规模定律的深层含义：能力可以"买"到，但理解不能

Kaplan 等人的 Scaling Laws 发现模型性能与计算量之间存在精确的幂律关系——这意味着只要投入足够的计算资源，就能"买到"性能提升。但这一发现的反面是：我们不需要理解模型是如何工作的，只需要知道多大模型 + 多大数据 = 多好效果。这引发了深层的哲学问题：如果 AI 的进步主要靠"规模"而非"理解"，这算是科学进步还是工程堆砌？