# 一页纸记忆法 ·《苦涩的教训》
一条主轴(判例式):
一律(算力成本指数下降)
→ 四判例:深蓝·搜索胜象棋 / AlphaGo·搜索+学习胜围棋
/ HMM·统计胜语音 / 端到端·学习胜视觉
→ 一苦(获胜的不是人类偏爱的方法)
→ 两教训(通用方法的力量 / 心智复杂性不可预先概括)
本文形态=判例式:先立一条总教训,再像判例一样让四个领域逐一「过堂」,最后给出两堂终审。
| 段 | 内容 | 关键词 |
|---|---|---|
| 上 | 拉长时间尺度 | 摩尔定律;研究者默认算力不变,于是依赖领域知识 |
| 中 | 四宗判例 | 象棋(1997 深蓝)→ 围棋(2016 AlphaGo,晚约 20 年)→ 语音(70 年代 DARPA,HMM 胜)→ 视觉(SIFT 退出主流) |
| 下 | 苦涩之处与两教训 | 短期有效、长期停滞;突破来自反方向 |
重复出现的历史过程(本文的「思维指纹」):写知识→短期有效→感觉良好→长期停滞→真突破来自扩大计算。
| # | 锚点 | 原文金句 | 记忆问句 |
|---|---|---|---|
| 1 | 70 年总教训 | 从长期看,最有效的,往往是能够不断利用更多算力的通用方法 | 我的方法五年后还成立吗? |
| 2 | 摩尔引擎 | 计算越来越便宜,单位算力成本长期呈指数下降 | 我押的是成本下降的那一边吗? |
| 3 | 深蓝判例 | 最终胜出的,是一个更简单的方案:大规模搜索 | 我在用知识替代搜索吗? |
| 4 | 围棋判例 | 大规模搜索真正奏效后,精心设计的知识不仅无关紧要,有时甚至拖累系统 | 我的先验是助力还是拖累? |
| 5 | 语音判例 | 统计方法再次战胜了依赖人工知识的方法 | 我信专家直觉还是信数据? |
| 6 | 视觉判例 | 现代深度学习只保留卷积和少量不变性假设 | 我留下了多少可有可无的假设? |
| 7 | 苦涩本身 | 成功之所以苦涩,是因为最终获胜的往往不是人们偏爱的、以人为中心的方法 | 我能接受自己偏爱的路线输吗? |
| 8 | 两台发动机 | 搜索和学习,是 AI 利用大规模计算的两类核心方法 | 我有没有这两台发动机? |
| 9 | 元方法 | 真正应该内置的,是能自行发现并捕捉复杂性的元方法 | 我装的是答案,还是发现答案的机制? |
| 10 | 心理依恋 | 投入太多后,研究者容易在心理上对它产生依恋 | 我在捍卫方法,还是捍卫沉没成本? |
| 误读 | 正解 |
|---|---|
| 苦涩教训=算力万能 | ≠算力自动变强。算力只有被通用方法(搜索/学习)利用才转化为能力 |
| =人类知识无用 | ≠零价值。短期精巧方法常赢,Sutton 说的是时间尺度问题,不是价值判断 |
| =速胜宣言 | 恰是长期主义:把时间拉长几年才成立,短跑选手反而该用精巧方法 |
| =物理铁律 | 是 70 年的经验归纳,不是自然定律——归纳会随新范式修正 |
| =只许堆卡不许创新 | 原文反对的是「把心智复杂性预先简化」,不反对寻找更高效的通用方法 |
问期限 → 看曲线 → 比方法 → 押通用 → 藏精巧 → 验进展 → 回一期
复述节奏:当天闭卷画地图 | 次日答闭卷题 | 第 7 天完整复述 | 第 30 天用真实问题走回路。