Solved Is Not Finished：为什么一个“已经解决”的问题，仍需要被反复解决？
——从语音识别的准确率，到 Transformer 如何重新定价一整个研究共同体 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。 当时我并不觉得这有什么奇怪。技术还不成熟，研究者继续提高准确率，是一件再自然不过的事。可是多年以后，当语音识别已经进入手机、汽车、会议软件、字幕系统和 AI 产品，我再回头看那段历史，一个问题突然变得很难绕开： 为什么这个问题还没有结束？ 如果一项技术已经足够好，以至于绝大多数人只需要调用它，为什么全世界还要投入那么多研究组、资本、数据和计算资源？从 98% 提高到 99%，再从 99% 提高到 99.9%，难道不会很快进入边际收益递减？ 问题还可以继续推进一步：如果别人已经把模型训练好了，后来的人为什么还要学习如何做语音识别？直接调用 API，不是更有效率吗？ 这两个问题表面上在问机器学习，真正触及的却是更普遍的事情：什么叫“问题已经解决”？文明为什么允许那么多人同时寻找同一个答案？当一个答案真的出现，它会怎样改变研究者和劳动者原来赖以生存的稀缺性？而在答案越来越便宜的 AI 时代，一个人又应该把有限的学习时间投在哪里？ ...