下⼀个重⼤突破将是人工智能在工作中学习
文章探讨了人工智能发展的下一个范式转变：从依靠大规模预训练数据转向在实际工作环境中持续学习。作者认为，AI系统将不再仅仅是训练完成后部署的静态模型，而是能够像人类一样在岗位上边工作边学习、积累经验并不断改进。这种"在岗学习"能力将成为下一代突破性AI的关键特征。
背景速读
- 这篇文章的核心观点是：AI 的下一次重大突破不会来自更大的模型或更多的数据，而是让 AI 在真实工作中边干边学（on-the-job learning）。
- 当前最先进的 AI（如 GPT-4、Claude）主要靠"预训练"——在大量静态文本和图像上进行一次性学习。但人类的知识很大一部分来自尝试和反馈，这在当前的 AI 训练范式中是缺失的。
- 作者 Dwarkesh Patel 是一位关注 AI 和技术长期趋势的独立博主/播客主，经常采访顶尖 AI 研究者（如 DeepMind 的 David Silver、OpenAI 的 Ilya Sutskever），以长文分析和深度对话著称。
- 文章提到的"新范式"是指：AI 不再只是接受静态数据，而是进入一个持续学习的工作环境——比如在编程、科研或客服中，根据结果不断调整自己的行为。这种"学习"类似于强化学习（RL），但更贴近实际应用场景。
- 为什么重要：如果实现，AI 的能力可能会从"聪明但缺乏经验"跃升为"越用越强"，从而在更多复杂任务上达到或超越人类水平。这也意味着算力需求和数据瓶颈的转移。