RL很重要，但远非All You Need！微软副总裁：AI不靠单个技术撑起 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。 ? THE END 转载请联系本公众号获得授权 投稿或寻求报道：liyazhou@jiqizhixin.com