如果人工智能最大的限制不是推理，而是无法积累经验呢？

每个人都在谈论推理、智能体和更大的模型。但我对人工智能系统了解得越多，就越觉得我们遗漏了一个根本性的问题：人工智能无法像人类那样积累经验。一位资深工程师的价值并不仅仅在于其原始智力。他们的价值在于多年的经验塑造了他们的思维方式。他们的价值在于多年来建立了心智模型、从失败中学习、识别模式、更新信念，并将跨越数千次经验的知识连接起来。这种积累的经验成为了一种竞争优势。现代人工智能系统则不同。它们可以解决复杂问题、编写代码、解释复杂概念，但它们的“知识”在训练后大部分是固定的。新信息通常通过上下文窗口、检索系统、数据库或重新训练流水线来处理，而不是被整合到对世界不断演进的理解中。这就产生了一个有趣的问题：如果经验无法扩展，智能还能继续扩展吗？人类随着时间的推移变得更加有用，因为经验是复合的。一个能够可靠地从交互中学习、更新世界观、解决矛盾、记住重要的东西、忘记不重要的东西，并且在不发生灾难性遗忘的情况下不断改进的人工智能，可能比单纯增加参数数量带来更大的飞跃。也许下一个前沿不是让AI更聪明，而是让AI能够成长。你认为未来的突破主要来自更好的推理模型，还是来自能够持续从经验中学习的系统？