“Another related paper readers might like is Melanie Mitchell's Why AI is Harder than We Think: Why AI is Harder Than We Think”
按年被提到
20212021 · 4 次2026
Why AI is Harder Than We Think
为什么 AI 比我们想象的更难
Melanie Mitchell · 2021
指出 AI 研究者常犯的四个谬误及其导致的过度乐观
被推荐 · 8 人首次 2021-04-28 · 最近 2025-09-11
8不同的人
5活跃月份
7讨论串
170被引(OpenAlex)
论文回顾 AI 领域在“AI 之春”与“AI 之冬”之间反复循环的历史,认为原因之一是我们对智能本质与复杂性的理解有限。作者总结了 AI 研究者常见假设中的四种谬误,它们会导致对领域进展的过度自信预测,并以如何赋予机器类人常识等开放问题作结。
HN 为什么提它
HN 上的人把它当作反驳“AI 进展必然很快”的代表性文章,在讨论 AI 炒作、自动驾驶和常识推理时被反复拿来作为延伸阅读。
观点难度 2 / 5约 30 分钟经得起时间
读之前最好知道
1AI 发展简史(AI 之春与寒冬)
2机器学习基本概念
3常识推理(common sense reasoning)
学习路径
读这篇之前,按顺序读书架上的 7 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出这条路径帮你看到 AI 的预测乐观、模型脆弱、捷径学习和对智能的定义,再读这篇总结四个谬误的文章。
- 1
对 AI 研究者预测时间表的调查,正好对应文中反复出现的过度乐观。
读各类任务的预测时间及专家之间的分歧。
- 2
- 3
对不可辨认图像给出高置信度,与人类感知的差异一目了然。
读愚弄图像的生成方式与高置信度的结果。
- 4
- 5
指出类人智能需要因果模型、直觉理论等,对应文中对人类理解与常识的讨论。
读核心设想:因果模型、直觉物理与心理、组合性、学会学习。
- 6
- 7
- 8Why AI is Harder Than We Think
归纳 AI 研究者常犯的四个谬误及其带来的周期性过度乐观。
读四个谬误的论述,以及末尾关于概念与常识的讨论。
HN 书评
推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及推荐swyx · 2023-01
推荐 Melanie Mitchell 这篇相关论文,供读者延伸阅读
引用juliangamble · 2021-04
“Link to paper: Why AI is Harder Than We Think”
贴出论文链接
引用RuffleGordon · 2021-04
“There was also a good discussion on HN [0] about a new paper by Melanie Mitchell”
提到 HN 上关于 Melanie Mitchell 这篇新论文的讨论
引用Jiocus · 2021-05
“This article seems to be a rehash of the paper ‘Why AI is harder than we think’[1].”
认为这篇文章不过是该论文的翻版
引用degamad · 2025-09
“I think this might be the paper being referenced:”
猜测所指的可能就是这篇论文
被提交为 story · 3 次
- Why AI is harder than we think ↗pilingual · 2021-04-28 · 110 分
- Why AI Is Harder Than We Think (2021) ↗simonebrunozzi · 2023-01-04 · 1 分
- Why AI Is Harder Than We Think (2021) [pdf] ↗alberto_ol · 2023-08-21 · 3 分