機(jī)器之心報道

編輯：大盤雞、杜偉

凌晨三點的 AI 實驗室，鍵盤敲擊聲在空蕩的房間回響。屏幕上，博士生小王、小李、小趙正瘋狂調(diào)整模型參數(shù)，只為在 NeurIPS 截稿前將準(zhǔn)確率從 98.2% 刷到 98.5%。

這樣的場景，在如今的 AI 學(xué)術(shù)圈早已見怪不怪。當(dāng)科研淪為數(shù)據(jù)工廠里的流水線作業(yè)，當(dāng)研究者們?yōu)榱隧敃撐钠Ｓ诒济覀儾唤獑枺涸?jīng)充滿探索樂趣的 AI 研究，何時已經(jīng)變味兒？

大神謝賽寧在 CVPR 2025 的演講，正是對這場學(xué)術(shù)內(nèi)卷發(fā)講出了犀利的觀點：現(xiàn)在的人工智能研究，可能要淪為一場「有限游戲」。

謝賽寧還分享了他從《有限與無限游戲》（James P. Carse著）這本書中獲得了靈感，書中的觀點令人深省。這本書經(jīng)常出現(xiàn)在商業(yè)背景中，但他被其與研究的關(guān)聯(lián)性所震撼，并表示當(dāng)今世界真的需要更多無限的參與者。

不少網(wǎng)友認(rèn)為這是一個非常有趣的觀點，一場精彩的演講，同樣也非常好的回答了「什么是研究」。

AI 研究到底是什么？

在這次內(nèi)容分享的開頭，謝賽寧就向大家介紹了 詹姆斯?卡斯（James P. Carse） 的兩種分類：有限游戲和無限游戲。

這兩種不同的游戲主要有以下區(qū)別：

當(dāng)然，謝賽寧在這次演講中給出了自己的回答：研究理應(yīng)是一場「無限游戲」。此外，他還談了三個主題，分別是：

• 我是我自己的天才
• 為什么人工智能研究正面臨變成有限游戲的風(fēng)險？
• 沒有人能獨自玩一場游戲

AI 研究理應(yīng)是一場「無限游戲」

那么為什么 AI 研究應(yīng)該是「無限游戲」，這源于它的四個特征：

抗脆弱性

凡是能從隨機(jī)事件或沖擊中獲得更多收益而非損失的事物，就是抗脆弱的。抗脆弱性不單單只能夠抵御打擊，還能夠在打擊中成長，變得更強(qiáng)。

無限游戲因挑戰(zhàn)而成長，研究者亦應(yīng)在不確定中愈發(fā)強(qiáng)大。

讓科研突破變得像 「野草生長」。當(dāng)研究者不再困于預(yù)設(shè)框架，而是任由好奇心驅(qū)動探索，那些意外碰撞出的靈感火花，反而能在混沌中開辟出新的道路。就像 DiT、SiT 的誕生，正是在打破常規(guī)的自由探索中，從被拒稿的「失敗」里破土而出，最終成長為行業(yè)基石。

那要怎么找到屬于你自己的研究想法呢？可以根據(jù)這三步走：跟隨你的好奇心和熱情 —— 勇于探索 —— 對意外保持開放心態(tài)，從混亂中受益！

這里還有一個要點需要注意：切忌第一天就鎖定一個想法，然后寫出一篇從頭到尾都沒變過的論文 —— 這種工作往往是最薄弱的。

開放性

有限游戲的參與者被訓(xùn)練去預(yù)判每一種未來的可能性，他們的目標(biāo)在于掌控未來。與之相對，無限游戲的參與者延續(xù)游戲，是期待著被意外擊中。若不再有意外發(fā)生，所有游戲都將終止。

意外會導(dǎo)致有限游戲落幕，卻正是無限游戲得以延續(xù)的緣由。

無限游戲的參與者時刻準(zhǔn)備迎接未來的意外，它們可能是驚嚇，但也可能是驚喜。這些參與者以全然開放的姿態(tài)投入其中。開放科學(xué)遵循著相同的原則，進(jìn)步并非源于對知識的固守，而是來自分享，這樣一來，探索的游戲才能夠持續(xù)演進(jìn)、生生不息。

學(xué)術(shù)界是唯一能讓你完全自由地以開放姿態(tài)「游戲」的場域。
致學(xué)術(shù)界的同仁：請充分珍視這份獨特的自由 —— 它是一種特權(quán)。
致產(chǎn)業(yè)界的伙伴：學(xué)術(shù)界能成為你強(qiáng)大的盟友，助你降低風(fēng)險、開拓全新方向。

堅持

有限游戲的玩家可能會在目標(biāo)無法達(dá)成時觸發(fā)放棄行動，比如「論文被拒」、「沒拿到資助」、「沒成功上線」。

無限游戲的玩家則視「堅持」為一種生存方式，他們會想「這只是長遠(yuǎn)游戲的一部分。我該如何學(xué)習(xí)、適應(yīng)并繼續(xù)前行？」

謝賽寧用自己的作品進(jìn)行了舉例，他的論文《Scalable Diffusion Models with Transformers》揭開擴(kuò)散模型中架構(gòu)選擇的意義，并為未來的生成模型研究提供經(jīng)驗基線。論文提出了一種基于 Transformer 架構(gòu)的擴(kuò)散模型，稱為 Diffusion Transformers (DiTs)，在圖像生成任務(wù)上取得了顯著成果。

但就是這樣一篇神作也非一帆風(fēng)順，這篇論文曾被 CVPR 2023 拒稿。據(jù) Meta 的 AI 科學(xué)家 Yann LeCun 透露，該論文在 CVPR 2023 的審稿過程中被認(rèn)為 「缺乏創(chuàng)新性」而遭拒稿。

不過，這篇論文后來被 ICCV2023 接收，其提出的 DiTs) 模型為擴(kuò)散模型與 Transformer 結(jié)合的研究提供了重要參考，也被認(rèn)為是 OpenAI 的 Sora 模型背后的核心技術(shù)之一。

有時你需要等待 —— 但另一些時候，你得換一種能讓目標(biāo)實現(xiàn)的方法。

SiT 作為首次對基于流匹配的 DiT 模型進(jìn)行規(guī)模化研究的成果，被 2024 年 CVPR 以「缺乏創(chuàng)新性」為由拒稿，卻在經(jīng)小幅修改后被 2024 年 ECCV 接收。

幾個月后，Stable Diffusion 3 融合了擴(kuò)散 Transformer 架構(gòu)與流匹配技術(shù)，這一案例印證了學(xué)術(shù)論文不會被工業(yè)界論文 「扼殺」—— 如今 SiT 已成為該領(lǐng)域的常用基準(zhǔn)。

謝賽寧還有更多類似的經(jīng)歷可以分享，他表示許多被引的論文在最初投稿時都沒有獲得最積極的評價。但他仍能堅持，并且擁抱這個過程，而這，就是無限游戲玩家的作為。

教育

如果把博士的成長看作一場有限游戲，那么它結(jié)構(gòu)化的規(guī)則和可量化的目標(biāo)，與科研這場無限游戲截然不同。

它以發(fā)表的論文數(shù)量、通過的資格考試以及博士論文答辯為規(guī)則。參與者往往也是固定的，你、同門和導(dǎo)師。獲勝條件則是獲得「博士」稱號，所有的一切也截止在畢業(yè)時刻。

博士階段更側(cè)重完成既定任務(wù)以達(dá)成階段性成就，而持續(xù)的學(xué)術(shù)創(chuàng)新則需要超越這種有限思維。

但博士的教育不該如此。謝賽寧假設(shè)了四條新的「游戲規(guī)則」。

• 終身學(xué)習(xí)的修煉：博士階段教會我們?nèi)绾螌W(xué)習(xí)、提出有價值的問題、顛覆固有認(rèn)知 —— 這些能力遠(yuǎn)超出學(xué)位本身，會伴隨一生。
• 抗脆弱力的塑造：你將學(xué)會在不確定性中從容自處，在復(fù)雜問題里深耕細(xì)作，把失敗與修正當(dāng)作成長的養(yǎng)分。
• 從吸收到創(chuàng)造的蛻變：你會從知識的接收者蛻變?yōu)橹R的創(chuàng)造者，更開始在學(xué)術(shù)之路上引領(lǐng)后來者。
• 沒有終局的旅程：即便戴上博士帽，科研與教育的游戲從未 「通關(guān)」。你會一直留在這場游戲中，為了探索本身而持續(xù)前行。

我是我自己的天才

謝賽寧亮出自己的觀點：你可以并且應(yīng)該自己掌控游戲。

首先問自己一個問題：我們?yōu)槭裁匆l(fā)表論文？這里，知名思想家、作家 Hannah Arendt 曾說過的一段話可以作為參考，「我應(yīng)該追求影響力嗎？不，我想要理解。當(dāng)他人理解并以我所理解的同樣方式時，這會給我一種滿足感和歸屬感。」

因此，謝賽寧提出要「設(shè)計你的游戲玩法。理解、分享并在這場無限的游戲中脫穎而出，不是通過贏得他人，而是做好自己、激勵他人。也就是講好故事、研究品味。」

研究者有時就像時裝設(shè)計師，要對一張表、一條信息精雕細(xì)琢，要提出有簡潔、原則性的方法，還要逐步消融實驗并隔離混淆變量，為自己的項目打造一個專屬主頁。

謝賽寧表示，你也要為自己的論文、自己的工作、甚至是本人，打造鮮明的品牌，別再「隨波逐流」。

在信息爆炸的時代，人們沒有那么多時間來讀論文了，研究者要注重如何實現(xiàn)更高效的知識共享以及自身工作的傳播。

謝賽寧表示，已經(jīng)有很多研究者在使用他的模板，對此表示非常感謝。

模板展示：

為什么人工智能研究正面臨變成有限游戲的風(fēng)險？

謝賽寧接著探討了 AI 研究有可能陷入有限游戲困境的原因，并指出無限玩家必須要反抗。

如今，一些令人擔(dān)憂的研究模式正在肆虐，比如一個主要的有限元研究玩家（如 OpenAI）發(fā)表了一篇新論文（如 4v、r1、grpo、o1、4o），接著便會出現(xiàn)大批的追隨者以及相關(guān)論文，每個人都爭相就同一個主題發(fā)表論文。

這意味著：誰發(fā)表的早，誰就能獲得更多引用量和曝光度，成為贏家；誰發(fā)表的晚，往往會被忽視，成為輸家。不僅如此，一旦出現(xiàn)一篇「奠基之作」，其他人也會快速放棄這個主題。

因此，研究者尤其是學(xué)生和早期研究者面臨著巨大的壓力，為了獲得有限的認(rèn)可而加入到激烈的競爭中已經(jīng)成為必然，這令人精疲力盡且難以持續(xù)。

那么，學(xué)術(shù)激勵機(jī)制是否存在缺陷呢？優(yōu)先考慮發(fā)表的快慢而非研究深度或者創(chuàng)造力，獎勵快速成功而非持續(xù)貢獻(xiàn)。如果學(xué)界玩的是一場有限的游戲，則注定會失敗。

如何破局呢？謝賽寧認(rèn)為要定義新的問題，畢竟問題是層出不窮的。他以自己與 Penghao Wu 合作完成的一個項目 V * 為例進(jìn)行說明，該項目引導(dǎo)視覺搜索作為多模態(tài)大語言模型的核心機(jī)制。

論文地址：https://arxiv.org/pdf/2312.14135.pdf

在當(dāng)時，多模態(tài) LLM 缺乏這種視覺搜索機(jī)制，從而阻礙了它們關(guān)注重要的視覺細(xì)節(jié)，尤其在處理高分辨率和視覺繁雜的圖像時。他們提出的這種機(jī)制利用 LLM 中的世界知識進(jìn)行高效的視覺查詢，在與多模態(tài) LLM 結(jié)合時可以增強(qiáng)協(xié)作推理、上下文理解以及對特定視覺元素的精準(zhǔn)定位。

如今，OpenAI 最新版 o3 和 o4 mini 在發(fā)布的時候，在模型基準(zhǔn)測試中加入了 V * 視覺搜索，并在標(biāo)題中直接寫上了利用圖像來思考。

謝賽寧總結(jié)了一下：有限游戲或許能帶來財富、地位、權(quán)力和認(rèn)可；但無限游戲能提供更深層次、更有意義的東西。

不過，我們不能指望初級研究者從一開始就自然地接受這種放眼長遠(yuǎn)的模式，問題在于：如何才能創(chuàng)建一種能夠孕育并維持這種模式的正反饋循環(huán)？

沒有人能獨自玩一場游戲

「要是研究計算機(jī)視覺，你這輩子都找不到工作。」

• —— 某博客文章，2010 年
• 
  「你應(yīng)該投身計算機(jī)視覺領(lǐng)域。CVPR 是開放包容的，從不搞學(xué)術(shù)壁壘。」
  
• —— 某位導(dǎo)師，2013 年

從 2010 年的求職冷門到 2013 年的開放前沿，短短三年的轉(zhuǎn)向印證了技術(shù)領(lǐng)域的迭代速度。10 年這句看似預(yù)言失敗的評論，恰反襯出技術(shù)領(lǐng)域十年間的顛覆性變革 —— 如今 CV 已成為 AI 最炙手可熱的分支之一，也印證了科研方向選擇中「長期主義」的價值。

謝賽寧做出總結(jié)：玩家從不稀缺，更多玩家并不總意味著無限游戲。

他在演講結(jié)尾呼吁科研進(jìn)步不僅依賴個體突破，更需群體對開放協(xié)作的維護(hù)。

別把我們的學(xué)術(shù)社區(qū)視為理所當(dāng)然 —— 我們每個人都肩負(fù)著讓它變得強(qiáng)大且包容的責(zé)任。

彩蛋懸念：演講幻燈片的結(jié)尾是超可愛 LABUBU。這次幻燈片制作超級精美，記得點開參考鏈接欣賞一下哦。

參考鏈接：

https://www.canva.com/design/DAGp0iRLk9g/8QLkIDov8ez1q6VvO8nnpQ/edit