KAN作者刘子鸣：AI还没等到它的「牛顿」

大家新年快乐！今天和大家分享 KAN 作者刘子鸣最新发布的一篇博客。 过去的一年，我们见证了 Scaling Laws 持续发力，模型能力不断刷新天花板。虽然 AI 社区从未停止对可解释性的探索，但在工程进展如此迅猛的当下，我们对模 型内部机制的理解，似乎总是慢了半拍。 刘子鸣在博客中，借用科学史提出了一个发人深省的观点：如果参照物理学的发展史， 今天的 AI 可能还远未在这个时代的「牛顿力学」时刻，而是仍处于「第谷 （Tycho）时代」， 一个拥有大量观测和实验，却尚未来得及系统性总结规律的早期阶段。 我们拥有海量的实验数据和强大的模型，却缺乏对底层现象的系统性梳理。他指出，为了追求短期性能指标，AI 领域跳过了「理解」这一关键步骤，这实际上是 在背负高昂的「认知债务」。 机器之心编辑部 更为矛盾的是，当前的学术发表机制往往偏爱「完美的故事」或「巨大的性能提升」，导致大量像「第谷的观测记录」那样碎片化但极具价值的「AI 现象学」工 作被忽视。 为此，刘子鸣呼吁建立一种「平易近人的现象学」： 不以即时应用为导向，回归到用 Toy Model（玩具模型）进行可控的、多视角的假设驱动探索。 他宣布将身 体力行，通 ...