MENTAL MODEL · M3896
苦涩的教训
The Bitter Lesson
Version 1.0.0 · 更新于 2026-07-30
CORE DEFINITION · 核心定义
由Richard Sutton提出的观点，认为AI研究中最成功的方法往往不是依赖人类精心设计的知识或规则，而是通过大规模计算和数据直接从经验中学习。历史上，那些试图将人类知识硬编码到AI系统中的方法，最终都被基于算力和数据的方法超越。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
技术趋势判断。提醒我们在技术决策时，要关注计算能力增长和数据规模扩大带来的长期趋势，而不是短期的算法优化或领域知识的编码。在AI时代，"堆资源"（算力、数据）往往比"秀技巧"更重要。
anchor
锚定快速决策
理查德·萨顿（Richard Sutton）2019 年提出：AI 史上反复证明，依赖人类硬编码知识/规则的方法，最终都被"通用方法+海量算力+大数据"超越。其机制是"通用搜索/学习的复利"——随算力增长（摩尔定律）与数据扩张，通用方法自我改进的速度超过专业知识的边际贡献，故"规模"长期胜"技巧"。
MINIMUM ACTION · 最小行动
进行中 0/1在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Bitter_lessonverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型