苦涩的教训
强化学习大佬 Sutton 写的一篇文章，有兴趣的可以看看，个人挺认同文中的观点

大致意思是：在机器学习/人工智能方向，从长远来看，最有效、最可持续的进步往往来自“可扩展的通用方法+大规模算力”，而不是将大量人类先验知识手工嵌入系统。

比如 AlphaGo下棋、CNN、LLM 都是大力出奇迹，充分利用机器算力，取得了不错的进展，而那些试图手工构建专家系统，模拟大脑运行的一些尝试都失败了

其实也不仅仅是AI领域，比如现在2026年，要做个模拟鸟类飞行的扑翼机仍然是遥不可及的事，但不妨碍利用升力飞行的固定翼飞机已经服务上百年了

回到AI领域，几年前可能很少有人会想到，简单的AR结构语言模型能表现出智能，甚至目前在很多方面已经接近人脑了，但其实我们对人脑的机制研究还很粗浅

所以，机器有机器的特点，事情往往会朝着奇怪的方向发展，不用太拘泥于已有的生物神经系统产生智能的机制，也许在很长很长一段时间都弄不明白[吐舌] 但不妨碍我们造出超越人脑智能的机器

人工智能 苦涩的教训