标签
本文探讨了自指性，这一曾被视为人工智能核心要素的概念，在构建如GPT 5.6 Pro这样的高级大语言模型时并非明确必需，从而对道格拉斯·霍夫施塔特等思想家的早期观点提出了挑战。
本文质疑AI代理的能力是源于真正的智能，还是围绕LLMs的工具编排得到了改进，探讨了什么定义了一个真正的AI代理。
前DeepMind科学家Pete Florence通过使用一个简单的夹具和相机证明了在机器人学中智能比硬件更为关键，这帮助他的公司Generalist获得了一轮2亿美元的融资。
在这期播客中，认知科学家Melanie Mitchell探讨了AI推理是否类似人类，提出了衡量机器认知的方法，并讨论了AI对现实世界影响的意义。
Elon Musk断言，具有单一语言和知识领域的专家AI可以在智能上实现100倍的提升，验证了之前的预测。
一篇评论文章认为，超级智能可能不是爆炸性涌现，而是渐进式发展，因为人工智能的局限不在于推理能力，而在于现实世界验证和复杂涌现系统的缓慢进程。
文章分析了如何达到给定水平的AI智能的成本（由Epoch AI的ECI衡量）每2-4个月减半，引用了Grok、DeepSeek、GPT和Gemini的例子。
Yann LeCun在彭博社采访中解释，LLMs之所以有限，是因为它们只处理符号文本，而现实世界的理解需要儿童自然获得的大量感官数据。他引用莫拉维克悖论来强调这一差距。
Yann LeCun认为，大型语言模型缺乏真正的智能，因为它们不理解物理世界；他主张开发能够学习因果关系并为现实世界应用提供规划的“世界模型”。