图灵奖得主理查德・萨顿：纯生成式AI无法开展真正的科学研究

2026年06月02日由 alex 发表 756 0

richard_sutton_screenshot

图灵奖得主理查德・萨顿提出观点：常规生成式人工智能欠缺科学探索所需的一项核心能力 —— 无法对自身生成的结论进行校验与迭代优化。

大语言模型、图像及视频生成模型依托海量样本数据完成学习，输出和训练样本特征相近的内容。在萨顿看来，这类模型产出优质内容大多得益于训练素材，也就是其学习过的文本、图像与各类数据；一旦生成脱离原有素材的全新内容，面对事实类提问时，这类内容就属于模型幻觉。

萨顿借用科研圈一则经典笑话佐证自己的看法：“这份成果兼具创新性与实用性。可惜实用之处毫无新意，创新之处又缺乏实用价值。” 他表示，当下多数生成式 AI 都存在这个问题：它既能复刻成熟有用的内容，也能随机生成新奇产物，却没有自主甄别优质新思路的能力。

萨顿并未否定生成式 AI 的实用价值，它可用于内容总结、科研辅助、智能助手、文娱创作等场景，而很多场景本身也不需要内容具备创新性：摘要不能编造事实，科研综述也不能凭空杜撰结论。萨顿称：“即便只是单纯做内容复刻，只要相比原有方案速度更快、成本更低、体量更精简、可定制性或复用性更强，生成式 AI 依旧具备极高的应用价值。”

文章来源：https://the-decoder.com/turing-award-winner-richard-sutton-says-pure-generative-ai-cant-do-real-science/

标签：

0 评论

欢迎关注ATYUN官方公众号

商务合作及内容投稿请联系邮箱:bd@atyun.com

上一篇阿里发布 Qwen3.7-Plus 模型，全面升级多模态与混合 AI 智能体能力

下一篇 WeatherMesh-6 重磅上线，预报精度反超欧洲官方气象机构

评论登录

要发表评论，您必须先登录。

jonatasgrosman/wav2vec2-large-xlsr-53-english facebook/dino-vitb16 bert-base-uncased xlm-roberta-large xlm-roberta-base gpt2 microsoft/resnet-50 facebook/dino-vits8

优化 LLM 提示的成本、延迟和性能的 4 种技术