Gary Marcus(@GaryMarcus)
如果‘疯狂是反复做同一件事却期待不同结果’，那生成式AI到底是什么？
7.5Score
TL;DR · AI 摘要
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。
核心要点
- 生成式AI依赖于大规模预训练模型（如GPT）反复生成内容，但未改变底层机制。
- 其核心逻辑与‘疯狂’定义一致：重复相同行为却期待不同结果，暴露了方法论缺陷。
- Gary Marcus指出，当前AI缺乏真正的理解能力，仅靠统计模式匹配无法实现智能突破。
结构提纲
按章节快速跳转。
文章以‘疯狂是重复做同一件事却期待不同结果’为引子，质问生成式AI是否符合这一定义。
生成式AI通过大规模预训练模型对输入进行概率预测，不断生成文本或图像，但不改变基础架构。
AI系统反复使用相同训练数据和参数配置，却期望输出多样化结果，构成逻辑上的矛盾。
由于缺乏语义理解，生成式AI容易产生幻觉、错误推理，无法适应复杂现实场景。
Gary Marcus认为当前AI范式存在根本缺陷，需转向具备因果推理和常识理解的新架构。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- 生成式AI的本质批判
- 与‘疯狂’定义的类比
- 重复相同行为
- 期望不同结果
- 技术机制分析
- 基于统计模式匹配
- 无真实语义理解
- 作者主张
- 需引入因果推理
- 发展新AI架构
金句 / Highlights
值得收藏与分享的关键句。
如果‘疯狂是反复做同一件事却期待不同结果’，那生成式AI到底是什么？
生成式AI反复使用相同的训练数据和模型架构来生成输出，却期望得到新颖多样的结果。
当前范式缺乏真正的理解，仅依赖统计模式匹配而非因果推理。
#生成式AI#AI批评#Gary Marcus#模型局限性#人工智能哲学
打开原文标题：Gary Marcus，MIT 博士、纽约大学荣休教授在 X 上发文：“如果‘疯狂就是一遍又一遍做同样的事，却期待不同的结果’，那生成式 AI 到底算什么？” https://t.co/OVc5p0lL3R / X
来源链接：https://x.com/GaryMarcus/status/2061510346737959011
发布时间：2026年6月2日 02:10:38 GMT
Markdown 内容： 不要错过正在发生的事
如果“疯狂就是一遍又一遍做同样的事，却期待不同的结果”，那生成式 AI 到底算什么？
