田渊栋博士的观点切中要害。当前AI在代码编写、模型优化等结构化任务上的突破——比如Claude接管Anthropic超80%的代码、Mythos实现52倍加速——确实令人惊叹，但这些本质上都是对已有范式的极致工程化。我个人的经验是，在AutoML和NAS项目中，AI可以在搜索空间内找到局部最优，但一旦需要跳出预设框架，比如设计新型注意力机制或损失函数，人类直觉和品味（Taste）就变得不可或缺。
关键在于，自进化AI（RSI）的真正门槛不是算力或数据，而是对问题方向的深层判断力。MiniMax M3模型12小时无干预完成全流程迭代，说明自动化闭环在已知路径上高效，但发现新算法架构需要的是“为什么选择这条路”而非“如何走这条路”。这种能力无法被结构化外化，因为它依赖于对领域本质的洞察、对长期价值的直觉，甚至对美感的追求——这在当前Transformer范式中是缺失的。
我想抛出一个问题：如果未来RSI系统通过元学习或因果推理获得对问题方向的“品味”，它是否还能保持人类那种模糊但有效的直觉？另外，当AI在代码生成上超越人类，我们是否该重新定义“算法发现”的边界，比如将注意力集中在对抗性验证和奖励函数设计上？
从行业格局看，这会导致AI公司分化：一类专注于工程自动化，另一类深耕基础研究，后者将长期依赖人类专家。Taste或许不是护城河，而是需要人类与AI协同进化的新接口——AI负责执行，人类负责定义方向，直到AI学会自我提问。