「十个实验室九个在浪费算力」萨顿揭开行业不敢说的真相

在 Sequoia Capital 的访谈中，强化学习先驱理查德·萨顿与联合创始人胡拉姆·贾韦德，直指当前 AI 行业对算力、合成数据和大语言模型的盲目崇拜。他们认为，模型一旦部署后权重便被冻结，无法通过真实世界的持续互动学习，这与真正的智能相去甚远。 本期「AI快递」将深度解析两位研究者对持续学习、灾难性遗忘、监督学习和合成数据的批判，并介绍他们提出的持续反向传播，以及“万亿参数模型仅需二十瓦功耗”的激进愿景。 原视频链接： https://www.youtube.com/watch?v=xH7U7w9Qzlo 原视频标题：Rich Sutton and Khurram Javed: Why AI Models Stop Learning, and How to Start It Again 主要内容： • 为什么当前大语言模型并不具备真正意义上的持续学习能力 • 合成数据为何受制于人类认知边界，难以替代真实世界经验 • 自动驾驶仿真训练背后的人工修补，以及“从模拟到现实”的根本局限 • 监督学习为何只是智能的一小部分，松鼠如何通过互动展现复杂问题解决能力 • 持续反向传播如何缓解灾难性遗忘，并推动低功耗、持续进化的 AI 系统 • 为什么未来的智能可能不是单一全知模型，而是多个拥有独特经验流的独立系统 推荐理由： 这不仅是一场对主流 AI 路线的质疑，更是一次对“什么才是真正的智能”的重新定义。视频将算力扩张、合成数据和模型冻结等行业共识置于现实学习机制下重新审视，适合希望理解 AI 下一阶段技术方向、持续学习和强化学习思想的观众。 欢迎先观看原视频，再收听「AI快递」的深度解析，了解这些激进观点背后的技术逻辑与产业意义。 --- 「AI快递」为您精选全球最前沿的AI技术视频，深度剖析技术背后的核心洞察。 由 voieech.com 提供技术支持。