AI硬件与软件层面的'开放/封闭问题'反思
原帖
**AI中的开放/封闭问题**
_The Open/Closed Problem in AI_
> 作者在MLSys会议上观察到AI领域存在两个相关的'开放/封闭问题'。第一个是硬件层面：从通用CPU到固定管线GPU，再到可编程GPU，最后到专用ASIC，系统经历了开放到封闭的循环。第二个是软件层面：当前AI模型采用开环学习（依赖外部数据训练后部署，模型本身不学习），而人脑则采用闭环学习（模型通过预测与感知的差异自主更新）。作者认为业界专注于优化开环学习的效率，却忽视了闭环学习的研究，这可能是一个根本性的问题。文章隐含了对AI研究方向的反思。
**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：行业
- **发布时间**：2026-05-26 15:43（北京时间）
- **原文**：[打开原文](https://blog.mempko.com/the-open-closed-problem-in-ai)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
文章总结了MLSys会议上关于AI领域存在两个'开放/封闭问题'的观察：硬件层面从通用CPU到专用ASIC的循环，以及软件层面开环学习与闭环学习的差异。作者指出业界过度关注开环学习效率优化而忽视闭环学习研究，可能是一个根本性问题。
答案说明
AI领域的开放/封闭问题体现在硬件和软件两个层面。硬件上，计算系统经历了从开放（通用CPU）到封闭（专用ASIC）的循环；软件上，当前主流AI模型采用依赖外部数据训练的开环学习，而人脑采用能自主更新的闭环学习。文章认为业界对闭环学习研究的忽视可能是一个根本性问题。
这篇帖子回答的问题
- AI领域存在哪两个'开放/封闭问题'？
- 开环学习与闭环学习的主要区别是什么？
核心观点
- AI硬件系统经历了从开放（通用CPU）到封闭（专用ASIC）的循环。
- 作者认为业界专注于优化开环学习效率，却忽视了闭环学习研究，这可能是一个根本性问题。
FAQ
- Q: 文章提到的AI硬件层面的'开放/封闭'循环具体指什么？
- A: 指AI计算硬件从通用CPU（开放）到固定管线GPU、可编程GPU，最后到专用ASIC（封闭）的发展过程，这是一个从开放到封闭的循环。
- Q: 作者对当前AI研究方向的主要反思是什么？
- A: 作者认为业界过度专注于优化开环学习的效率，而忽视了对闭环学习的研究，这可能是一个根本性问题。
关键实体
- MLSys会议
- 通用CPU
- 专用ASIC