这是一篇约 1500 词的短文而非论文：无公式、无实验表格、全部论据为历史叙事。因此本页把"逐章精读"适配为"逐段精读"（原文共 8 段），四大块结构与三条铁律不变。文中【原文声称】【史实核验】【解读者补充】【解读者观点】严格区分；本文没有数字型实验结果，"数字强迫"铁律落实为对文中出现的年代与人物做对账。
| 原文段落 | 主题 | 论证功能 | 本页章节 |
|---|---|---|---|
| §1 | 总论：通用方法+算力最终最有效 | 立论 + 归因于摩尔定律 | 二·A |
| §2 | 计算机国际象棋（1997 深蓝胜卡斯帕罗夫） | 案例一：搜索胜过人类棋艺知识 | 二·B |
| §3 | 计算机围棋（晚 20 年重演）+ 自我对弈学习 | 案例二 + 提出"搜索与学习"两大类技术 | 二·C |
| §4 | 语音识别（1970s DARPA 竞赛、HMM 胜出）→ NLP 统计化 → 深度学习 | 案例三：从游戏推广到感知/语言 | 二·D |
| §5 | 计算机视觉（边缘/广义圆柱/SIFT 被抛弃） | 案例四：最短的段落，最彻底的溃败 | 二·E |
| §6 | 教训总结：四条历史观察 | 把案例上升为规律 | 二·F |
| §7 | 建设性推论一：只造能任意扩展的元方法——搜索与学习 | 正面主张 | 二·G |
| §8 | 建设性推论二：心智内容不可救赎地复杂；要能发现的智能，不要装满发现物的智能 | 正面主张（全文结尾） | 二·H |
| # | 主张 | 证据强度预评 |
|---|---|---|
| 1 | 依赖算力的通用方法长期必然最优，且优势巨大 | 归纳性主张 由四个领域的历史案例外推，非实验结论 |
| 2 | 根本原因是摩尔定律（单位算力成本指数下降） | 历史趋势支撑 属经验规律，非定律保证 |
| 3 | 内建人类知识短期有益、长期平台化甚至阻碍进步 | 案例归纳 §6 的四步观察是全文的"机制模型" |
| 4 | 应只内建元方法（搜索与学习），不内建心智内容 | 规范性主张 设计哲学，无法被单个实验证伪 |
全文仅 8 段，建议全部通读（15 分钟）。必读核心：§1 与 §6–§8（立论与总结）；案例段 §2–§5 可快读，但注意每段都埋着一个后续会复用的关键词：brute force（§2）、self play / search and learning（§3）、statistics and computation（§4）、SIFT（§5）。跳读案例段的代价：无法检验 §6 那个"四步模式"是否真的在四个领域都成立。
原文声称："70 年 AI 研究能读出的最大教训是：发挥计算力的通用方法最终最有效，且优势巨大（by a large margin）。"归因链条：摩尔定律 ⇒ 单位算力成本持续指数下降 ⇒ "智能体可用算力恒定"这一绝大多数研究默认的前提，在略长于一个科研项目的时间尺度上必然失效。
失效模式先行（这段话要解决什么认知问题）：研究者在项目周期内做优化决策时，理性选择是利用自己的人类知识（因为算力短期内确实不变）；但这个局部理性的选择在十年尺度上系统性输给押注算力增长的通用方法。Sutton 点出三个摩擦：①时间此消彼长——花在一个方向上的时间就是没花在另一个上；②心理承诺——对既有路线的投入产生沉没成本式的坚持；③复杂度税——人类知识方案让系统更复杂，反而更难吃到通用方法的红利。
直觉类比：这像投资里的杠杆周期——短期看现金为王，长期看通胀恒定侵蚀持币者。类比失效之处：摩尔定律不是物理定律而是历史经验，半导体接近极限时该推理的地基会松动（【解读者观点】这正是本文发表后被讨论最多的边界条件）。
常见误读①："所以人类知识毫无用处"。原文说的是长期排序与资源分配问题，且承认两者"不必相互冲突"；它反对的是把人类知识当作内建进系统的结构先验，不是否认研究者用知识选择好问题。
一句话蒸馏：算力的指数增长是 AI 唯一可靠的趋势线；任何在固定算力假设下的最优设计，都会被算力增长本身淘汰。
史实核验：1997 年 IBM 深蓝击败世界冠军卡斯帕罗夫 ✓；深蓝的核心确实是大规模深度搜索+专用硬件 ✓。【解读者补充】深蓝评估约每秒两亿局面的量级来自 IBM 公开资料，原文未给数字——本页不做超出原文的数字断言，此处仅标注背景。
精读要点：Sutton 的火力不在"搜索赢了"，而在社区的反应——"not good losers"（输不起）：他们辩称暴力搜索"只是这次赢了""不是通用策略""反正人类不是这么下棋的"。这三个辩护理由恰好构成后来每个领域的标准剧本：承认结果、否认方法论意义、诉诸人类中心直觉。【解读者观点】这一段是全文修辞上最狠的一击：它把批判对象从算法转向了研究共同体的心理防御机制，为 §6 的"苦涩"定性埋下伏笔。
常见误读②："深蓝证明的是暴力穷举"。深蓝用的是 α-beta 剪枝+手工评估函数，并非无信息穷举；它的胜利证明的是"以搜索为中心的方法族胜过以棋艺知识为中心的方法族"，评估函数里当然仍有人类知识，但角色已从主角降为配角。
史实核验："围棋重演了同样的模式，只是又晚了 20 年"——1997+20=2017，即 AlphaGo 战胜李世石之年 ✓（写作时 AlphaGo Zero 尚未发表，故本段未提；AlphaGo Zero 完全不用人类棋谱且更强，事后成为本段最有力的补强证据——此为解读者补充，非原文内容）。
本段真正的理论贡献：提出"搜索和学习是利用海量计算的两大最重要技术类别"。理由：自我对弈学习与搜索一样，都能把任意多的算力转化为性能。这句看似平淡的话是全文的承重墙——它把"摩尔定律红利"具体化为两条可工程化的通道，后来的深度强化学习、自我博弈、乃至大模型的"数据+算力" scaling 都可视为这两条通道的组合。
类比与失效：围棋界当年"避免搜索、利用棋形知识"的努力像是在优化马车的车厢舒适度——方向没错，动力系统却要被换成内燃机。类比失效之处：马车与汽车是替代关系，而知识与搜索在学习系统中仍需共存（评估函数、奖励设计仍是知识进入系统的合法入口）。
一句话蒸馏：不要问"怎么少用搜索"，要问"怎么让更多算力有处安放"——答案是搜索与学习。
史实核验：1970s DARPA 资助的语音识别评测中，基于隐马尔可夫模型（HMM）的统计方法战胜利用词汇/音素/声道等人类知识的特殊方法——与 AI 史通行叙述一致 ✓。此后数十年统计与计算逐步统治 NLP ✓，深度学习语音识别是该方向的延续 ✓。
精读要点：本段把战场从博弈扩展到语言，并给出全文最重的一句判词——研究者总想造"按研究者自己所想的心智方式工作的系统"，把这种理解塞进系统，结果"适得其反（counterproductive），并 colossal waste of researcher's time"。【解读者观点】注意 Sutton 论证的一个微妙滑动：HMM 本身也内建了相当多结构假设（马尔可夫性、状态空间设计），它赢靠的不只是"更多计算"，还有更好的统计框架。"少用人类知识 vs 多用计算"的二分在这里开始变得粗糙——这是本文作为议论文而非实证论文的证据弱点之一。
一句话蒸馏：语音与语言的胜负手不是"更懂语言的人"，而是"更能吃算力的统计机器"——且这场替换用了整整几十年才完成。
史实核验与精读：早期视觉把任务构想为找边缘、广义圆柱体（generalized cylinders）、或 SIFT 特征——这些名词分别对应 Marr 层次式视觉纲领、 Brooks (1981) 的柱状表征、以及 Lowe (2004) 的手工特征；"今天这一切都被丢弃了，现代深度网络只用卷积和某些不变性，而且表现好得多"——对应 2012 年 AlexNet 之后特征学习取代手工特征的行业转折 ✓。这是全文最短的一段：不需要论证，读者眼前就有 ImageNet 的既成事实。
解读者补充：注意"只用卷积和某些不变性"这句话本身很微妙——卷积正是一种精心设计的归纳偏置（权重共享+局部性），说明即便最"惨烈"的知识溃败现场，也保留着少量被验证为"能随算力扩展"的结构。这与 §7"只内建元方法"呼应：被淘汰的不是一切先验，而是编码具体内容（这里是什么物体、那里是什么边缘）的先验。
这是全文的理论内核，Sutton 把前四个案例压缩成一条可复用的因果链：
"Bitter"的定义也在此段：胜利带着苦涩、且常未被完全消化，因为它胜过的是"受偏爱的、以人为中心的路线"。【解读者观点】"personally satisfying to the researcher"这个措辞值得慢读：Sutton 把心理学因素（智力审美、身份认同）写进了技术史的因果链——他主张的不是某篇论文错了，而是一个行业的激励与品味系统性地偏向了错误的一侧。
常见误读③："短期有用、长期有害"意味着内建知识是错的。原文的机制模型说的是它平台化（plateaus）——天花板由人类知识总量决定；正确策略是意识到天花板的来源，而非否认短期收益。
正面推论：应该学习的只有一件事——通用方法的伟大力量，即"随着计算增加而继续扩展，哪怕算力变得非常大"的方法。而看起来能任意（arbitrarily）扩展的方法只有两类：search 和 learning。【解读者补充】2019 年之后的历史为这段话添加了第三个候选：基于人类反馈的学习信号本身也是"学习方法"的一种输入形式；而 test-time compute scaling（推理期搜索/采样）则是"搜索"通道在新形态上的回归。这些都非原文内容。
学习目标：学完本段你应能回答——为什么"可扩展性"而不是"样本效率"或"可解释性"被选作筛选方法的第一准则？答：因为在算力指数增长的环境里，可扩展性的复利效应会在足够长的时间尺度上压倒其他一切单点优势。
第二个正面推论分三层：①心智的实际内容"极其、不可救赎地复杂（tremendously, irredeemably complex）"；②因此应停止寻找思考心智内容的简单方式——关于空间、物体、多智能体、对称性的简单理论至多是任意或部分正确的近似；③只应内建能发现并捕捉任意复杂性的元方法——关键句："寻找好近似的过程应当由我们的方法完成，而不是由我们完成。我们要的 AI 是能像我们一样去发现的智能体，而不是装着我们已有发现物的智能体。把我们自己的发现内建进去，只会让'发现过程本身如何实现'变得更难看清。"
类比与失效：像教孩子钓鱼而不是给他鱼——但这个经典类比恰恰在 Sutton 的原意处失效：他要的不是"教会一条鱼的做法"，而是造出一个"自己发明钓鱼术"的系统。任何我们给出的具体钓法，都是要被元方法重新发现的对象。
闭卷自检清单：不看材料，我能复述四步机制模型吗？能说出两大元方法是什么吗？能解释"苦涩"究竟指什么吗？能举出四个领域各自的"人类知识代表方法"与"算力代表方法"各一个吗？
本文没有任何对照实验，其证据是四个经过挑选的历史叙事。批判性阅读必须问：案例是怎么选的？四个领域（国际象棋、围棋、语音、视觉）都是"算力路线最终获胜"的名场——幸存者偏差的风险很高。反例候选（【解读者观点】，均非原文内容）：符号化的知识图谱、语法解析在特定工业场景中长期有效；专家系统在医疗诊断等领域曾达到实用；Chomsky 式先天语法假说虽被统计 NLP 边缘化，但"人类知识以数据形式间接注入"从未停止。一个诚实的表述是：Sutton 的命题在其挑选的主战场上成立，且时间越往后支持案例越多，但它不是一个可证伪的科学定律，而是一条启发式原则。
细读会发现"human knowledge"一词的含义在四个案例中并不一致：国际象棋中指开局库/局面评估启发式；语音中指音素学知识；视觉中指手工特征；§8 中泛化为"关于心智内容的一切简单理论"。概念外延不断扩大的修辞效果是把越来越多的失败都纳入同一教训名下——这在议论文中是合法武器，但读者应保持警觉：【史实核验】HMM 与 CNN 同样内建了大量结构性先验（状态转移、卷积、不变性），它们获胜恰恰说明"正确的先验+算力"才是完整公式，纯"零知识+算力"从来不是任何成功系统的真实配方。
本文隐含一个常被忽略的参数：等待时间 T。在 T 内人类知识路线可能交付全部商业价值（专家系统、规则引擎至今在风控运行），算力路线需要等待摩尔定律兑现。Sutton 自己在第1段承认两种路线"不必冲突"，冲突的是研究资源的分配。第二坐标轴的结论：这条教训对研究方向选择最强，对当下产品决策最弱。
声明：本页所有史实仅核对原文叙述与公开常识，引用的年代人物未做独立档案级验证。
仅从"1997 深蓝 / 2017 AlphaGo / HMM / 卷积网络"四个名字出发，重建 Sutton 必须完成的论证步骤，并指出哪一步证据最弱。
必须完成：①证明四案属同一模式（提取公共结构：知识路线先行→算力路线后至→后者胜）；②给出统一的成因解释（摩尔定律+两大元方法）；③解释为何研究者反复犯错（心理机制：满足感与承诺升级）；④推出规范结论（只建元方法）。最弱环节是①——四案例的选取标准未独立于结论（循环归纳风险），其次是②中"HMM/CNN 也含先验"的反例压力。每步 2.5 分，指出最弱环节并说理另加 2 分（封顶 12 分制可自行折算）。
本文唯一的"数字"是年代。请对账：①1997 与"再晚20年"的围棋节点；②"70 years of AI research"与达特茅斯会议（1956）到 2019 的间隔；③1970s DARPA 语音竞赛的时代定位。
①1997+20=2017=AlphaGo 胜李世石 ✓；②1956→2019 为 63 年，"70 年"取整偏大，若从 1949~1950 年代早期控制论/神经元模型算起则约 70 年——属修辞性取整，严格口径略有夸大；③DARPA 语音理解研究（SUR 等）确始于 1970s ✓。总体：年代叙事与公开史实相容。
主张1维持"归纳性主张"：四案例真实但选择性明显；主张2维持并加注：摩尔定律是经验趋势，2019 后先进制程放缓与专用芯片（GPU/TPU）接力使其延续，但前提地位应显式化；主张3维持：四步模型与各案例吻合度高，属于好的描述性模型、坏的预测性模型；主张4维持"规范性主张"：无法证伪，但作为资源配置启发式价值极高——事实上此后五年大模型行业的路线选择大体遵循了它。
搜索（例：test-time compute/思维链采样/树搜索）与学习（例：自监督预训练 scaling、RLHF）。实例合理即可得分。
最终的成功带有苦涩味道且常未被完全消化，因为它是胜过了受人偏爱的人类中心路线的胜利（§6："The eventual success is tinged with bitterness… because it is success over a favored, human-centric approach"）。答"算力太贵"或"人类失业"不得分。
①研究者把语言学直觉写进 prompt（角色设定、思维链模板、few-shot 挑选）；②短期显著有效且有智力满足感；③收益随模型变强而平台化（更强模型对 prompt 细节越来越不敏感）；④决定性进展来自相反路线——更多数据/算力的微调与自动化优化。评分：四阶段各 2 分，注明这是解读者示范的外推而非原文内容再加 2 分。
候选：①医疗诊断中嵌入药典/临床指南的知识库——法规要求可解释与确定性，算力路线即使更强也不被允许部署（约束改变了目标函数）；②低算力嵌入式场景（MCU 上的异常检测），算力永远等不来指数增长，手工特征长期最优。是否构成反驳：不完全——Sutton 命题预设了(a)算力持续增长(b)以纯性能为目标；改变任一前提即出其适用域。这更像划界而非反驳。评分：场景具体 5 分、指出适用域条件 5 分。
Conform 面：两者都拒绝改动/重训通用底座，本质是承认"通用底座的能力来自海量算力，不应被任务特定知识覆写"——LoRA 只学低秩增量恰说明任务知识相对底座能力是极低维的补丁（呼应内在秩极低的发现）；ReAct 让模型调用外部世界而非内建世界知识，正是"要能发现的智能，不要装满发现物的智能"。（各 4 分）Rebel 面：LoRA 的初始化、秩的选择、挂载位置都是人类知识进入系统的入口；ReAct 的 thought 设计、API 设计同样是人类设计的脚手架——两者都在赌"底座已经足够强，剩下的用轻手段补"（各 3 分）。综合判断：二者是教训的精细化而非违反——把"算力换能力"的成果封装起来，再用最小的人类知识接口去调度它。