"苦涩的教训"：越通用、越依赖算力的方法，往往笑到最后
萨顿在文中回顾了计算机国际象棋、语音识别、计算机视觉等多个人工智能子领域的发展历程，发现一个反复出现的模式：研究者最初总是倾向于把人类的专业知识与直觉编码进系统，短期内确实能取得进展，但长期来看，那些放弃依赖人类先验知识、转而依靠更强算力与更多数据进行通用搜索或学习的方法，几乎总能后来居上、取得更好效果。这一观察被许多研究者视为解释此后大语言模型"规模化路线"为何能够压倒此前多种更"精巧"方法的重要理论依据。
🎯
理查德·萨顿
本名Richard Sutton
加拿大计算机科学家，强化学习理论的奠基人
算法背后的数学 · 理论奠基人
强化学习理论《强化学习：导论》教科书"苦涩的教训"一文
是谁
理查德·萨顿（1957- ）是加拿大计算机科学家，长期任教于阿尔伯塔大学，与安德鲁·巴托合著的《强化学习：导论》被公认为该领域最经典、影响最广泛的教科书，系统建立了"智能体通过与环境交互、依据奖励信号调整策略"这一强化学习框架的理论基础，这套理论此后成为AlphaGo等系统的核心训练机制。萨顿2019年发表的短文《苦涩的教训》，提出一个此后被业界反复引用讨论的观点：纵观人工智能研究七十年历史，那些依靠堆砌算力与数据、而非依赖人类精心设计的领域知识与规则的通用方法，长期来看总是更胜一筹，这篇文章此后被广泛视为解释大语言模型"规模化路线"为何最终占据主流的重要理论依据之一。
依据原典萨顿与巴托《强化学习：导论》（1998）萨顿《苦涩的教训》（2019）
主要故事
人物关系
师父
徒弟
今日回响
以下是现代作品对这个名字或故事的借用、改写，不代表原始内容——两者不一样，别混着记。
"苦涩的教训"成为行业共识引用这篇短文提出的观点此后被广泛引用，成为解释大语言模型"规模化路线"为何能压倒更"精巧"方法的重要理论依据之一。