Solved Is Not Finished：被解决的任务、移动的前沿与被重新定价的人
——从 Sphinx 到 Transformer，技术不断结束旧任务，也不断打开新的前沿 很多年前，我在李开复的《做最好的自己》里读到语音识别准确率的问题。 当时，语音识别在我眼里像一条从低准确率通往高准确率的进度条。技术还不成熟，研究者继续训练模型、修正错误，直到它足够好用。沿着这条直线想下去，一项技术终究会抵达终点：模型被训练完成，能力被封装成产品，普通人只需调用，研究者便可以转向下一件事。 多年以后，语音识别进入手机、汽车、会议软件、字幕系统和 AI 产品，这条进度条却没有停下。研究组、资本、数据和计算资源仍在持续进入同一个领域。准确率继续提高，使用场景继续扩张，原来封闭的问题又在新的语言、设备、成本和风险条件下重新打开。 这种延续并不是因为研究者拒绝承认问题已经解决，而是因为现实中的 solved 从来不是一个脱离条件的终点。它只是某一种 formulation 在某一组 assumptions 下变得足够可用。技术把一个答案固定下来，Reality 随后改变边界，迫使人类重新描述任务。 这条从 Sphinx 延伸到 Transformer 的历史还包含另一层变化。一个通用解法出现以后，它不只会提高性能，也会压缩此前需要大量人类劳动完成的工作，改变研究共同体的资源流向，并重新定价个人已经积累的知识。技术结束旧任务的同时，也把文明和个人推向不同的新位置。 ...