原文链接：https://garymarcus.substack.com/p/25-ai-predictions-for-2025-from-marcus
Gary Marcus，人工智能领域的"叛逆者"，以其对AI技术发展的深刻洞察和犀利的批评声音著称。作为纽约大学的心理学与神经科学荣誉教授，他提出了对AI的独特见解，并以批判性视角探讨了当前技术的潜力与局限性。在2025年，他对AI发展做出了25项预测，涵盖了技术、商业、监管等多个层面，为未来AI的发展提供了具有深度的反思和指引。
目录
[1. 高确定性预测：AI发展的瓶颈与持续挑战](#1. 高确定性预测：AI发展的瓶颈与持续挑战)
[2. 生成式AI的应用与风险](#2. 生成式AI的应用与风险)
[3. AI行业的商业化进程与监管](#3. AI行业的商业化进程与监管)
[4. 人形机器人与无人驾驶的前景](#4. 人形机器人与无人驾驶的前景)
[5. AI技术的长远挑战：知识图谱与神经符号AI](#5. AI技术的长远挑战：知识图谱与神经符号AI)
[6. 低确定性预测：网络攻击与GPT-5的缺席](#6. 低确定性预测：网络攻击与GPT-5的缺席)
1. 高确定性预测：AI发展的瓶颈与持续挑战
Marcus指出，尽管AI技术在各个领域都有突破，但仍存在若干不可忽视的问题。首先，他强调2025年不会出现通用人工智能（AGI），并且没有任何现有AI系统能够解决2027年预设的复杂任务。与此同时，尽管生成式AI继续受到关注，其带来的商业利润依然微不足道。AI生成内容的不准确性（即"幻觉"问题）和推理能力的缺陷将在未来几年内持续困扰行业。Marcus对AI模型带来的经济效益持谨慎态度，认为硬件公司可能会从AI浪潮中获益，而模型开发者的实际利润依旧有限。
2. 生成式AI的应用与风险
Marcus对生成式AI的局限性有着明确的看法。他预测，虽然生成式AI将继续被广泛宣传和应用，但真正解决复杂推理任务仍然遥不可及。此外，生成式AI在内容的真实性方面的"幻觉"问题，也将成为技术发展的重大挑战。到2025年，尽管围绕生成式AI的商业化应用会继续推进，但大多数行业公司在真实生产环境中的应用将保持谨慎，AI技术的稳定性和可靠性仍需待提升。
3. AI行业的商业化进程与监管
在商业化进程方面，Marcus认为，主流AI公司的估值可能会出现下滑，特别是在2025年，AI市场可能开始反映出其过度膨胀的风险。他还警告道，虽然AI技术不断推进，但它的实际市场应用仍然面临诸多挑战，特别是在物理学、推理和复杂任务解决等领域的局限性依旧存在。
此外，Marcus预测，美国在应对生成式AI带来的风险方面将继续滞后，而欧洲的监管政策将成为全球参考。他认为，AI安全机构虽然会提出建议，但面对真正危险的模型时，法律约束力的缺失将导致监管效果有限。
4. 人形机器人与无人驾驶的前景
尽管人形机器人和无人驾驶汽车在媒体和公众关注中频频出现，Marcus认为，它们在2025年仍然不会有实质性的突破。人形机器人可能会继续得到宣传，但远未达到《机器人总动员》中的理想化形象，而无人驾驶汽车仍然会受到天气、技术和监管等多方面的限制，无法大规模替代人工驾驶。
5. AI技术的长远挑战：知识图谱与神经符号AI
随着AI研究的深入，Marcus认为神经符号AI（Neuro-Symbolic AI）将逐渐变得更加重要。这一技术结合了神经网络与符号推理，旨在提升AI的推理能力和常识理解力，特别是在处理复杂的、需要推理和知识整合的问题时。此外，尽管技术护城河的构建依然面临挑战，但随着更多数据和算法的积累，AI系统的潜力和表现有望逐步提升。
6. 低确定性预测：网络攻击与GPT-5的缺席
Marcus还提出了一些低确定性的预测，尤其是生成式AI可能在未来几年引发更大规模的网络攻击，影响AI的安全性和可靠性。此外，他认为2025年可能仍然不会出现跨领域的突破性进展，例如GPT-5级别的AI模型，尽管在某些特定任务中，像o1这样的模型仍可能展现出色的表现，但整体进展将相对缓慢。
总结
Gary Marcus的25项AI预测，全面呈现了AI发展的复杂性与挑战。从生成式AI的局限性到AGI的遥远目标，从AI产业的经济效益到AI监管的缺失，Marcus对AI技术的未来展现了深刻的洞察。他的预测强调了技术的潜力与局限，提醒我们应理性看待AI的进步，避免过于乐观的商业化预期，同时注重对AI安全性与道德风险的监管与应对。随着AI技术的不断发展，Marcus的观点无疑为行业内外提供了有价值的思考和参考。