智能+持续学习=专家：Yu Su谈NeoCognition

AI Engineering

中文导读

俄亥俄州立大学助理教授Yu Su在AI Engineer播客中提出，当前AI领域混淆了“智能”与“专家”两个概念。智能是处理陌生问题的推理能力，而专家是积累的、情境化的能力。他认为仅扩展智能只会得到“世界上最聪明的新手”，无法在问题间积累知识。他提出NeoCognition框架，主张通过持续学习构建专家级AI，并解释了编码智能体成功而其他领域脆弱的原因。

核心观点

1.智能与专家是两个正交维度：智能是处理新问题的能力，专家是积累的、情境化的能力，两者不可混淆。（约 0:00）

2.仅扩展智能规模，只能得到“世界上最聪明的新手”，无法在问题间积累知识。（约 5:00）

3.编码智能体成功是因为代码世界是符号化、结构化的，且有测试作为奖励信号；而其他数字工作由无数异构微世界组成，难以用静态模型压缩。（约 10:00）

4.NeoCognition框架强调持续学习，让AI在部署中积累经验，逐步成为专家。（约 15:00）

5.专家能力需要从特定领域的小规模数据中学习，而非依赖大规模通用数据。（约 20:00）

中文精读

总之，Yu Su的演讲为AI发展提供了重要反思：我们不应只追求“更聪明”的模型，而应追求“更有经验”的系统。对于中文AI从业者，这意味着需要关注持续学习、领域适配和知识积累，而非单纯堆砌算力。

下一集

Chelsea Finn：机器人技术的前沿现状