正文
但为什么最近的改进越来越少了？因为现在试错成本很大。
即使你有很好的想法，你想改，但要在那个规模上改进、验证很难，试错成本太大，一般的公司很难支撑。像埃隆·马斯克有一个10万张卡的集群，所以他可以很快地立项，实现立项工程，也可以在这个基础上再进行迭代、试错和修改。所以
变成了少数人的游戏，资源集中、资源丰富的团队可以去做这样的事情。实际在一定程度上，也是这种方法论，会阻碍人工智能进一步发展。
马毅：
机器真正具有智能
是学习知识的能力，而不是掌握知识
吴小莉：
现在看起来大家都觉得信心满满，各种AI的应用都在实现。
马毅：
是的。两件事情要分开，一个是现有的智能技术、计算平台，尤其对数据的处理，数据里所包含的知识提取能力是非常有用的，远远超过人的能力。这种能力本身对科学、尤其在某些领域的科学，可以大大地加速进行辅助，包括今年的诺贝尔化学奖，在蛋白质结构这样的问题上就取得非常大的进步。但并不意味着这就是智能本身！
从某种意义上来讲，包括我们看到的动物也好、人也好，我们的生存能力、适应能力，并不是为了去解决科学问题，甚至不是为了去解决非常复杂的问题，往往是在这种日常的、非常常规的、丰富多彩的任务中，有非常健全的学习和适应能力，这是现在的人工智能技术所达不到的，至少本质上很难达到。
比如，很简单的一个任务：一个机器人在家里能不能帮助一个老人吃药。老人中午、晚上要吃药，得找到他要吃的药瓶，读懂上面的说明，知道他吃几颗药，把瓶盖打开拿出这个药，看似是我们人类非常日常的任务，实际上它已经要求我们对环境的感知、认知、语言理解能力、规划能力、执行能力，都要达到一定水准才能完成这项任务。
吴小莉：
所以您也常常说到，人不要只看到现在人工智能发展的积极一面，也要看到它的局限性。如果我们不看清楚它的局限性，或者是不去注意的话，会产生什么结果？
马毅：
第一，有时候会过度相信现有的技术，甚至是过度地投入。
至少在一年前人都相信，通过现在的大模型规模化上去，就能实现通用智能，但现在相信这一点的人，我想少了不少。
吴小莉：
原因是？
马毅：
即使更大的投入，它的回报已经很小了，专业名词是“收益递减”，埃隆·马斯克集群10万张卡实际上也就提高了大概1%的性能，同时它们的功能现在变得比较单一。
吴小莉：
所以您说的局限其实是说路径单一的局限。一般的人工智能要完成人普遍能做的事情，其实大家都还在努力中，如果用同一个路径是很有局限性的。
马毅：
对。实际上我们在好几年前就已经在倡导，包括我们的主力研究也是沿着怎么去让机器真正具有智能。
智能是学习知识的能力，而不是掌握知识。人所发现的知识跟人具有发现知识的能力，这完全是两回事情。当这件事情清楚之后，可能对人工智能以及智能本身的理解，会少很多的误解。
