李宏毅:AI 要跨越卢比孔河了吗?自我成长的 AI 离我们多远?

以下是台大李宏毅老师讲解“AI 要跨越卢比孔河了吗？自我成长的 AI 离我们多远？"的视频，来自于他的机器学习2026春季课程：

https://speech.ee.ntu.edu.tw/~hylee/ml/2026-spring.php

这一讲主要在讲：AI 能不能真正自我成长，以及我们现在离“跨越卢比孔河”还有多远。先从“人类最后的发明”和技术奇点讲起，说明所谓 AI 自我成长并没有严格定义，更像是一个“人类逐渐放手”的过程：从人类给答案、人类设计 reward，到 AI 自己生成答案、自我修正、自己设计 proxy reward，甚至尝试自己提出任务、解决任务、验证结果。中间重点解释了几条路径，包括 AI 自己产生训练数据、通过 self-correction 改进输出、通过 reward shaping 让强化学习更容易、通过 RLAIF 或 entropy 等方式让 AI 自己定义 loss，以及 test-time training 这种在推理时临时更新模型参数的方法。后半部分进一步讨论了 No Human in the Loop 的可能性，比如 proposer、solver、verifier 三个角色都由 AI 扮演，但目前仍然有很多困难：reward 可能不可靠，任务可能太难或太简单，AI 也可能钻规则漏洞，外部信息和人类监督仍然很重要。最后的判断比较克制：到 2026 年 5 月，AI 可能还没有真正跨过卢比孔河，更多是“站在河边”，但 AI Agent 的成长也不只来自模型参数，还包括 harness、工具、交互过程中的文件和经验积累。整体来看，这一讲的核心结论是：自我成长的 AI 已经出现一些雏形，但距离完全无人参与、持续自我改进的 AI，还有关键问题没有解决。

以下是该视频对应的部分课件，需要全部课件的同学请关注 AINLP 公众号，回复'lhy2026'获取：

需要全部课件的同学可以关注 AINLP 公众号，回复'lhy2026'获取：

进技术交流群请添加AINLP小助手微信（id: ainlp2)
请备注具体方向+所用到的相关技术点
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括LLM、预训练模型、自动生成、文本摘要、智能问答、聊天机器人、机器翻译、知识图谱、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLP小助手微信(id：ainlp2)，备注工作/研究方向+加群目的。