LEARNING PATH · 偷师路径

怎么学
Ilya Sutskever · AI 研究操作系统

先不要被 1000 条推文和十几份 transcript 淹没。按这条路径读，先抓主线：连接主义 → 预测理解 → 预训练边界 → 安全超智能。

时间预算 · 选一档进入

15 分钟

入门 · 一条主线

适合：想快速知道为什么值得读他

  1. 读首页的 来源与边界、核心抽象 和 十条原则
  2. 读 连接主义、预测下一个 token 即理解、Peak Data

带走一句话： Ilya 的核心不是某个架构，而是相信可规模化学习会逼近现实结构。

90 分钟

通读 · 研究地图

适合：想把技术路线和哲学判断连起来

  1. 读首页全文，重点看五层图谱
  2. 按 L1 → L2 → L3 读核心节点：连接主义、压缩即理解、无监督学习、预训练时代、推理时计算、自上而下的信念
  3. 读事件节点：AlexNet、Seq2Seq、TED AI 2023、NeurIPS 2024、SSI founding
  4. 打开 知识图谱，先隐藏人物和心法，只看概念与事件主干

带走一个框架： 底层信念决定模型路径，模型路径遇到数据边界后，组织目标转向 safe superintelligence。

深度 · 20h+

沉浸 · 回到一手材料

适合：要系统研究 Ilya 思想谱系的人

  1. 完成 90 分钟路径
  2. 按时间读本地 05_timeline/master_timeline.md
  3. 读 canonical 目录下的 Lex、Clearer Thinking、Dwarkesh、No Priors 和 NeurIPS 2024 transcript
  4. 用 图谱 的层级筛选做复盘：每读完一份材料，回到图谱看它支撑哪些节点
  5. 最后读 已知缺口，确认哪些材料没有被纳入本站结论

带走一套方法： 先建 source universe，再建时间线，最后抽象成可复用节点。

八站 · 偷师旅程

  1. 01

    从 连接主义 开始

    问题：为什么 Ilya 长期相信神经网络路线？

    自问：我是在评估一个可学习系统，还是在评估一堆人工规则？

  2. 02

    理解 AlexNet 突破

    问题：什么实验把争论变成事实？

    自问：我研究的领域有没有一个类似的范式验证点？

  3. 03

    进入 Seq2Seq

    问题：为什么自回归序列模型是 LLM 的前史？

    自问：这个问题能不能被改写成“给定上下文预测下一步”？

  4. 04

    抓住 预测即理解

    问题：为什么语言预测会逼近世界模型？

    自问：我是在嘲笑“统计”，还是在理解统计任务背后的信息要求？

  5. 05

    区分 RLHF 教行为

    问题：模型知道什么，与模型如何回答，是同一件事吗？

    自问：当前失败是能力问题、行为问题，还是评估问题？

  6. 06

    面对 Peak Data

    问题：预训练为什么会遇到边界？

    自问：如果数据不再线性增加，下一步能力从哪里来？

  7. 07

    看见 推理不可预测性

    问题：为什么更会思考也更难控制？

    自问：我有没有为长推理系统设计新的安全评估？

  8. 08

    落到 Straight Shot

    问题：为什么 SSI 用单目标组织承接安全超智能？

    自问：我的组织目标是否已经被过多产品和叙事分散？

读原始材料的顺序

第一组：历史起点

Lex 2020、Robot Brains 2021、AlexNet/Seq2Seq 相关节点。目标是理解他为什么长期押注深度学习。

第二组：LLM 哲学

Clearer Thinking 2022、Eye on AI 2023、Dwarkesh 2023。目标是理解预测、压缩、理解和 RLHF。

第三组：后规模与安全

TED AI 2023、No Priors 2023、NeurIPS 2024、Dwarkesh 2025。目标是理解 Peak Data、推理、agentic AI 和 SSI。