天津
机器之心报道
机器之心编辑部
近日，微软副总裁 Nando de Freitas 发文指出，「别再神化技术或个人，AI 是一场系统性工程。」
「AI 领域确实存在苦涩的教训，但若当初全盘接受它，我们现在可能还在用线性回归搞强化学习。」
刚刚，微软副总裁 Nando de Freitas 一篇长推文表达了自己的观点：
- 反对单一技术的过度宣传，如 RL，应该强调多领域合作的重要性；
- AI 进步不是靠单一天才撑起的，而是成千上万的参与者共同推动了这一领域的发展；
- 过去的一些观点在当时看似合理，但随着技术的发展，这些观点显得过时；
- 人工智能的发展需要不断突破传统观念，就像数学一样，通过不断的探索和试错来逐步推进。
推文中，Freitas 还透露 RL 固然重要，但还远未达到「RL is all you need」的程度。
最近，关于 RL 的讨论开始刷屏，不管是智能体还是大模型，都有 RL 身影。
连最近大火的智能体版《苦涩的教训》也强调了 RL 的重要性。
主流人工智能范式的简要时间线。纵轴显示该领域在强化学习（RL）上的总体努力和计算资源的占比。
但 Freitas 却不这么认为。
他表示「RL is not all you need，此外，注意力机制不是，贝叶斯不是，自由能量最小化不是，经验时代也不是。这类说法不过是一种宣传话术罢了。」
Freitas 进一步表示：「AI 的进步绝非仅靠单一技术或少数天才，而是需要成千上万的人的努力，他们协力构建数据 pipelines、扩展基础设施、部署高性能计算、开发具有反馈循环的应用来驱动基准测试和数据迭代，还需要投入海量研究工程资源到生成模型、数据混合、消融实验、强化学习 / 自训练等方向。
我们还将需要大批人才攻克安全性、因果世界模型、意识机制等难题，或设计创新工程方案来提升能源效率，推动机器人技术发展。
最终某些简单理念在后来或许会显得不言自明，但这种显而易见永远来自后见之明。确实存在苦涩的教训，但若当初全盘接受它，我们现在可能还在用线性回归搞强化学习。我们不要过于简单化，而是向成千上万人的研究和工程致敬。
历史叙事总被不断改写，回想十年前当初创公司 Dark Blue Labs 被谷歌收购加入 DeepMind 时，那些 AGI 文档通篇都在讨论概念认知、强化学习、情景记忆，明确将语言排除在外。
平心而论，当时这种立场并不算荒谬。如今看来固然可笑，但这完全是后见之明。
AI 发展史上没有单一作战的英雄，只有成千上万辛勤工作的学生、教授、工程师、运维支持人员、产品经理、管理者，甚至包括对冲基金从业者。
我们需要致敬整个社群，而非只追捧科技巨头 CEO 或那些贝叶斯、强化学习、深度学习的开创者。
别盲从现有叙事，要创新。记住，就像数学发展一样，AI 的进步永远需要代际更迭 —— 科学进步是一次又一次的葬礼实现的。」
对于这一观点，很多人表示认同，来自佐治亚理工学院的助理教授 Animesh Garg 表示：「人工智能本质上是算法和系统之间复杂的相互作用，它需要的不仅仅是一个聪明的想法。然而，我们却将那些可见的少数人奉为神明！」
「算法的发明者和使用者的贡献是不同的。我们需要承认这一点。」
回头来看，在人工智能漫长征程中，每一个微小的进步都凝聚着无数人的智慧。从数据的整理到模型的优化，从理论的探索到应用的落地，每一个环节都不可或缺。正如 Nando de Freitas 所言，AI 的发展绝非单一技术或少数天才的独舞，而是成千上万参与者共同努力的结果。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
