人工智能公司的创始人以大胆宣称该技术有可能重塑各个领域（尤其是科学领域）而闻名。但拥抱脸的联合创始人兼首席科学官托马斯·沃尔夫（Thomas Wolf）的看法更为慎重。在周四发表在X杂志上的一篇文章中，沃尔夫表示，他担心在人工智能研究没有突破的情况下，人工智能会成为“服务器上的应声虫”。他解释说，目前的人工智能发展模式不会产生能够跳出常规、创造性地解决问题的人工智能，也就是获得诺贝尔奖的那种解决问题的人工智能。沃尔夫写道：“人们通常犯的主要错误是，认为像牛顿或爱因斯坦这样的人只是放大了的好学生，当你线性地推断出排名前10%的学生时，天才就会出现。”“要在数据中心创造一个爱因斯坦，我们不仅需要一个知道所有答案的系统，还需要一个能够提出其他人没有想到或不敢问的问题的系统。”沃尔夫的观点与OpenAI首席执行官萨姆·奥特曼的观点形成鲜明对比。奥特曼在今年早些时候的一篇文章中表示，“超级智能”人工智能可以“极大地加速科学发现”。同样，Anthropic首席执行官达里奥·阿莫代伊预测，人工智能可以帮助制定治疗大多数癌症的方法。如今，沃尔夫对人工智能的问题——以及他认为这项技术的发展方向——是，它不会通过连接以前不相关的事实来产生任何新知识。沃尔夫说：“即使大部分互联网都在人工智能的掌控之中，但就我们目前所知，人工智能主要填补了人类已知知识之间的空白。”包括前谷歌工程师Francois Chollet在内的一些人工智能专家也表达了类似的观点，他认为，尽管人工智能可能能够记住推理模式，但它不太可能基于新情况产生“新的推理”。沃尔夫认为，人工智能实验室正在培养本质上“非常听话的学生”，而不是任何意义上的科学革命者。他说，今天的人工智能没有动力去质疑和提出可能违背其训练数据的想法，这限制了它只能回答已知的问题。沃尔夫说：“要在数据中心创造一个爱因斯坦，我们不仅需要一个知道所有答案的系统，还需要一个能够提出别人没有想到或不敢问的问题的系统。”“上面写着‘如果每个人都错了怎么办？’而所有的教科书、专家和常识都不这么认为。”沃尔夫认为，人工智能领域的“评估危机”是造成这种令人失望的状况的部分原因。他指出了通常用于衡量人工智能系统改进的基准，其中大多数都是由具有清晰、明显和“封闭式”答案的问题组成的。作为解决方案，沃尔夫建议人工智能行业“转向一种知识和推理的衡量标准”，能够阐明人工智能是否可以采取“大胆的反事实方法”，根据“微小的暗示”提出一般性建议，并提出“不明显的问题”，从而找到“新的研究路径”。沃尔夫承认，关键是要弄清楚这种衡量标准是什么样子的。但他认为这样的努力是值得的。沃尔夫说：“科学最重要的方面是提出正确问题的技能，以及挑战已经学到的东西的技能。”“我们不需要一个能用常识回答所有问题的A+（人工智能）学生。我们需要一个B级的学生，他能看到别人错过的东西，并提出疑问。”