在Hacker News十年前的热烈讨论中，一批当时最具远见和最离谱的评论被今日的AI重新挖掘、评分，这不仅是技术实验，更是对人类数字足迹未来命运的预演。
2015年Hacker News上程序员们充满激情或谬误的争论，如今正被现代人工智能系统重新审视、评分和归档。OpenAI创始成员、前特斯拉AI负责人安德烈·卡帕西（Andrej Karpathy）最近完成了一项独特的时间胶囊实验。
他利用AI技术对2015年12月Hacker News首页一个月的930条讨论内容进行了系统性分析，通过OpenAI API对这些历史言论进行自动评分，识别出其中“最具远见”与“最离谱”的评论。
01 历史回溯实验
卡帕西的这项实验始于对历史数据的系统性抓取与分析。他选择了2015年12月Hacker News首页上整整一个月的帖子，总计930条讨论内容作为分析对象。
通过“GPT5.1Thinking”技术，他让AI系统对这些近十年前的网络评论进行了评分与总结。整个过程大约花费三小时，最终成果已在GitHub上开源，供公众访问。
这项实验的核心发现令人深思：未来的大型语言模型将能够对我们的公共表达进行检索、审计和评估。卡帕西在博客中警示道：“做个好人，未来的LLM正在看着你。”
02 言论可验证性革命
卡帕西的实验触及了一个更深层的概念——“可验证性”。他认为，未来人工智能将能够对人类言论和行为进行评估和优化。
随着技术发展，大量公共讨论内容将转变为可计算的对象，这可能会彻底改变人们表达观点的方式，因为每一句话都可能面临未来AI系统的审查与评判。
这种变化将重新定义“说话成本”。在传统社会中，言论可能会被遗忘，但在数字时代，它们被永久记录并可能被未来的智能系统随时调取分析。
03 智能体发展的冷静视角
与业内对AI智能体的热情鼓吹不同，卡帕西对当前技术进展持冷静态度。他直言不讳地表示：“这不是智能体之年，而是智能体的十年。”
他认为现有的Claude、Codex等智能体虽然令人印象深刻，但还远未到“能雇来做事”的地步。这些系统缺乏多模态能力、无法持续学习、认知结构不完整，甚至难以真正操作电脑完成任务。
卡帕西预测，要克服这些根本性挑战，可能需要大约十年时间。他解释说，广义上的智能体是指能够自主拆解问题、制定计划并独立执行任务的虚拟助手，而目前的技术远未达到这一理想状态。
04 人类与AI的认知差异
卡帕西用了一个生动的比喻来描述当前AI系统的本质：“我们不是在创造动物，我们是在创造幽灵。”
动物通过进化获得内建能力，出生即能学习；而大模型通过模仿互联网文本获得知识，依靠“预训练”而不是“成长”建立智能。
这种差异导致当前AI系统存在根本性局限。卡帕西指出，当前的Transformer架构更像“大脑皮层”，但人类大脑中的情绪系统、空间记忆和强化回路都未被重构。
05 行业过度炒作与现实挑战
AI行业存在大量过度预测。卡帕西批评道，行业“跳”得太快，有时假装很神奇，但可能只会出现粗制滥造的东西。
他警告说，如果行业一味追求完全取代人类的自动化系统，不仅可能导致人类在技术创作中的价值被削弱，还可能催生大量低质量、缺乏实质意义的AI生成内容，进而污染整个数字环境。
相比之下，卡帕西对强化学习提出了直接批评：“强化学习很糟糕。”他解释说，这种学习方式像“盲目试错”，即使中间九成都是胡乱摸索，最终因为结果“对”了，系统也会加权这些错误路径。
06 未来十年的技术路径
尽管对当前技术持审慎态度，卡帕西对AI的未来发展仍有清晰展望。他认为，未来十年AI的核心架构可能仍基于Transformer，但形态会有所演化。
他预测：“可以打赌的是，十年后我们仍然会用前向后向传播和梯度下降来训练巨大的神经网络，但也许它看起来会有点不同，而且所有东西都会变得更大。”
未来的突破可能会在两条路径上：减少知识灌输，保留核心算法，让模型拥有“自我成长”能力；以及重建认知结构，超越当前Transformer的局限。
卡帕西将他的实验成果完全开源，相关代码和结果已发布在GitHub上，供研究者和开发者进一步探索。这项实验的代码库和展示网站已成为AI与数字社会学交叉研究的新资源。
打开卡帕西的实验网站，一行行十年前的评论旁标注着AI系统的评分，过去与未来在这一刻交汇。
点击“最具远见”标签，排在首位的一条2015年评论精准预测了今天AI发展的某个关键方向——这正是卡帕西实验想要揭示的：在智能体的注视下，人类的远见与谬误都被永久归档，等待未来某一天的重新评估。
关注 “悠AI” 更多干货技巧行业动态
相关文章
