Dr Selfie

One helpful tip per day:) 强化学习之父 Rich Sutton 在2019年就揭示了算力即一切的道理： 1. 从 70 年的人工智能研究中得到的最大教训是：利用算力的方法最终是最有效的，而且优势巨大。 2. 为了在短期内看到改进，研究人员往往试图利用自己对领域的人类知识，但从长期来看，唯一重要的是能否利用算力。 3. 基于人类知识的方法往往会让方法复杂化，使其不适合利用那些依赖算力的一般方法。 4. 在人工智能研究中，搜索和学习是两类最重要的技术，用来发挥海量计算的作用。 5. 另一边是更新的统计类方法，它们基于隐马尔可夫模型（HMM），需要更多计算。结果依然是统计方法战胜了基于人类知识的方法。

One helpful tip per day:) Julian Schrittwieser 认为到 2026 年年中，模型将能够自主工作整整一天（8 个工作小时）。其实这个估算还是有些保守，刚刚发布的 Sonnet4.5 自主编程超过了30个小时： 1. 早在全球大流行的时间和规模已经可以通过指数趋势推算出来的时候，政客、记者和大多数公众评论员仍然把它当作一个遥远的可能性或局部现象。 2. 考虑到在许多行业中，性能改善已经连续多年呈现指数型增长，如果这些改善突然停止，将会非常令人惊讶。 3. 在 2026 年结束之前，至少会有一个模型能在多个行业中达到人类专家的水平。 4.

One helpful tip per day:) Scott Jenson 认为大语言模型事实上已经“黑入”了我们的社会协议，让人们误以为它们比实际更聪明： 1. 他的职业生涯给了她两条应对不确定性的教训：第一，技术总是往下流动；第二，我们通常一开始走的都是错路。 2. 早期工厂依赖河流获取水力，但发电机的出现让工厂摆脱了地理限制。 3. 最初，工厂只有一个大型发电机，需要复杂的滑轮系统把动力传递到整栋建筑，这使得生产流程非常复杂。 4. 随着发电机体积缩小、成本降低，工厂可以在多个位置安装发电机。这种变化比第一次更解放，因为它催生了装配线。动力开始适应生产流程，而不是流程去适应动力，