图灵奖得主指出：当前AI缺乏真正的自主学习能力
图灵奖得主Yann LeCun等人在arXiv发表论文，指出当前AI模型一旦部署便无法自主学习新知识，必须依赖人类专家利用新数据进行重构。现有AI的自监督、监督和强化学习范式相互孤立，混合使用需靠人工反复试验，导致学习过程实质上是外包给人类而非系统固有能力。论文提出应构建受人类启发的自主学习框架，将自主学习视为现实世界可靠运行AI系统的核心能力。
事件概述
图灵奖得主 Yann LeCun 等人在预印本平台 arXiv 上发布论文（链接：https://arxiv.org/abs/2603.15381），深入探讨了当前 AI 系统在“自主学习”方面的根本性局限，并提出了一个受人类认知启发的新框架。
核心问题：学习能力的缺失与外包
- 部署即固化：目前的 AI 模型在部署后基本无法吸收任何新知识，其操作逻辑是固定的。若环境发生变化，必须由人类专家介入，利用新数据对模型进行重新训练或重构。
- 模式孤立：人类儿童能够灵活切换不同的学习模式，而当前的 AI 模型中，自监督学习、监督学习和强化学习等范式是相互孤立的。
- 依赖人工干预：混合使用不同学习模式主要依靠人类专家通过反复试验来实现，且通常仅针对特定应用（如聊天机器人或编程助手）有效。
- 本质结论：当前 AI 系统的学习过程实际上是“外包”给了人类专家，而非系统自身具备的固有能力。
未来方向
论文强调，要构建能在现实世界中可靠运行的 AI 系统，必须将自主学习视为一项核心能力，而非辅助功能。新的框架旨在模仿人类的学习机制，使 AI 能够独立适应环境变化。