谢赛宁敲响学界警钟！AI研究可能陷入一场注定失败的有限游戏

AIGC动态10小时前发布 almosthuman2014

56 0 0

文章摘要

凌晨三点的AI实验室里，博士生们为提升模型准确率0.3%而通宵调参的场景，折射出当前学术圈的深层困境。谢赛宁在CVPR 2025的演讲中犀利指出，AI研究正面临从”无限游戏“异化为”有限游戏“的危险转向。这一观点源自詹姆斯・卡斯《有限与无限游戏》的哲学框架：有限游戏以取胜为目的，参与者受规则束缚；而无限游戏以延续游戏为宗旨，规则随游戏进程动态演变。

真正的科研应具备抗脆弱性、开放性、坚持性和教育性四大特征。谢赛宁以自身研究经历为例，其被CVPR拒稿的DiT论文最终成为Sora核心技术，被拒的SiT研究后来被Stable Diffusion 3采用。这些案例印证“科研突破应如野草生长”的核心主张——当研究者摆脱预设框架，允许意外发现引导探索，往往能开辟全新领域。他提出三步研究法：始于好奇心驱动，勇于探索未知，最后从混乱中提取价值，并强调”首日锁定完整论文思路的工作往往最薄弱”。

开放性特质在当代科研中尤为关键。“意外导致有限游戏终结，却是无限游戏延续的契机”，谢赛宁引用卡斯原典强调。学术界作为唯一允许完全自由探索的场域，其开放共享机制能降低产业界创新风险。而坚持性体现在研究者需将拒稿视为”长远游戏的一部分”，通过DiT和SiT的案例可见，真正有价值的研究终将穿越时间检验。

教育维度上，谢赛宁重构了博士培养范式。将学位获取的”有限游戏”转化为终身学习的”无限游戏”，提出抗脆弱力塑造、知识创造蜕变等新规则。他引用汉娜・阿伦特的观点，主张研究者应追求理解而非影响力，通过建立个人学术品牌实现知识高效传播。

面对当前AI领域”奠基论文引发跟风竞赛”的有限游戏困局，谢赛宁以V*视觉搜索项目为例，展示如何通过定义新问题破局。该机制最初填补多模态LLM空白，最终被OpenAI纳入基准测试，证明原创研究的持久价值。演讲结尾呼吁重建学术共同体意识，强调“没有人能独自游戏”的协作真谛，计算机视觉领域从冷门到热门的十年变迁，正是对长期主义价值的最佳注脚。