Gary Marcus

Claude Code 融合 53 个符号工具与 50 万行符号代码，是自 GPT-4 以来最重要的 AI 进展。

神经符号AI通过融合符号推理与深度学习，突破了纯大模型的局限。

AI 行业正陷入同质化竞争，缺乏技术护城河，导致无法形成垄断市场，最终将引发价格战和过度投入，企业利润受限。

LLM 是交互式虚构作品的合成产物，而非真实存在的实体，用户与其互动时实际是在与模拟角色交流。

Gary Marcus认为AI实验室使用神经符号工具是成功而非失败，这是他过去30年来的观点。

Gary Marcus认为，如果在2020年提出的AI十年规划中所有建议都得到实施，我们可能已经达到了AGI。然而，过度依赖纯扩展导致其他关键目标进展缓慢。

Starbucks 部署的 AI 库存管理系统频繁出错，导致无法信任当前 AI 技术。

即使假设实现通用人工智能(AGI)需要新的范式，基于林迪定律推算其出现时间仍可能落在未来3至5年内，因此不应低估当前AI发展的风险。

AI就业冲击预言屡屡失准：2016年Hinton称放射科医生将被取代未发生；2026年Amodei称白领岗位将被取代也未兑现，二者皆因技术炒作而非行业分析。

Gary Marcus 引入了一个新的概念 'agent debt'，指出这是不可避免的，因为它反映了 AI 驱动的技术债务问题。他强调了快速构建但缺乏长期维护的系统会带来的冲突、内存污染和工具重叠等问题。

Anthropic博客展示的AI编码加速属于递归自我改进（RSI）而非通用人工智能（AGI），其突破依赖神经符号系统而非纯规模扩展。实现AGI仍需新范式，当前进展不证明数据中心扩张是必经之路，无需过度恐慌。

文章指出，教皇方济各在AI意识问题上的见解比Geoffrey Hinton更深刻——他强调‘真正的理解来自经验而非文本拟合’，而Hinton的访谈中仍混淆了LLM输出与人类内在状态的本质差异；作者援引Nature论文与自身研究，重申LLM只是‘训练来预测人类语言的互动虚构’，并非创造‘存在’。

微软因基于token计费模式成本过高而取消内部Claude Code许可证，Uber的CTO警告公司已耗尽整个2026年AI预算，标志着AI应用的成本控制危机即将到来。

Gary Marcus 预测神经符号 AI 将在经济性、数据与能耗上显著优于 LLM，成为下一个盈利风口；而 LLM 除芯片外整体盈利有限。

Gary Marcus批评他人对其深度学习观点的误读，强调他早在2018年和2022年就明确主张深度学习需与神经符号AI结合，而Claude Code等工具的成功正验证了他的观点。

Gary Marcus 批评当前 AI 投资模式，指出投入万亿美元仅能获得每年100亿美元利润，年回报率仅为1%，质疑其经济合理性与风险忽视。

生成式AI本质上是重复使用相同训练数据和模型架构进行预测，却期望获得不同结果，这与‘疯狂’的定义高度相似，揭示了当前AI方法论的根本局限性。

Gary Marcus 认为‘AI 属于人民’的说法荒谬，因大量企业投入研发；但同时指出生成式 AI 建立在大规模知识产权盗窃之上，因此支持 Bernie Sanders 提出的‘美国 AI 主权财富基金法案’，主张公众应共享 AI 利益。

神经符号系统正在崛起，通过将深度学习与符号推理结合，如在80万参数Transformer中嵌入逻辑求解器机制，可在仅1500万训练计算量下实现极端数独100%准确率，标志着AI推理能力的重要突破。

Gary Marcus批评Altman和Amodei关于AI未来影响的言论不一致，认为他们只是为了推动IPO。

Gary Marcus认为OpenAI的公众形象因政治反对其AI而受损，尽管公司已与多位沟通高管交谈，但仍未填补高层职位。

Gary Marcus 讨论了 SpaceX 和 OpenAI 的财务表现，并提出质疑高估值公司的合理性。

Gary Marcus 引发争议，认为神经符号 AI 正在拯救深度学习于水火之中，而智能人士 Peter Wildeford 却误解了他的原意。

Gary Marcus 警告投资者，标普可能即将改变规则，这可能对退休基金造成数十亿美元的影响。务必阅读他的文章《This one weird trick might cost your retirement fund billions》。

文章指出，人们在管理AI工具上投入的精力远超过解决实际问题，导致高绩效人群出现AI相关的精神疲劳。

Gary Marcus批评大语言模型的‘思考’本质上是衍生的，认为其更像是炒作而非真正的智能突破。

Gary Marcus质疑GPT-4相比GPT-3.5是否真有突破，认为其仅为渐进式改进，行业存在夸大宣传。

Gary Marcus指出AGI定义正被实时篡改，从“专家级全能”降级为“容错型通用”，这种“AI诱饵调包”策略掩盖了当前模型不可靠的工程现实。

Gary Marcus指出，LLMs对任何世界的适应能力与人类不同，而物理学中的平方反比定律揭示了我们世界结构的独特性。

Gary Marcus质疑AI在数学验证问题上的成功能否自动推广到其他领域，指出缺乏证据支持这种泛化能力，同时Soham Mehta反驳认为OpenAI已证明离散几何学长期猜想，挑战了AI仅是随机鹦鹉的观点。