随着人工智能（）技术的不断成熟，业内专家指出，AI发展的重心正在经历显著转变。从早期的模型训练和算法创新，逐渐转向更加注重任务定义与评估优化。这一观点由OpenAI的研究员姚顺雨提出，他认为，在AI的下半场，将成为推动技术应用和商业化的关键。以下是对此观点的详细分析：
在AI的上半场，研究者们主要专注于构建强大的模型，例如和–等。这些模型在各种基准任务中表现出色。此阶段的核心在于方法论，研究人员主要关注如何设计和优化算法，而任务的定义往往被视为次要。因此，尽管我们在这一阶段取得了重大突破，但最终却忽略了如何将这些技术应用于现实场景中的具体任务。正如姚顺雨所说，“我们专注于‘我能训练一个模型来解决XX问题’，却没有思考‘我们应该训练AI做什么？我们如何衡量其真正的进步？’”
姚顺雨指出，真正的挑战在于如何定义现实中的任务，并且有效评估AI系统的表现。强化学习的成功在于它结合了语言的先验知识与推理能力，这使得AI能够在复杂环境中更好地泛化。他认为，一个成功的AI系统应当具备三个核心要素：大规模的语言训练计算与数据的规模化，以及推理与行动的结合。这三个要素共同推动了AI在实际应用中的表现。
这场思维的转变，也意味着AI研究者需要更像产品经理，关注如何将技术转化为具备商业价值的产品。在新的评估标准下，研究者不仅要设计模型，还需考虑人机互动以及长期适应性，这将是推动AI实用化的重要一步。正如姚顺雨所说，“我们需要从‘我能训练一个模型来解决XX问题’转向‘我们应该训练AI做什么？我们如何衡量其真正的进步？’”
这种思维方式的转变，不仅有助于提高AI系统的实际应用效果，也有助于推动AI技术的发展。通过更加关注任务定义与评估优化，我们可以更好地应对现实中的挑战，为社会创造更大的价值。
发表评论