凌晨三點的 AI 實驗室，鍵盤敲擊聲在空蕩的房間回響。屏幕上，博士生小王、小李、小趙正瘋狂調整模型參數，只為在 NeurIPS 截稿前將準確率從 98.2% 刷到 98.5%。

這樣的場景，在如今的 AI 學術圈早已見怪不怪。當科研淪為數據工廠里的流水線作業，當研究者們為了頂會論文疲于奔命，我們不禁要問：曾經充滿探索樂趣的 AI 研究，何時已經變味兒？

大神謝賽寧在 CVPR 2025 的演講，正是對這場學術內卷發講出了犀利的觀點：現在的人工智能研究，可能要淪為一場「有限游戲」。

謝賽寧還分享了他從《有限與無限游戲》（James P. Carse著）這本書中獲得了靈感，書中的觀點令人深省。這本書經常出現在商業背景中，但他被其與研究的關聯性所震撼，并表示當今世界真的需要更多無限的參與者。

不少網友認為這是一個非常有趣的觀點，一場精彩的演講，同樣也非常好的回答了「什么是研究」。

AI 研究到底是什么？

在這次內容分享的開頭，謝賽寧就向大家介紹了 詹姆斯?卡斯（James P. Carse） 的兩種分類：有限游戲和無限游戲。

這兩種不同的游戲主要有以下區別：

當然，謝賽寧在這次演講中給出了自己的回答：研究理應是一場「無限游戲」。此外，他還談了三個主題，分別是：

• 我是我自己的天才
• 為什么人工智能研究正面臨變成有限游戲的風險？ 
• 沒有人能獨自玩一場游戲 

AI 研究理應是一場「無限游戲」

那么為什么 AI 研究應該是「無限游戲」，這源于它的四個特征：

抗脆弱性 

凡是能從隨機事件或沖擊中獲得更多收益而非損失的事物，就是抗脆弱的。抗脆弱性不單單只能夠抵御打擊，還能夠在打擊中成長，變得更強。

 無限游戲因挑戰而成長，研究者亦應在不確定中愈發強大。 

讓科研突破變得像 「野草生長」。當研究者不再困于預設框架，而是任由好奇心驅動探索，那些意外碰撞出的靈感火花，反而能在混沌中開辟出新的道路。就像 DiT、SiT 的誕生，正是在打破常規的自由探索中，從被拒稿的「失敗」里破土而出，最終成長為行業基石。

那要怎么找到屬于你自己的研究想法呢？可以根據這三步走：跟隨你的好奇心和熱情 —— 勇于探索 —— 對意外保持開放心態，從混亂中受益！

這里還有一個要點需要注意：切忌第一天就鎖定一個想法，然后寫出一篇從頭到尾都沒變過的論文 —— 這種工作往往是最薄弱的。 

開放性 

有限游戲的參與者被訓練去預判每一種未來的可能性，他們的目標在于掌控未來。與之相對，無限游戲的參與者延續游戲，是期待著被意外擊中。若不再有意外發生，所有游戲都將終止。

意外會導致有限游戲落幕，卻正是無限游戲得以延續的緣由。

無限游戲的參與者時刻準備迎接未來的意外，它們可能是驚嚇，但也可能是驚喜。這些參與者以全然開放的姿態投入其中。開放科學遵循著相同的原則，進步并非源于對知識的固守，而是來自分享，這樣一來，探索的游戲才能夠持續演進、生生不息。

學術界是唯一能讓你完全自由地以開放姿態「游戲」的場域。

致學術界的同仁：請充分珍視這份獨特的自由 —— 它是一種特權。

致產業界的伙伴：學術界能成為你強大的盟友，助你降低風險、開拓全新方向。

堅持

有限游戲的玩家可能會在目標無法達成時觸發放棄行動，比如「論文被拒」、「沒拿到資助」、「沒成功上線」。

無限游戲的玩家則視「堅持」為一種生存方式，他們會想「這只是長遠游戲的一部分。我該如何學習、適應并繼續前行？」

謝賽寧用自己的作品進行了舉例，他的論文《Scalable Diffusion Models with Transformers》揭開擴散模型中架構選擇的意義，并為未來的生成模型研究提供經驗基線。論文提出了一種基于 Transformer 架構的擴散模型，稱為 Diffusion Transformers (DiTs)，在圖像生成任務上取得了顯著成果。

但就是這樣一篇神作也非一帆風順，這篇論文曾被 CVPR 2023 拒稿。據 Meta 的 AI 科學家 Yann LeCun 透露，該論文在 CVPR 2023 的審稿過程中被認為 「缺乏創新性」而遭拒稿。

不過，這篇論文后來被 ICCV2023 接收，其提出的 DiTs) 模型為擴散模型與 Transformer 結合的研究提供了重要參考，也被認為是 OpenAI 的 Sora 模型背后的核心技術之一。

有時你需要等待 —— 但另一些時候，你得換一種能讓目標實現的方法。

SiT 作為首次對基于流匹配的 DiT 模型進行規模化研究的成果，被 2024 年 CVPR 以「缺乏創新性」為由拒稿，卻在經小幅修改后被 2024 年 ECCV 接收。

幾個月后，Stable Diffusion 3 融合了擴散 Transformer 架構與流匹配技術，這一案例印證了學術論文不會被工業界論文 「扼殺」—— 如今 SiT 已成為該領域的常用基準。

謝賽寧還有更多類似的經歷可以分享，他表示許多被引的論文在最初投稿時都沒有獲得最積極的評價。但他仍能堅持，并且擁抱這個過程，而這，就是無限游戲玩家的作為。

教育

如果把博士的成長看作一場有限游戲，那么它結構化的規則和可量化的目標，與科研這場無限游戲截然不同。

它以發表的論文數量、通過的資格考試以及博士論文答辯為規則。參與者往往也是固定的，你、同門和導師。獲勝條件則是獲得「博士」稱號，所有的一切也截止在畢業時刻。

博士階段更側重完成既定任務以達成階段性成就，而持續的學術創新則需要超越這種有限思維。

但博士的教育不該如此。謝賽寧假設了四條新的「游戲規則」。

• 終身學習的修煉：博士階段教會我們如何學習、提出有價值的問題、顛覆固有認知 —— 這些能力遠超出學位本身，會伴隨一生。
• 抗脆弱力的塑造：你將學會在不確定性中從容自處，在復雜問題里深耕細作，把失敗與修正當作成長的養分。
• 從吸收到創造的蛻變：你會從知識的接收者蛻變為知識的創造者，更開始在學術之路上引領后來者。
• 沒有終局的旅程：即便戴上博士帽，科研與教育的游戲從未 「通關」。你會一直留在這場游戲中，為了探索本身而持續前行。

我是我自己的天才

謝賽寧亮出自己的觀點：你可以并且應該自己掌控游戲。

首先問自己一個問題：我們為什么要發表論文？這里，知名思想家、作家 Hannah Arendt 曾說過的一段話可以作為參考，「我應該追求影響力嗎？不，我想要理解。當他人理解并以我所理解的同樣方式時，這會給我一種滿足感和歸屬感。」

因此，謝賽寧提出要「設計你的游戲玩法。理解、分享并在這場無限的游戲中脫穎而出，不是通過贏得他人，而是做好自己、激勵他人。也就是講好故事、研究品味。」

研究者有時就像時裝設計師，要對一張表、一條信息精雕細琢，要提出有簡潔、原則性的方法，還要逐步消融實驗并隔離混淆變量，為自己的項目打造一個專屬主頁。

謝賽寧表示，你也要為自己的論文、自己的工作、甚至是本人，打造鮮明的品牌，別再「隨波逐流」。

在信息爆炸的時代，人們沒有那么多時間來讀論文了，研究者要注重如何實現更高效的知識共享以及自身工作的傳播。

謝賽寧表示，已經有很多研究者在使用他的模板，對此表示非常感謝。

模板展示：

為什么人工智能研究正面臨變成有限游戲的風險？

謝賽寧接著探討了 AI 研究有可能陷入有限游戲困境的原因，并指出無限玩家必須要反抗。

如今，一些令人擔憂的研究模式正在肆虐，比如一個主要的有限元研究玩家（如 OpenAI）發表了一篇新論文（如 4v、r1、grpo、o1、4o），接著便會出現大批的追隨者以及相關論文，每個人都爭相就同一個主題發表論文。

這意味著：誰發表的早，誰就能獲得更多引用量和曝光度，成為贏家；誰發表的晚，往往會被忽視，成為輸家。不僅如此，一旦出現一篇「奠基之作」，其他人也會快速放棄這個主題。

因此，研究者尤其是學生和早期研究者面臨著巨大的壓力，為了獲得有限的認可而加入到激烈的競爭中已經成為必然，這令人精疲力盡且難以持續。

那么，學術激勵機制是否存在缺陷呢？優先考慮發表的快慢而非研究深度或者創造力，獎勵快速成功而非持續貢獻。如果學界玩的是一場有限的游戲，則注定會失敗。

如何破局呢？謝賽寧認為要定義新的問題，畢竟問題是層出不窮的。他以自己與 Penghao Wu 合作完成的一個項目 V * 為例進行說明，該項目引導視覺搜索作為多模態大語言模型的核心機制。

論文地址：https://arxiv.org/pdf/2312.14135.pdf

在當時，多模態 LLM 缺乏這種視覺搜索機制，從而阻礙了它們關注重要的視覺細節，尤其在處理高分辨率和視覺繁雜的圖像時。他們提出的這種機制利用 LLM 中的世界知識進行高效的視覺查詢，在與多模態 LLM 結合時可以增強協作推理、上下文理解以及對特定視覺元素的精準定位。

如今，OpenAI 最新版 o3 和 o4 mini 在發布的時候，在模型基準測試中加入了 V * 視覺搜索，并在標題中直接寫上了利用圖像來思考。

謝賽寧總結了一下：有限游戲或許能帶來財富、地位、權力和認可；但無限游戲能提供更深層次、更有意義的東西。

不過，我們不能指望初級研究者從一開始就自然地接受這種放眼長遠的模式，問題在于：如何才能創建一種能夠孕育并維持這種模式的正反饋循環？

沒有人能獨自玩一場游戲

「要是研究計算機視覺，你這輩子都找不到工作。」

—— 某博客文章，2010 年

「你應該投身計算機視覺領域。CVPR 是開放包容的，從不搞學術壁壘。」

—— 某位導師，2013 年

從 2010 年的求職冷門到 2013 年的開放前沿，短短三年的轉向印證了技術領域的迭代速度。10 年這句看似預言失敗的評論，恰反襯出技術領域十年間的顛覆性變革 —— 如今 CV 已成為 AI 最炙手可熱的分支之一，也印證了科研方向選擇中「長期主義」的價值。

謝賽寧做出總結：玩家從不稀缺，更多玩家并不總意味著無限游戲。

他在演講結尾呼吁科研進步不僅依賴個體突破，更需群體對開放協作的維護。

別把我們的學術社區視為理所當然 —— 我們每個人都肩負著讓它變得強大且包容的責任。