动物与幽灵：我们不是在养动物，而是在召唤幽灵
这是导读，不是翻译。目标是让你 5 分钟拿到文章的思想地图；值得的话，带着地图去读 英文原文 →
一句话
当前的前沿 AI 造出来的不是「动物」（从零和世界交互中学习的生命体），而是「幽灵」（从人类数据中统计蒸馏出来的模仿者）——这不是缺陷，而是智能空间里一个不同的、同样有效的出发点。
文章讲了什么
这是一篇论战文章，可以拆成三层：
- Sutton 的挑战：强化学习之父 Richard Sutton 在播客里说，LLM 并不符合他著名的「苦涩教训」（The Bitter Lesson）——它们依赖有限的人类数据、人工设计的微调环节和大量工程干预。他心中的正道是「儿童机器」：像动物一样靠好奇心驱动、在与世界的交互中持续学习，不需要预训练。
- 卡帕西的反驳：动物也不是白板。一只小马驹出生几分钟就能跑，因为进化已经把亿万年的「训练成果」写进了 DNA。预训练在工程上扮演的正是进化的角色——解决冷启动问题的实用方案，虽然粗糙，但有效。
- 动物 vs 幽灵框架：动物是苦涩教训的柏拉图式理想；LLM 是另一种东西——人类知识的统计学幽灵。两者的关系好比飞机与鸟：原理不同，但都能飞。幽灵未来可能会朝动物的方向演化（更多在线学习、更多内在动机），但起点根本不同。
写作背景
2025 年 9 月底，Sutton 上了 Dwarkesh Patel 的播客，直言 LLM 是死路，引发整个 AI 圈的站队讨论。卡帕西恰好在同一档播客说过「AGI 还要十年」，两人的访谈被反复对比。这篇文章是他对这场争论的正式回应：不站队，而是给双方的立场各画一个坐标，指出它们在「智能空间」里的位置不同。这也是他 10 月先发推文、后扩写成博客的少数案例。
影响与回响
「召唤幽灵」迅速成为 2025-2026 年 AI 讨论的高频隐喻。用他自己的话说：
"Pretraining is our crappy evolution." —— Andrej Karpathy，《Animals vs Ghosts》 · 原文 →
这个框架成了他后续写作的地基：11 月的《心智空间》把「幽灵」放进更大的智能坐标系；12 月的《2025 年度回顾》把它列为年度关键概念之一；2026 年 4 月的红杉对谈里他仍在用这个说法提醒创业者别把模型当生物看。反对者（多为 RL 阵营）认为他低估了交互式学习的必要性，这场路线之争至今没有结论。
对你意味着什么
- 别用养宠物的直觉用模型：幽灵擅长模仿和插值人类已有的知识，不擅长真正的从零探索。让 agent 干「人类做过一万遍的事」成功率最高，这直接决定你该把它派去做什么活。
- 路线之争是机会地图：如果 Sutton 方向（持续学习、内在动机）哪怕部分成真，今天围绕「静态权重 + 上下文工程」的很多产品假设都会失效。独立开发者不必押注，但要知道自己站在哪条断层线上。
- 学会他这种论证方式：不反驳对方结论，而是重画坐标系让双方各得其所——这是高质量技术写作的范本，值得内容创作者拆解模仿。
延伸阅读
- 英文原文：Animals vs Ghosts
- 推文解读：「动物 vs 幽灵」原推 —— 这篇博客的推文版本与传播过程
- 推文解读：「AGI 还要十年」 —— 同一场播客风波的另一条线索
- 导读：《心智空间》 —— 一个月后的续篇
- Dwarkesh Patel 播客：Richard Sutton 访谈 —— 引发本文的源头