Sutton vs 苦涩教训：Langford 翻出 2011 年 n-gram 旧案谈「规模-发明」循环
weijie444 · x · 2026-11-08
Richard Sutton 重申其立场：蛮力计算不足以产生智能，需要聪明的新方法，AI 的科学远未完成。
John Langford 回应指出，「规模、发明、再重复」的循环比『苦涩教训』的讨论要古老得多：当年人们也曾宣称语言建模已被 n-gram 扩展「解决」。他引用了 2011 年的论文《A Reliable Effective Terascale Linear Learning System》——他与 Agarwal、Chapelle、Dudík 合著的系统可在 1000 台机器的集群上，一小时内用数万亿特征、数十亿样本训练线性模型，是当时文献中最高效可扩展的线性学习系统。
这条对话呈现了「scaling 派与方法派」之争的历史纵深：每一代扩展范式都曾被宣告终结，随后又催生新方法。
所属事件:Sutton 称蛮力算力造不出智能，苦涩教训争论再起(10 条相关)→
「漫话AGI」频道最新
- Ajeya Cotra 建模称新 AI 风险报告指向比 AI 2027 更短的时间线 — eli_lifland · 2026-11-08
- 诺奖得主 Acemoglu:用 AI 模仿人类技能是大错,互补才更高效 — math_rachel · 2026-11-08
- JEV 首现论文验证，研究者称其科研优秀但闭源模式难辩护 — teortaxesTex · 2026-11-08
- 网友妙喻：人类固守已见也是一种"模式坍缩" — flowersslop · 2026-11-08
- bayeslord：别把 AI 当铁板一块，四类用途须分开谈论 — sebkrier · 2026-11-08
- AI 改变不了你的小众兴趣与独特人生的意义 — pixlpa · 2026-11-08