这是一个重要的教训。纵观整个人工智能领域,我们仍然没有彻底地吸取它,因为我们继续犯同样的错误。为了看到这一点,并有效地抵制它,我们必须理解这些错误的吸引力。我们必须吸取苦涩的教训,即把我们认为的思维方式构建到系统中是行不通的。 苦涩的教训是基于历史观察: 1)人工智能研究人员经常试图将知识构建到他们的 A...
我们必须接受这个残酷的现实：在 AI 系统中，强行植入我们认为的思维方式，从长远来看注定失败。这个「苦涩的教训」源于以下观察:1.AI 研究者总想把人类的知识经验塞进 AI 2. 这招短期确实管用，还能让研究者有成就感 3. 但迟早会遇到瓶颈，甚至阻碍 AI 的进步 4. 真正的突破往往出人意料 —— 就是简单地加大...
这不禁让人联想起《苦涩的教训》:AI 研究者反复尝试用工程手段提升性能,最终却总是被简单堆砌算力的通用方案超越。今天的 AI 产品开发似乎正在重蹈覆辙。 把表1 的内容和《苦涩的教训》联系起来之后,这样能更清楚地看到其中的关联: 总而言之,我的观点是:试图用软件工程来弥补当前 AI 模型的不足,似乎是一场注定...
其中 The bitter lesson 源自机器学习先驱 Rich Sutton 在 2019 年的一篇经典文章《苦涩的教训》， 通过探讨人工智能近几十年所走过的弯路，他抛出的核心观点是：人工智能如果想要长期获得提升，利用强大的算力才是王道。这里的算力隐含了大量的训练数据和大模型。原文链接：http://www.incompleteideas.net/IncIdeas/...
其中The bitter lesson 源自机器学习先驱 Rich Sutton 在 2019 年的一篇经典文章《苦涩的教训》, 通过探讨人工智能近几十年所走过的弯路,他抛出的核心观点是:人工智能如果想要长期获得提升,利用强大的算力才是王道。这里的算力隐含了大量的训练数据和大模型。
其中The bitter lesson 源自机器学习先驱 Rich Sutton 在 2019 年的一篇经典文章《苦涩的教训》, 通过探讨人工智能近几十年所走过的弯路,他抛出的核心观点是:人工智能如果想要长期获得提升,利用强大的算力才是王道。这里的算力隐含了大量的训练数据和大模型。 原文链接:http://www.incompleteideas.net/IncIdeas/Bitter...
今天要介绍的这篇文章《The Bitter Lesson 苦涩的教训》是由知名计算机科学家,阿尔伯塔大学、DeepMind的神经网络专家Rich Sutton 在 2019 年发表的,主要讨论了在人工智能研究中一个重要的观察:当简单的算法能够利用大量的计算资源时,往往会胜过依赖于人类专家洞察力的复杂算法。 在回顾AI历史上一些关键进展时,Sutton指出...
其中The bitter lesson 源自机器学习先驱 Rich Sutton 在 2019 年的一篇经典文章《苦涩的教训》, 通过探讨人工智能近几十年所走过的弯路,他抛出的核心观点是:人工智能如果想要长期获得提升,利用强大的算力才是王道。这里的算力隐含了大量的训练数据和大模型。
这不禁让人联想起《苦涩的教训》:AI 研究者反复尝试用工程手段提升性能,最终却总是被简单堆砌算力的通用方案超越。今天的 AI 产品开发似乎正在重蹈覆辙。 把表1 的内容和《苦涩的教训》联系起来之后,这样能更清楚地看到其中的关联: 总而言之,我的观点是:试图用软件工程来弥补当前 AI 模型的不足,似乎是一场注定...
这不禁让人联想起《苦涩的教训》:AI 研究者反复尝试用工程手段提升性能,最终却总是被简单堆砌算力的通用方案超越。今天的 AI 产品开发似乎正在重蹈覆辙。 把表1 的内容和《苦涩的教训》联系起来之后,这样能更清楚地看到其中的关联: 总而言之,我的观点是:试图用软件工程来弥补当前 AI 模型的不足,似乎是一场注定...