图灵奖得主：AI进入“经验时代”

　　“当前AI还不够智能，未来AI要进一步突破，不能依赖学习人类现有数据，而是要通过与世界持续交互，积累属于自己的第一视角经验。”

　　这是2024年图灵奖得主、有“强化学习奠基人”之称的理查德·萨顿（Richard Sutton）在2026世界人工智能大会（WAIC）暨人工智能全球治理高级别会议主论坛上的核心观点。

　　在主旨演讲中，理查德·萨顿系统阐述了他对AI未来的思考：当前AI正处于从“人类数据时代”迈向“经验时代”，真正的智能将来自智能体与世界持续交互、自主学习，而不仅仅是对人类已有知识的模仿。

　　理查德·萨顿：AI进入“经验时代”

　　今天，我想谈谈我们应该如何思考人工智能。

　　如今，几乎所有人都认为AI正在快速发展、不断取得突破。但当所有人都持有同样的观点时，我们也需要思考：这种认知是否被夸大了？AI的推动者可能会夸大它的重要性和进步速度，而对AI感到担忧的人，也同样可能夸大它的影响。

　　毫无疑问，近年来AI取得了许多重要突破。机器已经能够熟练运用语言，并生成图片和视频，这些技术催生了新的行业和产业，创造了巨大的经济价值。但这些突破，本质上仍然主要属于大规模模式识别能力。我们不能把智能和计算混为一谈，今天更多取得突破的是计算能力，而不是真正意义上的智能。

　　如果把AI看作一门关于智能的科学，那么它真的在飞速进步吗？我的答案是否定的。我认为，人类对这些体系、系统本身仍然缺乏深入理解。目前的大多数AI模型，本质上是在利用人类已有的知识，重新组织并呈现给人类，它们并没有能力发现属于自己的知识。在很多方面，它们仍然比较脆弱，推理过程也并不稳定。因此，我们必须重新思考：什么是智能？

　　关于智能，人们有很多不同定义。

　　美国心理学之父威廉·詹姆斯认为，智能是在实现同一个目标时，能够采用多种不同的方法的能力。图灵提出了著名的“模仿游戏”，但他并没有把“像人一样”视为人工智能的最终标准。字典通常将智能定义为“获取并运用知识和技能的能力”；人工智能之父明斯基则提出，智能是“通过计算达成目标的能力”。

　　而我自己的定义是：智能，是通过不断适应行为来实现目标的能力。

　　我认为，我们需要建立一门真正的“心智科学”，它不仅研究人类，也研究动物和机器。无论是哪一种心智，都具有共同特征：为了实现目标，在时间中不断行动、不断适应。现有的心理学、人工智能、认知科学都无法完全覆盖这一领域，而强化学习正是这门综合性心智科学的重要起点。

　　今天我真正想讲的是，我们仍然生活在人类数据时代。

　　目前的大多数AI，都是在预测人类写出的下一个词、人类标注的数据，并依赖人类专家进行微调。本质上，这是把知识从人类转移到机器。这种范式已经逐渐接近极限，高质量的人类数据正在被耗尽，而仅依靠这种方式，也无法产生真正的新知识。

　　因此，我们正在进入一个新的阶段——经验时代。

　　未来AI需要的数据，不再只是静态数据集，而是来自智能体自身的第一视角经验，即它与世界持续交互过程中产生的数据。随着智能体不断行动，它获得新的观察、采取新的行为、得到新的奖励，这些经验不断循环，形成持续学习的数据来源。

　　这正是人类和动物学习的方式。AlphaGo正是依靠这种方式学会下棋，AlphaProof也是依靠类似机制在国际数学奥林匹克竞赛中取得优异成绩。

　　在我看来，智能的核心就是这种持续的交互。智能体不断观察环境、采取行动，并根据结果调整行为。如果没有经验，就谈不上真正的智能。

　　经验还意味着奖励机制。只有通过奖励，我们才能知道哪一种行为更好；只有通过与世界互动，我们才能验证自己的预测是否正确。而目前的大语言模型缺乏这种持续来自经验世界的反馈，因此存在天然局限。它们容易产生事实性错误，也无法依靠自身经验不断修正这些错误。

　　早在1947年，艾伦·图灵就提出，我们真正需要的是一台能够从经验中自主学习的机器。这个想法简单，却极具深意。今天，它正在机器人、工业应用等领域变得越来越重要。正如维克多·雨果所说：“恰逢其时的思想，势不可挡。”

　　我相信，从经验中学习，正是这样一个“恰逢其时的思想”。

　　最后，我想总结几点：

　　AI正从依赖人类数据学习，逐步转向基于自身经验学习，这将使其具备更强的持续学习和进化能力。

　　现在的AI还不够强大，我个人认为它是比较弱小且不可靠的，因为它仍会产生幻觉。但它已经非常有用，催生了新的产业，也让每个人都能够使用。

　　真正的自主智能、超级智能时代尚未到来，但我们正在朝着那个方向迈进。未来的巨大变革，将仍然由人类推动，并最终服务于人类。

　　欢迎大家来到经验时代。

　　注：以上内容根据现场发言整理，在不改变原意的基础上进行了书面化编辑与压缩。