在過去30年里，信息技術一直高歌猛進、所向披靡。驅動信息技術一路飛奔的是這樣一個事實：機器的計算能力、內存大小和通訊速度這三者全部提高了一百萬倍。那么，人們很自然要思考這樣一個問題：當人工智能（AI）崛起的時候，如果這三者，也就是我們今天所說的算力，再提高一百萬倍，當機器已經具備了無以倫比的學習能力的時候，我們該怎樣到達人類社會的彼岸？

3月13日，“強化學習之父”理查德?薩頓（Richard Sutton）發表了一篇題為“苦澀的教訓”（The Bitter Lesson）的博客，其核心觀點是：“我們必須吸取慘痛的教訓，即從長遠來看，直接構建人類大腦的思維模式是行不通的。”薩頓寫到：“人類不斷試圖把自己的知識和思維方式植入到AI之中，”比如用人類的思路教AI下棋、將讓AI按照人類總結的思路來識別圖像等等。這些做法，“能帶來暫時的性能提升，長期來看卻會阻礙研究的持續進步。”這種錯誤的做法已經帶來了太多“苦澀的教訓”。薩頓相信：“真正的突破，總是來自完全相反的方向。”所謂完全相反的方向就是“摒棄人類在特定領域的知識”，采用“基于搜索和學習進行大規模計算”，只有這樣，人類才會“獲得最終的勝利” 。

這篇文章的確是作者總結了過去70年人工智能發展歷程的洞見之作，因而引來一片附議和轉發。但也有反對意見，其中比較典型的是牛津大學計算機系教授希蒙?懷特森（Shimon Whiteson）。他在題為“甜蜜的一課”（The Sweet Lesson）的博客中針鋒相對地寫到：“AI的歷史故事并非融入人類知識一直失敗。恰恰相反，這是融入人類知識的勝利，實現的路徑也正是一種完全符合慣例的研究策略：嘗試很多方法，拋棄失敗的99%。”