Zapier联合创始人反思AGI：我们可能走错了方向

Zapier联合创始人、AI负责人Mike Knoop在《No Priors》播客中，系统性反思了当前AGI研究的误区。他认为大语言模型并未真正推动通用智能进展，并与François Chollet共同发起Arc Prize，用一种全新的评测方式重新校准AGI的方向。

从Zapier到AGI：一条被低估的长期兴趣线索

为什么一家以自动化工具闻名的公司，会如此早地拥抱AI，甚至把目光投向AGI？Mike Knoop给出的答案并不是商业风口，而是个人长期兴趣的自然延伸。

他在播客中回忆，自己在2011年联合创办Zapier之前，就已经对通用人工智能产生了强烈好奇。这种好奇心在大学时期就已出现，并在之后持续影响着他的判断。“我白天的工作是在应用层做AI，”他说，“但我的夜晚和周末，基本都花在思考AGI的研究和进展上。”

正是这种背景，让Zapier在过去两年里成为企业级AI应用的早期实践者之一。Mike既是公司AI项目的推动者，也是一个始终站在行业边缘、反思方向是否正确的“局外人”。这种双重身份，为他后来对AGI的批判性观点埋下了伏笔。

一个尖锐判断：AGI的进展，其实已经停滞了

在当前AI叙事普遍乐观的背景下，Mike抛出了一个明显“逆风”的观点：AGI的实质性进展，在过去四到五年里几乎是停滞的。

他认为，问题不在算力、不在资金，而在于“我们对AGI的定义本身就是错的”。当下业界最流行的定义，是“能够完成大多数人类可从事的经济性工作”。在他看来，这个定义天然会把研究引向对现有模型能力的榨取，而不是对新能力的探索。

“这会让人误以为我们已经很接近AGI了，”他直言不讳，“结果就是，整个行业过度投资在大语言模型这个范式上，而不是去探索真正需要的新思路。”这也是他对当前LLM热潮保持高度克制的重要原因。

Arc AGI：重新定义什么才是‘通用智能’

如果旧的标尺是错的，那就必须换一把新的。Mike认为，目前唯一真正接近“正确AGI评测”的，是François Chollet提出的Arc AGI评测体系。

在这个定义中，通用智能并不等同于“会做很多事”，而是“能否高效地习得新技能”。Mike用一句话概括：“General intelligence is a system that can effectively and efficiently acquire new skills.”这意味着，系统面对从未见过的问题时，是否能快速归纳规则并解决，而不是调用训练记忆。

围绕这一评测，他们共同发起了Arc Prize：一个奖金超过100万美元的非营利、公开挑战，目标是击败Arc AGI评测，并要求成果完全开源。值得注意的是，一个名为Lab 42的研究团队已经连续四年举办相关小型竞赛，而当前的最优成绩仅为34%。这个数字本身，恰恰说明了问题的难度。

为什么LLM不够，以及接下来该探索什么

Mike并不否认大语言模型带来的巨大经济价值，但他明确指出：价值释放不等于智能进步。“我们还需要一些额外的东西，”他说。

在他看来，LLM的成功反而可能成为一种干扰，让研究者沉迷于规模化和微调，而忽视了真正开放式问题的求解能力。他暗示，未来的突破，可能来自对新训练范式、新任务形式的探索，以及更充分地利用已经变得“便宜”的算力资源。

同时，他也对科幻式的智能想象保持谨慎态度。引用诸如《Blindsight》这类作品时，他强调，在缺乏可验证的实证结果之前，讨论意识或类人体验意义不大。Arc Prize的意义，正在于把讨论重新拉回到“系统到底能做什么”这个可检验的问题上。

总结

这次对话中，Mike Knoop并没有给出一条通往AGI的清晰路线图，但他做了一件更重要的事：提醒行业可能正在用一把错误的尺子丈量进展。从Zapier的应用实践，到Arc Prize的基础研究，他试图在商业成功与长期探索之间建立一种张力。对读者而言，最大的启发或许是：在被LLM成果包围的当下，真正稀缺的不是算力和模型，而是敢于重新定义目标的勇气。

关键词： 通用人工智能， Arc Prize， AGI评测， 大语言模型， Zapier

事实核查备注： Mike Knoop：Zapier联合创始人、AI负责人；Zapier创立时间：2011年；Arc Prize：奖金超过100万美元的非营利公开挑战；Arc AGI评测提出者：François Chollet；当前Arc AGI最好成绩：34%；相关研究组织：Lab 42；播客：《No Priors》Episode 68，发布时间2024-06-11