我现在从事机器人行业，现在机器人的能力上限摆在那，为了实现某个业务能，需要事先写死各种逻辑，完全没有智能能力。
最近看了《苦涩的教训》这篇文章，发现自己正在往错误的方向走，我一直幻想，能有通用计算方法；
不过话又说回来了，我只是最基层打杂的，只是瞎操心，如果机器人能以通用的方式实现，大家都要被裁了。现在用事先写死的策略，可以保证 100%正确，也可以短期见到效果。
最后，还想吐槽一点，机器人的交互也很低效，完全没有手机屏幕来的直观，但是这个功能，又需要被限制到机器人身上。
[https://zhuanlan.zhihu.com/p/708523793] [http://www.incompleteideas.net/IncIdeas/BitterLesson.html]
 | 1 coefu 6 天前 前路漫漫，有这个心就不错了。 |
 | 2 sillydaddy 6 天前 我看了原文，说的是「研究者为了短期性能提升，会倾向于注入自己对领域的人类知识；但从长期来看，真正重要的只有利用大量计算」，意思是倾向于通用计算的。而你自己的是“反向苦涩教训”吧。 |
 | 3 Fish1024 6 天前 哎，确实是这样。 |
 | 4 WithoutSugarMiao 6 天前 早有这种感悟。我现在从事大模型行业，现在我们帮甲方做的 Agent ，基本都是工作流形式，而不是真正的智能体标准。但是我觉得还是要往通用智能体的方向走，哪怕这个通用，是在甲方的业务场景中通用，我觉得也比工作流形式要强很多。 |
 | 5 zsmile 6 天前 我们公司还在执着用手机控制机器人行动 |
 | 6 thevita 6 天前 所谓反思, 是用来纠正思维偏见用的，警惕从一个极端走向另一个极端，如果真是越通用越好，pure MLP 的 inductive bias 比 Transformer 更弱，理论上模型表达能力更强，是可以完全自动学习出 Transformer 甚至更强结构的，那为啥没见人用 pure MLP 训个 LLM 出来 |
 | 7 adgfr32 6 天前 via Android 同样的，很难想象目前基于大模型的 agent 中有多少"精妙逻辑" |
 | 8 renchong 6 天前 小鹏上次展示的那个也是这样吗？ |
 | 9 evan9527 6 天前 我认为机器的优势是没有情绪，不用休息。在特定的场合写死逻辑，就是低成本高效率。 你说的通用方式，是不是像优必选宣传的那种机器人进厂，这在我眼里纯扯淡。 人形机器唯一的发展方向就是代替人类进入服务业，在工业上还是得用写死逻辑那套。 |
 | 10 dcatfly 2 天前 https://blog.mariusvach.com/posts/bitter-lesson 再看看不那么苦涩的教训  |
Select Language