马毅教授认为，当前最大的挑战是保持技术的前沿性，而不应过分追求“创新”。这是他从大语言模型热潮中得出的观点。几个月后，OpenAI的Sora惊艳世界，Bill Peebles就是其中之一。然而，当AGI（通用人工智能）的概念提出时，许多AI研究人员都将其视为一个不可能实现的目标。这时，" Scaling Law"成为了实现AGI的第一性原理。有了这个原理，我们可以期待在未来几年内实现AGI。但在该理论指导下，大规模的资源投入不仅涉及到数据、计算力和参数的数量，还需要更多的人力投入来开发和优化这些技术。虽然GPT-4达到了前所未有的水平，但仍存在一些问题，如逻辑推理能力的缺失和数学能力的不足。历史经验表明，技术的上限通常是由我们尚未处理好的问题决定的。因此，在推进AGI的过程中，我们需要谨慎对待这些问题，并不断改进我们的技术和方法。
：
在这个信息化的时代，我们对新技术的需求越来越强烈。但是，我们也面临着一个重大的挑战，那就是如何在保持技术的前沿性的同时，不被过度追求创新所束缚。这是因为，如果过分追求创新，可能会导致技术过早地被淘汰，从而失去了其存在的价值。
对于这个问题，马毅教授提出了他的观点。他认为，当前的最大挑战是如何保持技术的前沿性，而不应过分追求“创新”。他表示：“作为一个教育家，我深深理解创新的重要性，但我也明白，只有通过保持技术的前沿性，才能确保我们在技术发展过程中始终保持领先地位。” 他解释说：“我们应该追求的是技术的新颖性和实用性的平衡，而不是单纯地追求创新。”
尽管如此，马毅教授并没有放弃他的创新理念。在他看来，尽管OpenAI的Sora惊艳了世界，但他并不认为AGI（通用人工智能）是一个无法实现的目标。相反，他认为：“ Scaling Law”成为了实现AGI的第一性原理。有了这个原理，我们可以期待在未来几年内实现AGI。但这并不意味着我们要停止探索和技术的发展。相反，我们需要谨慎对待这些问题，并不断改进我们的技术和方法。
虽然GPT-4达到了前所未有的水平，但仍存在一些问题，如逻辑推理能力的缺失和数学能力的不足。历史上经验表明，技术的上限通常是由我们尚未处理好的问题决定的。因此，在推进AGI的过程中，我们需要谨慎对待这些问题，并不断改进我们的技术和方法。
总的来说，马毅教授的观点是，我们应该在追求技术创新的同时，也要注意保持技术的前沿性，不能让创新成为一种负担。同时，我们也需要继续努力，寻找更高效的方法和工具，来推动人工智能技术的发展。