MIT的Hyung Won Chung博士在公开演讲中强调，AI发展不应仅局限于教机器完成特定任务，而应着重于激励AI自我学习和发展通用技能，这一理念颠覆了传统AI教育模式。Chung博士提出，AI领域的范式转变在于从直接教授技能向激励模型自我学习的过渡。通过弱激励结构，如大规模多任务学习，鼓励模型在解决数万亿个任务时学习通用技能，而非单一任务。 Chung博士进一步解释，激励AI学习的过程类似于“授人以渔”，通过提供基础技能和计算资源，AI能自主探索和学习，形成通用技能库，这使得AI在面对新任务时能迅速适应，而无需从零开始学习。这一方法不仅提高了AI的学习效率，还能显著降低计算成本，相比训练阶段，推理阶段的成本低至1000亿倍。 Chung博士还指出，当前AI发展的关键在于提高模型的可扩展性和计算能力，以及避免过度依赖人为设定的规则，以促进AI的自主性和创新能力。他强调，AI的进步与减少人为结构、增加数据和计算能力密切相关，同时鼓励AI开发者识别和突破模型扩展的瓶颈，通过创新和改进提升AI系统的性能。 此次演讲引发了行业内的广泛讨论，强调了激励AI自我学习的重要性，并对未来AI发展方向提出了新的见解。