图灵奖得主、强化学习之父理查德·萨顿对当前AI发展路径提出深刻反思。他认为，大语言模型虽成就斐然，但只是对人类知识的模仿，并非通向通用人工智能的正途。真正的智能源于与环境交互的试错学习，这一观点为审视AI的未来提供了全新的、发人深省的视角。
智能速览
图灵奖得主萨顿认为智能源于与环境交互的经验学习。
当前大语言模型只是模仿语言，缺乏对世界的真正理解。
“苦涩的教训”揭示：通用计算方法最终会超越人类专家知识。
真正的智能体应具备策略、价值函数、感知和世界模型四个核心组件。
萨顿警告AI发展需警惕“人类知识陷阱”，避免依赖静态数据。
他将AI视为宇宙演化的催化剂，推动从“复制者时代”迈向“设计者时代”。
精华内容
图灵奖得主萨顿对当下火热的大模型热潮提出了冷静的批判，他认为这并非通向通用人工智能的正确道路。真正的智能，隐藏在更为根本的交互与试错之中。
大模型的迷思
萨顿指出，当前备受瞩目的大语言模型（LLM）存在根本性缺陷。它们的核心任务是预测下一个词，这是一种内向的、自洽的语言模仿游戏，与改变世界的外部目标无关。这种模式如同鹦鹉学舌，能复述却不能理解。由于缺乏在物理世界的验证基准，模型无法判断自身输出的真伪，这便是“幻觉”问题的根源。此外，大模型的知识是静态的，一旦训练完成便固定下来，无法实时感知和适应世界的变化，这决定了其发展存在可见的天花板。
苦涩的教训
萨顿在2019年发表的《苦涩的教训》中回顾了70年AI发展史，得出一个颠覆性结论：利用计算的通用方法最终总是最有效的，而试图将人类知识精心编码进去的方法，最终都会被超越。从国际象棋到围棋，从计算机视觉到自然语言处理，历史的轨迹反复证明，人类专家精心设计的规则和特征，最终都败给了基于大规模算力和数据的通用搜索与学习模型。这个教训之所以“苦涩”，因为它挑战了人类知识的价值，揭示了推动AI飞跃的恰恰是摆脱人类直觉束缚的规模化学习。
真正的路径
在萨顿看来，通往通用人工智能的正确路径是基于经验的强化学习。他提出了一个完整的智能系统蓝图，该系统应包含四个核心组件：策略，即在不同状态下应采取的行动；价值函数，用于评估长远回报；感知，将原始数据转化为可理解的状态；以及世界模型，预测行为带来的环境变化。强化学习通过“感知-行动-奖励”的闭环，让智能体在与环境的持续交互和试错中自主学习，不断优化其策略，这就像人类孩童通过摔倒学会走路一样，是智能演化的本质过程。
深刻的警示
萨顿为AI界敲响了警钟，提醒研究者避免陷入“人类知识陷阱”。他警告“人类数据时代”即将终结，互联网上的文本数据正被AI快速消耗，若智能发展仅依赖背诵现有知识，其上限已近在咫尺。真正的智能系统需要具身性，拥有一个身体（哪怕是虚拟的）去与环境互动，从错误中学习。他甚至将AI置于宇宙演化的宏大叙事中，认为AI的出现是宇宙从“复制者时代”（生命演化）迈入“设计者时代”（智能体主动设计）的催化剂，是实现有目的自我改进的关键一步。
萨顿的思想为当前AI发展提供了一面反思的镜子，促使我们超越对语言模仿的迷恋。未来的AI能否摆脱对人类知识的依赖，通过与环境互动演化出真正的智能？这或许是决定其最终高度的关键问题。
