Gary Marcus 对大模型认知的反思：五个核心痛点

符号主义代表人物 Gary Marcus 之前给 Elon Musk 写过一封信，里面把当前主流 LLM 的局限性剖析得很透。虽然这篇文章时间早，但现在回头看，他提到的很多点在实际部署 AI Agent 时依然是巨大的坑。

核心观点集中在模型缺乏真正的“世界模型”和逻辑推理能力。简单来说，现在的模型本质上还是在做概率预测，而不是在进行真正的认知思考。

这五个痛点其实可以总结为：

• 缺乏常识推理： 模型能写出流畅的文字，但经常在简单的物理常识或逻辑闭环上翻车。
• 不可靠的幻觉问题： 概率预测机制决定了它无法保证 100% 的事实正确性。
• 缺乏实时学习能力： 权重一旦冻结，除非通过 RAG 或微调，否则无法实时更新知识。
• 难以处理复杂规划： 在需要多步严谨推理的实战场景中，很容易在中间步骤丢失目标。
• 缺乏对真实世界的感知： 纯文本训练使其无法理解物理世界的因果律。

对于想要从入门到进阶做 AI Agent 开发的人来说，意识到这些缺陷非常重要。不要试图用单纯的提示词（Prompt）去解决底层架构缺失的逻辑问题，建议结合外部工具链或知识库来对冲这些弱点。

具体讨论内容可以参考这个路径：

https://garymarcus.substack.com/p/dear-elon-musk-here-are-five-things