Nathan Lambert 反驳 Dwarkesh：持续学习并非 AI 进步的瓶颈
natolambert · x · 2026-11-14
Interconnects 作者 Nathan Lambert 发文《Contra Dwarkesh on Continual Learning》，回应 Dwarkesh Patel 因「持续学习缺失」而延长 AI 时间线的观点。
- Lambert 的核心立场：他认为现有系统已经算是 AGI，真正的问题是持续学习是否构成 AI 进步的瓶颈——他的答案是不构成。
- Dwarkesh 的论点是：LLM 虽然神奇，但财富 500 强企业没用它改造工作流，是因为模型缺少人类式劳动所需的基本能力（无法像员工一样在工作中持续积累经验）。
- Lambert 反驳：持续学习是 AI 研究者最容易掉进去的「算法诱惑」；只要继续 scale 现有系统，就会免费得到与人类学习难以区分的行为，但那将以一种新形态 AI 的出现为标志，而非现有 LLM 系统的平滑延续。
- 他用「别把飞机造得太像鸟」作比喻，并预期 Dwarkesh 会在部分细节上判断正确，正如去年的持续学习之争，答案很快揭晓。
这是两位知名 AI 评论者之间关于扩展路线 vs 持续学习的高质量观点交锋。
所属事件:持续学习是否制约 AI 自动化研究员引论战(2 条相关)→
「漫话AGI」频道最新
- 投资人称身边 60% 的人有某种 AI 精神症，越聪明陷得越深 — StewartalsopIII · 2026-11-14
- AI 不会让人人平等,反而比金钱更狠地拉开认知差距 — prasenx · 2026-11-14
- 幼儿只能从会回应的对象学新词,研究呼吁用响应式 AI 复测 — AnnaCiaunica · 2026-11-14
- 开发者感慨墨菲定律时代:数十亿并发事件让罕见故障成日常 — bingxu_ · 2026-11-14
- 开发者自述：agent 时代全能独立者反而更难被大厂雇用 — rudrank · 2026-11-14
- AI Lab 能否攻克疾病：制药业两大盲区之争引热议 — bookwormengr · 2026-11-14