为什么科学进步不会指数爆炸：Chollet的反直觉判断

在这段与Lex Fridman的对话中，François Chollet系统性地质疑了“智能爆炸”和“指数级科学进步”的主流叙事。他通过科学史、资源投入与产出关系，以及深度学习社区的现实，提出一个冷静但重要的观点：科学正在消耗指数级资源，却只换来线性增长的真正进步。

为什么“智能爆炸”听起来合理，却可能根本不会发生

这个话题之所以重要，是因为“智能爆炸”几乎是当代AI讨论中最具吸引力、也最具争议的叙事之一。很多人相信，一旦人工智能具备自我改进能力，就会进入不可阻挡的指数级增长，最终引发所谓的“奇点”。

Chollet并不否认递归式自我改进的存在。他明确承认：“你当然可以加速任何问题求解过程，递归式搜索改进是真实存在的。”但他的关键转折在于——现实系统从不孤立存在。当你优化系统中的一个部分，另一个部分几乎必然成为新的瓶颈。

他用非常工程化的直觉来解释这一点：任何系统都嵌入在环境之中。就像一个不断根据自身加速度增强动力的装置，理论上似乎可以无限加速，但在真实世界里，空气阻力、摩擦、能量限制都会出现。“它不可能达到无限速度，因为它存在于一个有摩擦的环境中。”

在Chollet看来，智能系统也是如此。所谓的“指数承诺”，会迅速触发“指数摩擦”。这并不是反技术乐观，而是一种对复杂系统的基本敬畏。

用数据反驳直觉：科学进步真的在指数增长吗？

这一部分是Chollet论证中最具杀伤力的地方，因为他直接挑战了一个被反复引用、却很少被认真拆解的说法：科学进步是指数级的。

他提到一种具体的研究方法：回顾过去100到150年的科学发现时间线，并让专家评估每一项发现的“重要性”。如果科学的产出真是指数级增长，那么我们应该看到“重要性密度”随时间急剧上升——要么发现越来越多，要么每个发现越来越重要。

但结果恰恰相反。无论是物理、生物还是医学，这种“显著性随时间的密度”几乎是一条平坦的直线。Chollet总结得非常直接：“你看到的是一条非常平的曲线，横跨所有学科。”

这并非贬低当代科学，而是提供一个更真实的视角。回顾20世纪初的物理学——相对论、量子力学密集出现——那是一个低垂果实极多的时代。而今天，任何一个微小突破，往往都需要庞大的团队、昂贵的设备和漫长的积累。

指数级投入，线性级回报：科学的真实经济学

为什么这种“平坦曲线”反而是合理的？Chollet给出了一个极具解释力的框架：随着一个领域的成熟，进一步取得突破会变得指数级更难。

他用“低垂的果实”来形容早期研究者的优势。第一个进入信息论领域的人，面对的是大片未被探索的空间；而后来的研究者，必须“挖得更深，才能得到更小的发现”。结果就是：要获得同样规模的影响，需要更多的人、更长的时间、更多的资源。

这正是现代科学的真实图景。Chollet指出，科学家和工程师的数量在指数级增长，计算资源的投入也在指数级增长，但“在意义和影响层面上的产出，却只是线性的”。

他把科学类比为一个发现和想法的市场。资源不断涌入，但边际回报持续下降。这不是失败，而是任何复杂知识体系走向成熟的自然结果。

从深度学习到信仰系统：为什么这个观点会引发反感

当讨论落到深度学习社区时，Chollet的判断甚至更加尖锐。他坦言，如果真的统计“深度学习中重要思想的时间密度”，它“甚至可能是在下降的”。虽然论文数量仍在指数级增长，但单篇论文的平均重要性在稀释。

从宏观上看，他猜测深度学习的总体进步依然是线性的。这与整个科学体系的表现高度一致，并非巧合。

但真正引发争议的，并不是这些判断本身，而是它们触碰了一个更深层的东西。Chollet直言：“对很多人来说，AI不只是计算机科学的一个子领域，而是一套信仰系统。”

在这种信仰中，奇点、指数爆炸、人类被取代构成了一种末世或救世叙事。当你质疑“智能爆炸”的必然性，听起来就像是在攻击某些人的身份认同。这也是为什么，Chollet强调，他并不是在做数学证明，而是在尝试“质疑一个过于流行的叙事”。

总结

Chollet的核心贡献，并不是给出一个新的预测，而是提供了一种更冷静的思考方式：真正重要的，不是资源增长得有多快，而是系统瓶颈如何不断转移。无论是科学、深度学习，还是未来的人工智能，都更可能沿着一条艰难但稳健的线性路径前进。对从业者而言，这意味着耐心、结构性创新和对复杂性的尊重，可能比对“爆炸性未来”的迷恋更有价值。

关键词： François Chollet， 科学进步， 智能爆炸， 深度学习， 指数增长

事实核查备注： 人物：François Chollet；主持人：Lex Fridman；核心概念：智能爆炸（intelligence explosion）、递归式自我改进、科学进步线性增长；方法论：专家评估科学发现重要性；时间范围：过去100-150年；领域示例：物理学、生物学、医学、深度学习。