吴恩达：勿从数学与代码的进步过度外推，不可验证的判断任务仍是硬骨头
The Batch (Andrew Ng) · rss · 2026-10-16
吴恩达在 The Batch 撰文指出，LLM 在可验证任务与需要判断力的不可验证任务之间的差距比多数人意识到的大得多。要点：
- 可验证任务（编码、数学）进步快，因为有自动可检验的正确答案，RL 可搭建模拟环境反复练习并按奖励函数优化；监督学习也更容易获得明确标签。学习理论也表明可达到 0% 错误的任务学习更快。
- 判断类任务（如何回应客户投诉、如何组织数据收集、产品决策、商业战略）没有标准答案但有好坏之分，进展慢且难：数据收集难、奖励函数需手工精心设计。
- 历史镜鉴：深蓝、Watson、AlphaGo 每次突破都曾引发对 AI 短期能力的过度乐观。可验证任务的测试集更易构建，也放大了这种乐观印象。
- 对 AI 工程师的启示：可验证任务被自动化后，人类在判断任务上的优势——从海量原始数据中识别关键上下文——仍将长期保持。
吴恩达长线仍看好 AI 做好判断任务，但强调前路的工作量依然巨大。
「漫话AGI」频道最新
- 安全研究员批 AI 实验室炒作网络攻击威胁：恐吓式营销打法又来了 — gerardsans · 2026-10-23
- 研究者反驳「AI 网络安全恐慌」：卖防御先造焦虑是老剧本 — gerardsans · 2026-10-23
- Nina Schick：算力不足本身就是巨大的网络与整体安全风险 — NinaDSchick · 2026-10-23
- 投资人观点：AI 若是泡沫，也是最「分裂」的一个 — robleclerc · 2026-10-23
- Chamath：银行将率先用服务条款封杀 AI Agent — nicolechirps · 2026-10-23
- AI 研究者：Claude 替我完成了多年前放弃的繁琐研究任务 — MikePFrank · 2026-10-23