「AI 領(lǐng)域確實(shí)存在苦澀的教訓(xùn)，但若當(dāng)初全盤接受它，我們現(xiàn)在可能還在用線性回歸搞強(qiáng)化學(xué)習(xí)?！?/span>

剛剛，微軟副總裁 Nando de Freitas 一篇長(zhǎng)推文表達(dá)了自己的觀點(diǎn)：

• 反對(duì)單一技術(shù)的過(guò)度宣傳，如 RL，應(yīng)該強(qiáng)調(diào)多領(lǐng)域合作的重要性；
• AI 進(jìn)步不是靠單一天才撐起的，而是成千上萬(wàn)的參與者共同推動(dòng)了這一領(lǐng)域的發(fā)展；
• 過(guò)去的一些觀點(diǎn)在當(dāng)時(shí)看似合理，但隨著技術(shù)的發(fā)展，這些觀點(diǎn)顯得過(guò)時(shí)；
• 人工智能的發(fā)展需要不斷突破傳統(tǒng)觀念，就像數(shù)學(xué)一樣，通過(guò)不斷的探索和試錯(cuò)來(lái)逐步推進(jìn)。

推文中，F(xiàn)reitas 還透露 RL 固然重要，但還遠(yuǎn)未達(dá)到「RL is all you need」的程度。

最近，關(guān)于 RL 的討論開始刷屏，不管是智能體還是大模型，都有 RL 身影。

連最近大火的智能體版《苦澀的教訓(xùn)》也強(qiáng)調(diào)了 RL 的重要性。

主流人工智能范式的簡(jiǎn)要時(shí)間線?？v軸顯示該領(lǐng)域在強(qiáng)化學(xué)習(xí)（RL）上的總體努力和計(jì)算資源的占比。

但 Freitas 卻不這么認(rèn)為。

他表示「RL is not all you need，此外，注意力機(jī)制不是，貝葉斯不是，自由能量最小化不是，經(jīng)驗(yàn)時(shí)代也不是。這類說(shuō)法不過(guò)是一種宣傳話術(shù)罷了。」

Freitas 進(jìn)一步表示：「AI 的進(jìn)步絕非僅靠單一技術(shù)或少數(shù)天才，而是需要成千上萬(wàn)的人的努力，他們協(xié)力構(gòu)建數(shù)據(jù) pipelines、擴(kuò)展基礎(chǔ)設(shè)施、部署高性能計(jì)算、開發(fā)具有反饋循環(huán)的應(yīng)用來(lái)驅(qū)動(dòng)基準(zhǔn)測(cè)試和數(shù)據(jù)迭代，還需要投入海量研究工程資源到生成模型、數(shù)據(jù)混合、消融實(shí)驗(yàn)、強(qiáng)化學(xué)習(xí) / 自訓(xùn)練等方向。

我們還將需要大批人才攻克安全性、因果世界模型、意識(shí)機(jī)制等難題，或設(shè)計(jì)創(chuàng)新工程方案來(lái)提升能源效率，推動(dòng)機(jī)器人技術(shù)發(fā)展。

最終某些簡(jiǎn)單理念在后來(lái)或許會(huì)顯得不言自明，但這種顯而易見永遠(yuǎn)來(lái)自后見之明。確實(shí)存在苦澀的教訓(xùn)，但若當(dāng)初全盤接受它，我們現(xiàn)在可能還在用線性回歸搞強(qiáng)化學(xué)習(xí)。我們不要過(guò)于簡(jiǎn)單化，而是向成千上萬(wàn)人的研究和工程致敬。

歷史敘事總被不斷改寫，回想十年前當(dāng)初創(chuàng)公司 Dark Blue Labs 被谷歌收購(gòu)加入 DeepMind 時(shí)，那些 AGI 文檔通篇都在討論概念認(rèn)知、強(qiáng)化學(xué)習(xí)、情景記憶，明確將語(yǔ)言排除在外。

平心而論，當(dāng)時(shí)這種立場(chǎng)并不算荒謬。如今看來(lái)固然可笑，但這完全是后見之明。

AI 發(fā)展史上沒(méi)有單一作戰(zhàn)的英雄，只有成千上萬(wàn)辛勤工作的學(xué)生、教授、工程師、運(yùn)維支持人員、產(chǎn)品經(jīng)理、管理者，甚至包括對(duì)沖基金從業(yè)者。

我們需要致敬整個(gè)社群，而非只追捧科技巨頭 CEO 或那些貝葉斯、強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)的開創(chuàng)者。

別盲從現(xiàn)有敘事，要?jiǎng)?chuàng)新。記住，就像數(shù)學(xué)發(fā)展一樣，AI 的進(jìn)步永遠(yuǎn)需要代際更迭 —— 科學(xué)進(jìn)步是一次又一次的葬禮實(shí)現(xiàn)的?！?/span>

對(duì)于這一觀點(diǎn)，很多人表示認(rèn)同，來(lái)自佐治亞理工學(xué)院的助理教授 Animesh Garg 表示：「人工智能本質(zhì)上是算法和系統(tǒng)之間復(fù)雜的相互作用，它需要的不僅僅是一個(gè)聰明的想法。然而，我們卻將那些可見的少數(shù)人奉為神明！」

「算法的發(fā)明者和使用者的貢獻(xiàn)是不同的。我們需要承認(rèn)這一點(diǎn)?！?/span>

回頭來(lái)看，在人工智能漫長(zhǎng)征程中，每一個(gè)微小的進(jìn)步都凝聚著無(wú)數(shù)人的智慧。從數(shù)據(jù)的整理到模型的優(yōu)化，從理論的探索到應(yīng)用的落地，每一個(gè)環(huán)節(jié)都不可或缺。正如 Nando de Freitas 所言，AI 的發(fā)展絕非單一技術(shù)或少數(shù)天才的獨(dú)舞，而是成千上萬(wàn)參與者共同努力的結(jié)果。