隨着人工智能（AI）技術的不斷成熟，業內專家提出，AI 發展的重心正在發生顯著轉變。從早期的模型訓練和算法創新，轉向更加關注任務定義與評估優化。這一觀點由 OpenAI 的研究員姚順雨提出，他強調，在 AI 的下半場，產品思維將成爲推動技術應用和商業化的關鍵。

在 AI 的上半場，研究者們專注於構建強大的模型，例如 Transformer 和 GPT-3等，這些模型在各種基準任務中表現出色。此階段的核心在於方法論，研究人員主要關注如何設計和優化算法，而任務的定義往往被視爲次要。因此，儘管我們取得了重大突破，最終卻忽略瞭如何將這些技術應用於現實場景中的具體任務。

人工智能 AI 機器人 (1)

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

而在現在的 AI 發展階段，姚順雨指出，研究者需要改變思維方式，從 “我們能訓練一個模型來解決 XX 問題” 轉向 “我們應該訓練 AI 做什麼?我們如何衡量其真正的進步?” 這個轉變至關重要，因爲真正的挑戰在於如何定義現實中的任務，並且有效評估 AI 系統的表現。

姚順雨提到，強化學習的成功在於結合了語言的先驗知識與推理能力，這使得 AI 能夠在複雜環境中更好地泛化。他認爲，一個成功的 AI 系統應當具備三個核心要素:大規模的語言訓練、計算與數據的規模化，以及推理與行動的結合。這三個要素共同推動了 AI 在實際應用中的表現。

這場思維的轉變，也意味着 AI 研究者需要更像產品經理，關注如何將技術轉化爲具備商業價值的產品。在新的評估標準下，研究者不僅要設計模型，還需考慮人機互動以及長期適應性，這將是推動 AI 實用化的重要一步。