AI领域正经历根本性转变。我们不再热衷于让AI在考试中得高分，而是关注它能创造何种实际价值。这就是从\"上半场\"到\"下半场\"的转折。
过去几十年，AI研究遵循固定模式：开发新方法，提高测试分数，再创造更难测试。这场竞赛催生了多位明星：深蓝、AlphaGo、GPT-4。它们的共同点？都是训练方法的突破，而非评估方式的创新。
证据在引用数据中：Transformer论文引用超16万次，而它所基于的测试基准仅获1300次引用。方法总比测试更受关注，因为好方法能应用于多种场景。
2019年，我用GPT-2构建游戏智能体时发现：AI需要数百万次训练掌握一个游戏，却无法迁移到新游戏。反观人类，面对全新游戏也能迅速适应。差异何在？
答案在于思考本质。人类不只选择预设动作，而是思考问题本身。我们不仅能\"打开箱子\"或\"使用钥匙\"，还会思考：\"地牢危险，需要武器。没见到武器，也许藏在某个锁着的箱子里。\"这种开放性思考正是AI所缺乏的。
这一发现促使我重新审视强化学习三要素：算法、环境和先验知识。长久以来，AI研究优先级是：算法 > 环境 > 先验知识。但现实应当完全颠倒：先验知识 > 环境 > 算法。
这个认知反转催生了AI的\"黄金配方\"：语言预训练提供先验知识，推理能力扩展环境，强化学习成为相对简单的部分。讽刺的是，强化学习研究几十年的核心，最终成了配方中最不复杂的环节。
这配方太强大，彻底改变了游戏规则。通用模型不针对特定任务也能提升30%，而专门研究或许只能提升5%；曾需数年攻克的挑战，现在几月即可突破。
于是我们面临奇特悖论：尽管AI已能写诗、解方程、通过律师考试，甚至在奥林匹克竞赛中摘金，但它对GDP的影响远低于预期。这就是\"效用问题\"——测试智能与创造价值间的鸿沟。
为何存在这鸿沟？因为评估方式与实际应用有根本差异：测试是单向的，现实需要持续互动；测试是独立的，现实任务是连续的。这如同学生能考满分却不会做项目。
因此，AI的下半场截然不同。竞争不再是谁能写出更优算法，而是谁能定义更有价值的问题并创造实际解决方案。
这标志着从学术到产业的转变，从理论到实践的飞跃。未来赢家不是论文引用最多的研究者，而是创造真正有用产品的创业者。
AI的下半场刚刚开始。我们不再追求更高分数，而是追求真正的得分。
姚顺雨，2025年4月10日
#小红书热点观察团
过去几十年，AI研究遵循固定模式：开发新方法，提高测试分数，再创造更难测试。这场竞赛催生了多位明星：深蓝、AlphaGo、GPT-4。它们的共同点？都是训练方法的突破，而非评估方式的创新。
证据在引用数据中：Transformer论文引用超16万次，而它所基于的测试基准仅获1300次引用。方法总比测试更受关注，因为好方法能应用于多种场景。
2019年，我用GPT-2构建游戏智能体时发现：AI需要数百万次训练掌握一个游戏，却无法迁移到新游戏。反观人类，面对全新游戏也能迅速适应。差异何在？
答案在于思考本质。人类不只选择预设动作，而是思考问题本身。我们不仅能\"打开箱子\"或\"使用钥匙\"，还会思考：\"地牢危险，需要武器。没见到武器，也许藏在某个锁着的箱子里。\"这种开放性思考正是AI所缺乏的。
这一发现促使我重新审视强化学习三要素：算法、环境和先验知识。长久以来，AI研究优先级是：算法 > 环境 > 先验知识。但现实应当完全颠倒：先验知识 > 环境 > 算法。
这个认知反转催生了AI的\"黄金配方\"：语言预训练提供先验知识，推理能力扩展环境，强化学习成为相对简单的部分。讽刺的是，强化学习研究几十年的核心，最终成了配方中最不复杂的环节。
这配方太强大，彻底改变了游戏规则。通用模型不针对特定任务也能提升30%，而专门研究或许只能提升5%；曾需数年攻克的挑战，现在几月即可突破。
于是我们面临奇特悖论：尽管AI已能写诗、解方程、通过律师考试，甚至在奥林匹克竞赛中摘金，但它对GDP的影响远低于预期。这就是\"效用问题\"——测试智能与创造价值间的鸿沟。
为何存在这鸿沟？因为评估方式与实际应用有根本差异：测试是单向的，现实需要持续互动；测试是独立的，现实任务是连续的。这如同学生能考满分却不会做项目。
因此，AI的下半场截然不同。竞争不再是谁能写出更优算法，而是谁能定义更有价值的问题并创造实际解决方案。
这标志着从学术到产业的转变，从理论到实践的飞跃。未来赢家不是论文引用最多的研究者，而是创造真正有用产品的创业者。
AI的下半场刚刚开始。我们不再追求更高分数，而是追求真正的得分。
姚顺雨，2025年4月10日
#小红书热点观察团
