标签
一位教授讲述了他与一名本科生的一次经历：该学生使用AI完成研究项目，但并未真正理解内容，这凸显了在没有深度知识的情况下依赖AI的风险。
AI教授 Michael Wooldridge 用 97 分钟视频拆解了 ChatGPT 的神话，指出 ChatGPT 只是昂贵的自动补全，并非真正思考；反复用 AI 内容训练 AI 会导致系统崩塌，安全护栏也只是技术版胶带。
一篇对Julian Togelius的采访探讨了大语言模型为何难以胜任电子游戏，原因包括游戏多样性、数据稀缺以及缺乏通用游戏AI，同时指出像Gemini借助自定义软件击败《宝可梦：蓝》这样的例外情况。
Yann LeCun回应Pope Francis，表示虽然当前的AI缺乏同理心和道德观，但未来的AI可能会获得这些特质，除了或许灵性，他指出许多人类也没有灵性，但仍然有同理心且道德高尚。
本文探讨了为什么许多人怀疑AI未来的能力，认为怀疑者常常低估AI相对于普通人类的表现。
讨论了AI系统能解决复杂数学问题却难以完成基本算术（如两数相加）这一明显矛盾。
讨论了一个观察：编码代理虽能有效定位代码，但难以深入理解项目，比如组件关系和项目风格。作者介绍了 RepoWise，一个提供仓库级信号（如依赖图和Git历史）的工具来解决这些问题。
这篇评论文章尖锐指出，类似Claude的AI智能体缺乏真正软件架构所需的上下文判断力和说“不”的能力，警告人们不要让它们在缺乏人类监督的情况下设计系统。
文章警告称，AI代理的记忆系统优先考虑回忆而非准确性，导致过时或不正确的假设难以追踪或修复，除非重置一切。
一篇评论文章，质疑用户为何不能在自有GPU上本地运行Gemini和Claude Code，暗示计算成本制约了对这些AI模型的访问。
文章讨论了一个理解transformer学习优势及其局限性的思维框架，认为相对于能够假设并寻求真相的方法，扩展当前范式可能效率低下，并提及了对对抗性世界模型和强化学习的需求。
Demis Hassabis 讨论了语言模型的局限性，并认为需要世界模型来学习物理现实在文本之外的隐藏语法。
文章讨论了当前AI系统如何协助科学工作流程的部分环节，可能在数据丰富的领域加速渐进式发现，但仍受限于对现有文献和人类定义目标的依赖，存在认知同质化的风险。
Yann LeCun 观察到，当前的人工智能系统虽然远未达到人类水平的智能和学习能力，但通过积累大量陈述性知识来弥补自身在常识、推理和规划能力上的不足，已经变得非常有用，这一现象引发了关于AI能力的讨论。
安德烈·卡帕斯讨论了当前AI模型的局限性，强调人类技能培养比外包思考更重要，以及他受星际迷航学院启发的新教育平台愿景。
用户描述了AI助手在WordPress优化等技术任务中自信地给出未经核实的建议的问题，这要求用户放慢速度并要求验证。本文探讨了避免浪费时间的提示策略。
作者批评AI编码工具就像多动症的初级开发者，产出花哨但低效的代码，需要大量的监督和修复，并质疑为何这些工具被当作高级助手来营销。
关于AI对人类文明和基础设施依赖性的思考，认为如果没有人类持续维护，当前AI系统将无法生存，并且如果人类消失，它们将与现实脱节。
Yann LeCun 认为，LLM缺乏世界模型，因此无法可靠地构建智能体系统，因为它们无法预判自身行为的后果。