Why A.I. Didn’t Transform Our Lives in 2025

今年本應(yīng)是自主智能體接管日常任務(wù)的一年。但是科技行業(yè)承諾過(guò)多，實(shí)際交付卻令人失望。

作者：卡爾·紐波特（Cal Newport）

2025年12月27日

插圖：Shira Inbar

一年前，OpenAI首席執(zhí)行官薩姆·阿爾特曼（Sam Altman）曾做出一個(gè)大膽預(yù)測(cè)：“我們相信，在2025年，我們可能會(huì)看到首批人工智能智能體‘加入勞動(dòng)力隊(duì)伍’，并實(shí)質(zhì)性地改變企業(yè)的產(chǎn)出?！睅字芎?，該公司首席產(chǎn)品官凱文·韋爾（Kevin Weil）在1月達(dá)沃斯世界經(jīng)濟(jì)論壇上表示：“我認(rèn)為2025年將是ChatGPT從一個(gè)超級(jí)聰明的東西……轉(zhuǎn)變?yōu)槟茉诂F(xiàn)實(shí)世界中為你做事的一年。”他舉例說(shuō)，人工智能可以填寫(xiě)在線表格、預(yù)訂餐廳等，并隨后承諾：“我們肯定能做到這一點(diǎn)，毫無(wú)疑問(wèn)?！?/p>

這絕非小題大做。聊天機(jī)器人能直接回應(yīng)基于文本的指令——比如回答問(wèn)題或草擬一封電子郵件。但理論上，智能體（agent）能夠獨(dú)立在數(shù)字世界中導(dǎo)航，完成需要多個(gè)步驟并調(diào)用其他軟件（如網(wǎng)頁(yè)瀏覽器）的任務(wù)。以預(yù)訂酒店為例：你需要決定入住日期、根據(jù)個(gè)人偏好篩選選項(xiàng)、閱讀評(píng)論、在多個(gè)網(wǎng)站間比價(jià)和比較設(shè)施。智能體理論上可以自動(dòng)化所有這些活動(dòng)。這項(xiàng)技術(shù)的影響將是巨大的：聊天機(jī)器人對(duì)人類員工而言只是便利工具；而真正高效的人工智能智能體則可能完全取代這些員工。Salesforce首席執(zhí)行官馬克·貝尼奧夫（Marc Benioff）聲稱其公司一半的工作已由人工智能完成，并預(yù)測(cè)智能體將引發(fā)一場(chǎng)價(jià)值數(shù)萬(wàn)億美元的“數(shù)字勞動(dòng)力革命”。

2025年之所以被稱作“人工智能智能體之年”，部分原因在于到2024年底，這類工具在計(jì)算機(jī)編程方面已展現(xiàn)出不容置疑的熟練度。今年5月，OpenAI展示了一段Codex智能體的演示視頻：用戶要求該工具修改他的個(gè)人網(wǎng)站?！霸凇顿Y/工具’旁邊再加一個(gè)叫‘我喜歡的食物’的標(biāo)簽頁(yè)。在文檔里寫(xiě)上——塔可餅?！庇脩魧?xiě)道。聊天機(jī)器人迅速執(zhí)行了一系列相互關(guān)聯(lián)的操作：它先查看網(wǎng)站目錄中的文件，檢查一個(gè)有希望的文件內(nèi)容，然后使用搜索命令找到插入新代碼行的正確位置。在理解網(wǎng)站結(jié)構(gòu)后，它成功添加了一個(gè)展示塔可餅的新頁(yè)面。作為一名計(jì)算機(jī)科學(xué)家，我不得不承認(rèn)，Codex處理任務(wù)的方式與我本人幾乎一致。硅谷因此堅(jiān)信，其他復(fù)雜任務(wù)也將很快被攻克。

然而，隨著2025年接近尾聲，通用型人工智能智能體的時(shí)代卻并未到來(lái)。今年秋天，OpenAI聯(lián)合創(chuàng)始人安德烈·卡帕西（Andrej Karpathy）——他已離開(kāi)公司并啟動(dòng)了一個(gè)人工智能教育項(xiàng)目——形容智能體“認(rèn)知能力不足”，并直言：“就是行不通。”長(zhǎng)期批評(píng)科技行業(yè)炒作的加里·馬庫(kù)斯（Gary Marcus）最近也在他的Substack上寫(xiě)道：“到目前為止，人工智能智能體基本上是個(gè)啞炮?！边@種預(yù)測(cè)與現(xiàn)實(shí)之間的落差至關(guān)重要。流暢的聊天機(jī)器人和逼真的視頻生成器固然令人印象深刻，但它們本身無(wú)法帶來(lái)一個(gè)機(jī)器接管我們大量日?；顒?dòng)的世界。如果主要人工智能公司無(wú)法交付真正廣泛可用的智能體，那么它們關(guān)于人工智能驅(qū)動(dòng)未來(lái)的承諾也可能落空。

“人工智能智能體”一詞讓人聯(lián)想到《黑客帝國(guó)》或《碟中諜：最終清算》中那種超強(qiáng)的新技術(shù)。但實(shí)際上，智能體并非某種定制化的數(shù)字大腦，而是由與聊天機(jī)器人相同的大型語(yǔ)言模型（LLM）驅(qū)動(dòng)。當(dāng)你要求智能體完成一項(xiàng)任務(wù)時(shí)，一個(gè)控制程序（即協(xié)調(diào)智能體行為的普通應(yīng)用程序）會(huì)將你的請(qǐng)求轉(zhuǎn)化為對(duì)LLM的提示：“我想完成這件事，這是可用的工具，我第一步該做什么？”控制程序隨后嘗試LLM建議的操作，向它反饋結(jié)果，并繼續(xù)問(wèn)：“接下來(lái)該做什么？”這個(gè)循環(huán)一直持續(xù)，直到LLM認(rèn)為任務(wù)已完成。

事實(shí)證明，這種架構(gòu)在自動(dòng)化軟件開(kāi)發(fā)方面表現(xiàn)優(yōu)異。創(chuàng)建或修改計(jì)算機(jī)程序所需的大多數(shù)操作，都可以通過(guò)在基于文本的終端中輸入有限的一組命令來(lái)實(shí)現(xiàn)。這些命令指示計(jì)算機(jī)瀏覽文件系統(tǒng)、在源文件中添加或更新文本，必要時(shí)還將人類可讀的代碼編譯為機(jī)器可讀的二進(jìn)制代碼。這對(duì)大型語(yǔ)言模型來(lái)說(shuō)是理想環(huán)境。“終端界面是基于文本的，而這正是語(yǔ)言模型擅長(zhǎng)的領(lǐng)域，”Terminal-Bench（一種用于評(píng)估編程智能體的流行工具）的聯(lián)合開(kāi)發(fā)者亞歷克斯·肖（Alex Shaw）告訴我。

然而，像阿爾特曼所設(shè)想的那種更通用的助手，則要求智能體走出終端的舒適區(qū)。由于大多數(shù)人通過(guò)點(diǎn)擊鼠標(biāo)完成電腦任務(wù)，一個(gè)能“加入勞動(dòng)力隊(duì)伍”的人工智能很可能需要學(xué)會(huì)使用鼠標(biāo)——這出人意料地困難?！都~約時(shí)報(bào)》最近報(bào)道，一批新創(chuàng)公司正在構(gòu)建“影子網(wǎng)站”——復(fù)制聯(lián)合航空、Gmail等熱門(mén)網(wǎng)頁(yè)的副本，供人工智能分析人類如何使用光標(biāo)。今年7月，OpenAI發(fā)布了ChatGPT Agent，這是一個(gè)早期版本的、能使用網(wǎng)頁(yè)瀏覽器完成任務(wù)的機(jī)器人，但一篇評(píng)測(cè)指出，“即便是點(diǎn)擊、選擇元素和搜索等簡(jiǎn)單操作，智能體也可能耗費(fèi)數(shù)秒甚至數(shù)分鐘?！庇幸淮?，該工具在房地產(chǎn)網(wǎng)站的下拉菜單中選擇價(jià)格時(shí)，竟卡了將近15分鐘。

提升智能體能力還有另一種路徑：讓現(xiàn)有工具更容易被人工智能掌握。一個(gè)開(kāi)源項(xiàng)目正致力于開(kāi)發(fā)所謂的“模型上下文協(xié)議”（Model Context Protocol），這是一種標(biāo)準(zhǔn)化接口，允許智能體通過(guò)基于文本的請(qǐng)求訪問(wèn)軟件。另一個(gè)是谷歌今年春天推出的Agent2Agent協(xié)議，它設(shè)想一個(gè)智能體之間可以直接交互的世界。例如，我的個(gè)人人工智能無(wú)需親自操作酒店預(yù)訂網(wǎng)站，只需向一個(gè)由酒店公司專門(mén)訓(xùn)練的專用人工智能發(fā)出請(qǐng)求，由后者代為操作即可。當(dāng)然，要圍繞機(jī)器人重新構(gòu)建整個(gè)互聯(lián)網(wǎng)基礎(chǔ)設(shè)施仍需時(shí)間。（多年來(lái)，開(kāi)發(fā)者一直在努力阻止機(jī)器人干擾網(wǎng)站。）即便技術(shù)人員能完成這項(xiàng)工程，或成功掌握鼠標(biāo)操作，他們?nèi)詫⒚媾R另一項(xiàng)挑戰(zhàn)：支撐智能體決策的大型語(yǔ)言模型本身的缺陷。

在宣布ChatGPT Agent上線的視頻中，阿爾特曼與OpenAI工程師團(tuán)隊(duì)展示了多項(xiàng)功能。其中一段演示生成了一張地圖，據(jù)稱顯示了遍訪北美全部30座美國(guó)職業(yè)棒球大聯(lián)盟球場(chǎng)的行程。奇怪的是，地圖上竟包含墨西哥灣中部的一個(gè)?？奎c(diǎn)。有人或許會(huì)把這種錯(cuò)誤當(dāng)作偶然，但在硅谷批評(píng)者馬庫(kù)斯看來(lái)，這類失誤揭示了一個(gè)更根本的問(wèn)題。他告訴我，大型語(yǔ)言模型缺乏對(duì)“現(xiàn)實(shí)世界運(yùn)行機(jī)制”的足夠理解，難以可靠地處理開(kāi)放式任務(wù)。即使在規(guī)劃旅行這樣看似簡(jiǎn)單的場(chǎng)景中，“你仍然需要對(duì)時(shí)間和地點(diǎn)進(jìn)行推理”——而這些基本的人類能力恰恰是語(yǔ)言模型所欠缺的?！八麄兪窃诒孔镜墓ぞ咧嫌侄哑隽烁啾孔镜墓ぞ?，”他說(shuō)。

其他評(píng)論人士則警告，智能體會(huì)放大錯(cuò)誤。聊天機(jī)器人用戶很快就會(huì)發(fā)現(xiàn)，大型語(yǔ)言模型有“胡編亂造”的傾向；一項(xiàng)廣受引用的基準(zhǔn)測(cè)試顯示，OpenAI最新模型GPT-5的不同版本幻覺(jué)率約為10%。對(duì)于執(zhí)行多步驟任務(wù)的智能體而言，這種偶發(fā)性失誤可能是災(zāi)難性的：只要一步出錯(cuò)，整個(gè)任務(wù)就可能徹底偏離軌道?！皠e對(duì)人工智能智能體太興奮，”《商業(yè)內(nèi)幕》今年春天的一篇頭條警告道，“它們會(huì)犯很多錯(cuò)誤?！?/p>

為了更清楚地理解大型語(yǔ)言模型的大腦如何出錯(cuò)，我請(qǐng)ChatGPT模擬一個(gè)酒店預(yù)訂智能體的行動(dòng)方案。它列出了18個(gè)步驟和子步驟：選擇預(yù)訂網(wǎng)站、對(duì)搜索結(jié)果應(yīng)用篩選條件、輸入信用卡信息、向我發(fā)送預(yù)訂摘要等等。我對(duì)模型分解任務(wù)的細(xì)致程度印象深刻。（若不一一列出，人們很容易低估完成如此常見(jiàn)任務(wù)所需的小動(dòng)作數(shù)量。）但我也能看出，這個(gè)假想的智能體可能在哪些環(huán)節(jié)脫軌。

例如，子步驟4.4要求智能體使用公式對(duì)房間進(jìn)行排序：α×（位置得分）＋β×（評(píng)分得分）－γ×（價(jià)格懲罰）＋δ×（忠誠(chéng)度獎(jiǎng)勵(lì)）。這種做法方向正確，但模型對(duì)細(xì)節(jié)的描述令人擔(dān)憂地模糊：它如何計(jì)算這些懲罰值和獎(jiǎng)勵(lì)值？又如何選擇希臘字母代表的權(quán)重來(lái)平衡各項(xiàng)因素？人類通常會(huì)通過(guò)試錯(cuò)和常識(shí)手動(dòng)調(diào)整這些細(xì)節(jié)，但誰(shuí)也不知道大型語(yǔ)言模型獨(dú)自會(huì)怎么做。而微小的錯(cuò)誤也會(huì)產(chǎn)生重大影響：如果過(guò)度強(qiáng)調(diào)價(jià)格，你可能會(huì)被安排到城里最破舊的酒店之一。

幾周前，阿爾特曼在一份內(nèi)部備忘錄中宣布，人工智能智能體的開(kāi)發(fā)是OpenAI將弱化推進(jìn)的項(xiàng)目之一，因?yàn)楣鞠Ｍ芯Ω倪M(jìn)其核心聊天機(jī)器人產(chǎn)品。就在去年此時(shí)，阿爾特曼等領(lǐng)導(dǎo)者還在渲染我們已沖過(guò)技術(shù)懸崖，正混亂地墜入一個(gè)自動(dòng)化的勞動(dòng)力未來(lái)。如今看來(lái)，這種亢奮顯得過(guò)于草率。最近，為了調(diào)整自己對(duì)人工智能的預(yù)期，我一直在回想今年10月卡帕西接受播客主持人德瓦克什·帕特爾（Dwarkesh Patel）采訪時(shí)的一番話。帕特爾問(wèn)他，為何“智能體之年”未能成真?？ㄅ廖骰卮穑骸拔矣X(jué)得這個(gè)行業(yè)存在一些過(guò)度預(yù)測(cè)。在我看來(lái)，這更準(zhǔn)確地說(shuō)應(yīng)該是‘智能體的十年’。” ?

作者：卡爾·紐波特是《紐約客》的特約撰稿人，也是喬治城大學(xué)的計(jì)算機(jī)科學(xué)教授。

說(shuō)明：本號(hào)刊發(fā)來(lái)自各方的文章，是為了獲得更全面的信息，不代表本號(hào)支持文章中的觀點(diǎn)。由于微信公眾號(hào)每天只能推送一次，本站目前在騰訊新聞發(fā)布最新的文章，每天24小時(shí)不間斷更新，請(qǐng)?jiān)隍v訊新聞中搜索“邸鈔”，或在瀏覽器中點(diǎn)擊：

https://news.qq.com/omn/author/8QIf3nxc64AYuDfe4wc%3D