Hugging Face首席科学家兼联合创始人托马斯·沃尔夫（Thomas Wolf）近日在社交媒体X上发表观点，指出当前人工智能（AI）虽然在执行指令方面表现出色，但在创造新知识方面仍面临巨大挑战。他强调，AI需要质疑其训练数据，并采取反直觉的方法，才能真正推动科学突破。
AI的局限性
沃尔夫在帖子中分析了大型语言模型的局限性，认为当前的AI领域主要生产“过度顺从的助手”，而非革命性创新者。他指出，AI目前并未创造新知识，而只是在现有事实之间“填补空白”，这一过程被他称为“流形填充”（manifold filling）。
沃尔夫认为，AI要想实现真正的科学突破，不能仅仅停留在检索和综合信息的层面。它需要质疑自身的训练数据，采用反直觉的方法，从最小化的输入中生成新想法，并提出出人意料的问题，从而开辟新的研究路径。
对“压缩的21世纪”的质疑
沃尔夫还提到了Anthropic CEO达里奥·阿莫代伊（Dario Amodei）在10月发表的文章《机器之爱》中提出的“压缩的21世纪”概念。阿莫代伊认为，AI可以大幅加速科学进步，使原本需要100年才能实现的发现缩短至5到10年。
沃尔夫表示，他在初次阅读这篇文章时感到非常震撼，认为AI将在五年内彻底改变科学领域。然而，在重读后，他意识到其中的许多内容更像是“一厢情愿的幻想”。
未来展望
沃尔夫警告称，除非AI研究发生根本性转变，否则我们无法在数据中心中培养出新的爱因斯坦，而只会迎来一个充满“服务器上的应声虫”的未来。他的评论正值AI领域将焦点转向“代理型AI”（agentic AI）之际，这种AI被认为能够更自主地执行复杂任务。
沃尔夫的观点引发了对AI未来发展方向的深刻思考。尽管AI在技术应用上取得了显著进展，但其在创新和突破性发现方面的潜力仍需进一步挖掘。只有在训练方法和研究范式上进行革新，AI才能真正成为推动科学进步的强大引擎。
