谢赛宁警告：短视AI研究正威胁长期科学发展，呼吁回归无限游戏本质

在当前人工智能（AI）发展的热潮中，学术界和工业界的前进速度令人瞩目，但这种快速发展的背后却潜藏着一种危险的趋势。美国加州大学助理教授、计算机视觉领域著名学者，2023年度《麻省理工科技评论》“35岁以下科技创新35人”中国区入选者谢赛宁最近在一次深度分享中警告说，当前的人工智能研究正在从“无限游戏”转变为“有限游戏”，这种转变可能从根本上损害科学研究的本质和长期发展。 谢赛宁以加州大学历史教育学家詹姆斯·卡斯的经典理论为引，深入剖析了当前AI研究领域中的“有限游戏”现象。所谓“有限游戏”，是指参与者为了赢得特定的胜利目标而进行的竞争，一旦目标达成，游戏即告结束。而在AI研究中，这种“有限游戏”的体现往往是研究人员为了在短期内取得显著成果或吸引投资，而过于关注具体的应用和技术突破，忽略了更广泛的基础研究和技术积累。相比之下，“无限游戏”则是一个没有明确终点的游戏，其目的是延长游戏本身，确保游戏可以持续进行。在科研领域，这就意味着追求长期的发展和持续创新的重要性。 谢赛宁指出，目前AI研究领域出现的浮躁氛围和短视行为，导致一些重要的基础研究得不到足够的重视和支持。许多研究机构和企业过于追逐短期利润和市场效应，忽视了长远的战略规划和技术积淀。这不仅会影响AI技术的整体进步，还会削弱科研人员的创造力和动力，最终可能导致整个行业的停滞不前。 他还提到，近期的AI热点如生成式对话模型虽然取得了惊人的成果，但也暴露了研究中的浅层次问题。这些模型往往依赖庞大的数据集和计算资源，而未能在算法原理和底层机制上实现真正的突破。长远来看，这样的技术路径难以支撑未来的创新需求。 为了改变这一现状，谢赛宁呼吁科研人员回归“无限游戏”的本质。他认为，只有通过持续不断的探索和创新，才能真正推动AI技术向前发展。具体措施包括加大对基础研究的支持，鼓励跨学科合作，以及培养更多具有长远眼光和创新思维的研究人才。 谢赛宁的观点得到了众多业内专家的支持。斯坦福大学计算机科学教授李飞飞表示，当前的AI研究确实存在急于求成的问题，缺乏对核心技术的深层次理解和探索。长期的基础研究是AI技术能够不断进化的基石，需要更多的关注和支持。 谢赛宁所在的加州大学，在计算机视觉领域拥有深厚的研究基础和广泛的国际影响力。他本人也在该领域取得了多项重要成果，致力于推动AI技术的长足发展。