AI创造AI：从知识搬运到经验学习，但同质化风险不容忽视
2026/07/17 22:17阅读量 2
2026世界人工智能大会专家指出，当前AI大模型仍停留在搬运人类知识阶段，无法自主产出新知识，需转向与真实世界互动中“长出”新知识的经验学习范式。同时，AI可信性仍是落地关键瓶颈，而最大的隐忧在于同质化——若所有研究者采用同一套模型和评测体系，科研与产业成果将趋于单一。论坛呼吁青年科学家坚持第一性原理思考，敢于走非共识方向，以打破“AI规训”。
事件概述
2026世界人工智能大会主论坛及科学前沿论坛上，多位专家围绕“AI如何创造AI”达成共识：当前AI大模型本质仍是搬运人类知识，高质量语料即将耗尽，且无法生成新知识。下一阶段应转向“经验学习”——AI在与真实世界的闭环交互中自主产生经验、开展实验，从而长出新知识。目前这一路径仍处于起步阶段。
核心信息
- 经验学习是下一范式：2024年图灵奖得主理查德·萨顿指出，现有AI范式为“数据学习”，但人类学习本质是“经验学习”。AI需要新的数据来源——自身与世界互动产生的第一视角经验。复旦大学苏昊也强调“新知识诞生于实验”，物理智能的任务是将AI从“科学读者”变成“知识创造者”。
- 可信性仍是落地瓶颈：AI从演示到产品存在“可靠性鸿沟”，工程上每增加一个9的可靠性，难度指数级上升。麻省理工学院教授迈克斯·泰格马克提出将可靠性量化，通过让AI自动写代码并给出数学证明来验证其行为符合规范，实验成功率一年内从68%提升至96%。商汤科技徐立和泰格马克均认为，可通过限定AI使用场景、多模型交叉验证、沙盒测试等方式确保安全边界。
- 同质化是最大隐忧：复旦大学邱锡鹏提出，若越来越多研究者使用同一套模型、同一评测体系做研究，方法和成果将越来越像。专家指出，当前AI可以提出组合式、差值式假说，但无法提出新概念或跨范畴的颠覆性假说——AI没有“科学品位”。产业端也显风险：今年5月全球三大AI公司与21家跨国药企签订27项战略合作，学科发展依赖少数公司模型，同质化从科研蔓延至产业。
值得关注
打破同质化的关键在于鼓励多元探索。青年科学家被寄予厚望：清华大学刘子鸣坚持研究非主流的KAN神经网络，北京智源研究院曹越在多数团队采用扩散模型时坚持自回归视频模型，最终推动了领域多元发展。正如萨顿所言：“如果每个人都觉得AI进步很快，或许这个结论本身就被夸大了。”当所有人的判断一致，这一判断本身便值得警惕。