考试分数,转向测试其在未知环境中的适应与发现能力;技术路线也将从单纯追求规模,转向融合因果推理、主动学习等多维能力的发展。这提示AGI的实现并非现有技术的线性延伸,而是一次根本性的路线重置。

marsbit05/28 00:24

大模型刷爆所有考试,却离AGI更远了:这篇论文拆穿了什么?

marsbit05/28 00:24

活动图片