读懂《苦涩教训》：AI 七十年真相与个人突围指南

Thu, 15 Jan 2026 10:00:00 +0800

toc_number: true

强化学习之父 Rich Sutton 在 2019 年写下的《The Bitter Lesson》，撕开了 AI 发展的一个反直觉真相：

“短期靠人类知识’喂’机器能快速见效，但长期来看，砸算力 + 用通用方法（比如搜索、学习）的’笨办法’，才是真正的赢家。”

这教训"苦涩"在哪？

就像你费尽心机教 AI 下围棋（比如写死"金角银边"规则），短期内 AI 能赢新手，特有成就感。但等算力上来后，AlphaGo 用"自我对弈 + 搜索"的通用方法，直接碾压你的"知识注入型" AI——之前的心血全成了无用功。

根本原因很现实：算力成本每年都在暴跌（摩尔定律持续生效）。你还在纠结"怎么教机器"时，别人已经靠堆算力让通用方法跑通了，而且越跑越强。

核心图示：AI 发展路径对比

二、历史反复验证：四个领域的"打脸时刻"

AI 七十多年的发展，其实就是"人类知识注入"被反复打脸的历史。这四个关键节点尤其典型：

1. 国际象棋（1997 年）

IBM 深蓝靠暴力搜索赢卡斯帕罗夫，那些沉迷"复刻人类棋谱"的研究者傻眼了。

2. 围棋（2016 年）

AlphaGo 用"深度学习 + 蒙特卡洛搜索"吊打李世石，此前 20 年"靠围棋规则设计 AI"的努力全白费。

3. 语音识别（1970 年代）

DARPA 竞赛中，“统计模型 + 多计算"干翻了"靠声道知识设计的系统”，CMU 的 HEARSAY Ⅱ 系统虽靠语言学知识实现 97% 准确率，但后续仍被统计模型超越。

4. 计算机视觉（2012 年）

AlexNet 出现前，研究者靠人工找"边缘特征"，而 CNN（卷积神经网络）只用通用算法，效果直接甩十条街。

历史时间线图

Sutton 总结的规律堪称真理：

人类知识注入 → 短期进步 → 遇瓶颈 → 被"算力 + 通用方法"秒杀

三、2025 年最新印证：AI 大佬们还在聊这个

今年以来的大模型动态，再次印证了"苦涩教训"的正确性：

1. 前任科学家观点分歧

前 OpenAI 首席科学家 Ilya 说"预训练到头了"，但 Transformer 共同发明者 Noam 立刻补刀：“提升实时算力才是关键”，他在 HotChips 2025 大会上直言"算力越多越好"。

2. 不同公司的路线对比

马斯克的 Grok3：堆算力硬冲参数记录
DeepSeek-R1：优化工程省算力
本质都是"靠通用方法挖算力潜力"

3. 通用智能体的共识

通义千问开源智能体时直言：“不写死规则，让模型自己推理探索”——这正是"苦涩教训"的现实验证。

算力路线对比图

现在行业里没人再纠结"怎么把人类知识灌进模型"，而是比拼"如何让通用模型更高效地利用算力"。

四、个人怎么应对？三个"反焦虑"行动指南

作为技术人，与其焦虑被 AI 替代，不如主动拥抱这种逻辑。结合我的实践经验，分享三个可落地的方向：

1. 思维先转：别当"知识的搬运工"

放弃"全知幻觉"：别总想着"把所有知识学会再行动"。就像 AI 不用背完棋谱才赢，我学 Python 时也没看完教材，直接用 GPT 辅助写脚本，边错边改反而学得更快。

抓"元能力"而非"知识点"：比如学 Excel，别死记函数参数（知识点），要学"怎么用搜索 / 插件解决新问题"（元能力）——这对应 AI 的"通用方法"。

2. 能力聚焦：练"能借算力放大的本事"

根据 Sutton 强调的"搜索 + 学习"两大通用技术，个人重点提升这三项能力：

2.1 工具使用力

熟练用 AI 工具（Copilot 写代码、ChatGPT 查资料）、云算力平台（腾讯云、AWS）——相当于给大脑装"外接算力"。

2.2 持续学习力

用"最小行动 + 快速迭代"代替"完美准备"，这和 AI 的"自我对弈学习"逻辑一致。

2.3 工程化思维

做事情留"可扩展接口"，比如我写报告必用模板，下次能直接套新数据——就像 AI 模型能接更多训练数据。

能力提升流程图

3. 避坑提醒：知识不是没用，别当"天花板"

“苦涩教训"不是否定知识，而是别让知识限制你：

3.1 用知识"搭梯子"而非"筑围墙”

我做 AI 应用时，懂基础算法能快速入门，但真正出效果靠的是"数据测试（搜索）+ 用户反馈（学习）“优化。

3.2 稀缺领域抓知识

医疗、法律等数据少的领域，人类经验仍很重要。比如学医，基础解剖知识必须扎实，但也要用 AI 辅助看 CT 片（知识 + 算力结合）。

五、总结：拥抱算力时代

《The Bitter Lesson》的核心启示是：

不要高估人类知识的短期价值，不要低估通用方法的长期潜力

在 AI 时代，真正的赢家是那些：

愿意接受"笨办法"的人
持续投入算力的人
建立可扩展系统的人

参考资料

“The greatest lesson AI can teach us is humility in the face of our own cleverness.”

—— Rich Sutton

算力 on 蔡大锅's Blog