AI 研究者称一个难任务就能卡住整份工作的自动化
herbiebradley · x · 2026-07-24
转发内容里，AI 研究者 Herbie Bradley 解释了所谓的 O-ring 问题：一个难以自动化的关键环节，足以卡住整份工作的自动化进程。
他的观点是：
- 强化学习在高度可验证、可反复“刷分”的任务上很强，比如编码和 AI 研发；
- 但在更定性、更依赖人际判断的工作上明显弱得多；
- 现实中的大多数岗位都混合了可验证和不可验证任务，因此自动化往往会被少数最难自动化的环节拖住。
他把这和经济学里的 O-ring theory 联系起来：就像 Challenger 事故里那个小小的 O 型圈，系统的成败可能由一个薄弱点决定。所以，完整的“岗位自动化”未必会先卡在大部分流程上，而是卡在那几个最难替代的人类环节。
「漫话AGI」频道最新
- 作者称，自己 2016 年的 UDT 结果早在 1997 年就已被证明 — jessi_cata · 2026-07-24
- 前沿 AI 实验室开始转向“更乐观”的就业叙事 — menhguin · 2026-07-24
- Scott Galloway：更便宜的中国开源模型或压垮美国 AI 估值 — r0ck3t23 · 2026-07-24
- AI 时代开发者角色转变：从代码构建者到调试者 — zakelfassi · 2026-07-24
- AI 实验室热衷递归自改进，因为 8% 进步太不好卖 — joshalbrecht · 2026-07-24
- a16z 合伙人:教系统人学 AI,比教 AI 人学系统容易 — mgill25 · 2026-07-24