主要观点：70 年 AI 研究的最大教训是利用计算的通用方法最终最有效，主要原因是摩尔定律使计算成本持续指数下降，多数 AI 研究曾假设代理可用计算恒定，实则长期来看更多计算会出现，人类知识方法短期内有效但长期看不如利用计算，二者易相互冲突且耗费时间不同。

关键信息：

• 在计算机象棋中，1997 年击败世界冠军卡斯帕罗夫的方法基于大规模深度搜索，此前基于人类对棋类结构理解的方法受冷落。
• 计算机围棋也有类似研究进展模式，初期利用人类知识避免搜索但后来大规模搜索和学习取得更大成功。
• 语音识别中，70 年代基于隐藏马尔可夫模型的统计方法战胜基于人类知识的方法，近年深度学习更是如此。
• 计算机视觉中早期方法被摒弃，现代深度学习神经网络仅用卷积和某些不变性概念效果更好。

重要细节：

• 计算机围棋的研究比计算机象棋延迟了 20 年。
• 语音识别中 DARPA 赞助的早期比赛，统计方法获胜并主导自然语言处理领域，近年深度学习是其延续。
• 应吸取的教训包括通用方法的强大力量以及应避免试图寻找简单思考心智内容的方式，而应构建能发现和捕捉任意复杂性的元方法。