在过去30年里，信息技术一直高歌猛进、所向披靡。驱动信息技术一路飞奔的是这样一个事实：机器的计算能力、内存大小和通讯速度这三者全部提高了一百万倍。那么，人们很自然要思考这样一个问题：当人工智能（AI）崛起的时候，如果这三者，也就是我们今天所说的算力，再提高一百万倍，当机器已经具备了无以伦比的学习能力的时候，我们该怎样到达人类社会的彼岸？
3月13日，“强化学习之父”理查德•萨顿（Richard Sutton）发表了一篇题为“苦涩的教训”（The Bitter Lesson）的博客，其核心观点是：“我们必须吸取惨痛的教训，即从长远来看，直接构建人类大脑的思维模式是行不通的。”萨顿写到：“人类不断试图把自己的知识和思维方式植入到AI之中，”比如用人类的思路教AI下棋、将让AI按照人类总结的思路来识别图像等等。这些做法，“能带来暂时的性能提升，长期来看却会阻碍研究的持续进步。”这种错误的做法已经带来了太多“苦涩的教训”。萨顿相信：“真正的突破，总是来自完全相反的方向。”所谓完全相反的方向就是“摒弃人类在特定领域的知识”，采用“基于搜索和学习进行大规模计算”，只有这样，人类才会“获得最终的胜利” 。
这篇文章的确是作者总结了过去70年人工智能发展历程的洞见之作，因而引来一片附议和转发。但也有反对意见，其中比较典型的是牛津大学计算机系教授希蒙•怀特森（Shimon Whiteson）。他在题为“甜蜜的一课”（The Sweet Lesson）的博客中针锋相对地写到：“AI的历史故事并非融入人类知识一直失败。恰恰相反，这是融入人类知识的胜利，实现的路径也正是一种完全符合惯例的研究策略：尝试很多方法，抛弃失败的99%。”
您已阅读32%（713字），剩余68%（1482字）包含更多重要信息，订阅以继续探索完整内容，并享受更多专属服务。