平克AI外推之争
4 ステップ1 件2 ソース
【背景】围绕“人工智能能否通过规模扩展持续超越人类智能”这一核心命题，认知科学家史蒂文·平克与博主斯科特·亚历山大展开了长达数年的公开辩论。平克坚持认为智能并非单一可量化的流体，且受限于物理世界的观测知识，因此反对将动物到超级智能的线性外推；而亚历山大则援引心理学中的“g因子”（一般智力因素）在动物和LLM中的普遍存在，以及GPT系列模型在解决基础数学乃至Navier-Stokes方程上的实际进步，主张默认假设应为每一代模型都比上一代更聪明，且目前尚无证据表明这种增长会在达到人类水平前停滞。
这场争论不仅是技术预测的分歧，更是两种世界观的碰撞：一方强调机制的局限性与特定领域的不可通约性，另一方强调通用认知能力的可测量增长与涌现效应。截至发稿，双方尚未就“智能是否可无限外推”达成和解，但亚历山大指出，随着模型能力的实证提升，质疑者需提供更强的理由来解释为何增长曲线会突然截断。
経緯
平克开始对AI危险性及能力外推持怀疑态度，此时对应GPT-2时期。
astralcodexten.com ↗Scott Aaronson与Steven Pinker就AI缩放进行辩论，Pinker等人更关注GPT-3的错误，而Aaronson等人更关注其能力。
lesswrong.com ↗平克重申观点，指出当时AI仍无法处理简单的时间逻辑推理，并质疑改进呈指数级增长的可能性。
astralcodexten.com ↗Scott Alexander发表公开信反驳平克，引用GPT-4至GPT-6+的实际表现（如解决Navier-Stokes方程）及大鼠的g因子研究，论证智能随规模增长的合理性。
astralcodexten.com ↗
未解決の問題
- 是否存在确凿的证据或理论模型，能够证明LLM的能力增长将在某个特定点（如低于人类平均水平）出现硬性渐近线？
- 平克所指的‘智能作为机制而非流体’的观点，如何解释跨领域任务中观察到的正相关性（即g因子现象）？