「苦涩教训」再辩论:方法比算力更根本,当下方法泛化性堪忧
ryanallred · x · 2026-11-09
alexwhedon 的长推认为「苦涩教训」不只是押注算力,更是对方法的批判:能泛化、能 scale 的方法终将胜出,模仿人类直觉建模是浪费时间,而「方法很重要」这一点被业界遗忘。
他列举当下方法的症状:AI 部署早期就耗尽世界资源;提升智能所需模型规模的增速快于算力效率的抵消;人类成为部署的主要瓶颈;人工标注数据需求大到任何有人力资源的数据公司都能快速赚数百万;机器人智能仍受限且任务专用。Richard Sutton 在被引推中回应:蛮力算力不足以产生智能,仍需要聪明的新方法,AI 的科学远未完成。
「漫话AGI」频道最新
- Toby Ord 补充:少量完全失败任务会大幅拉低 80% 时间视野 — tobyordoxford · 2026-11-09
- 从流形假说到压缩即学习:一篇讲透智能为何可能的长文 — burny_tech · 2026-11-09
- 一句话点破:AI 让「杰文斯悖论」人人可体验 — cocktailpeanut · 2026-11-09
- METR 时间跨度被高估?Toby Ord 指出硬任务占比影响巨大 — tobyordoxford · 2026-11-09
- 博主反驳 AI 让人变懒论:它反而暴露了我思维里的偷懒 — Kyrannio · 2026-11-09
- MIRI 发布「Plan S」:提议国际协议阻止过早创造超级智能 — wfithian · 2026-11-09