“强化学习之父”为何说别怕AI变聪明？

核心论点：计算与智能的分野

当前AI本质是大规模模式识别

2026年7月17日，在上海世博中心的WAIC2026主论坛上，“强化学习之父”理查德·萨顿指出，社会对AI能力的认知存在夸大。当下AI的显著突破，如语言运用、图像和视频生成，本质仍属大规模模式识别，并非真正智能。目前多数AI能力基于大规模计算和模式识别，大模型只是“知识重组引擎”，而非“知识发现引擎”。

智能与计算不能混淆

萨顿强调，不能将智能和计算混为一谈。当前AI发展处于“人类数据时代”，大型语言模型通过预测人类语言下一个词进行训练，是对海量人类书写记录的统计拟合。虽然GPT-4等模型能完成多种任务，但识别模式不等于产生思想，预测下一个词不等于理解世界，与真正智能有根本差距。

强化学习：通向真正智能之路

强化学习的基本逻辑

真正的智能应像婴儿一样通过与环境互动习得。强化学习的基本逻辑是，AI智能体在环境中行动，依据行动结果获得奖惩信号，进而调整策略，循环往复找到最优行为方式。像AlphaGo和AlphaZero通过大量自我对弈经验，在特定领域展现超越人类的能力，证明了强化学习的有效性。

从数据驱动转向经验驱动

萨顿认为当前AI基于人类数据驱动已达极限，高质量数据源渐少，应迈入“经验时代”。新的数据来源是智能体与环境互动产生的经验。AI转向从经验学习，能持续获取新知识，变得更强大，向真正自主智能迈进。

对世界模型的新思考

避免陷入低级物理模拟器误区

7月19日在WAIC2026的“思想者论坛”上，萨顿指出对世界模型的定义有误。当前行业将世界模型做成“低级物理模拟器”的理解狭隘，人类的转移模型应承载高阶世界知识。比如“如果我接受了这份工作，我会幸福吗”这类问题，才是模型应回答的。

OaK架构助力高级抽象

为实现高级抽象，萨顿提出OaK架构，通过时间抽象（选项）与状态抽象（知识），让AI能进行“跳跃式”宏观规划。在该架构中，智能体针对每个与人类生活相关的状态特征，学会控制和达成该特征的技能，构建自身心智，但目前还无法立即实现这一架构。

尽管萨顿的观点引发争议，但他对AI从“人类数据时代”向“经验时代”转型的论断，促使行业重新审视AI发展方向，思考如何让AI通过强化学习和自主探索获得真正智能。这一理念为AI未来发展提供了新视角，推动研究者探索更接近人类智能的路径，对AI产业技术影响深远，意义重大。

相关问答

萨顿为什么认为当前AI的进步被夸大了？

他觉得当下AI的显著突破，如语言运用、图像和视频生成，本质是大规模模式识别，大模型是“知识重组引擎”，依赖人类已有知识，并非真正智能。

强化学习如何让AI实现智能？

强化学习中，AI智能体在环境行动获奖惩信号调整策略，像婴儿般通过与环境互动试错、反馈和修正，找到最优行为方式来实现智能。

萨顿提出的OaK架构有什么作用？

OaK架构通过时间抽象与状态抽象，助力AI实现“跳跃式”宏观规划，让智能体针对状态特征学会相关技能，构建自身心智。

AI从“人类数据时代”向“经验时代”转型的原因是什么？

当前AI基于人类数据驱动已达极限，高质量数据源减少，而经验时代的新数据来源是智能体与环境互动产生的经验，能让AI持续学习变强。

为什么说将世界模型做成“低级物理模拟器”的理解是狭隘的？

人类的转移模型应承载高阶世界知识，像“接受工作是否幸福”这类问题才是模型该回答的，“低级物理模拟器”无法满足此需求。

萨顿对大语言模型的发展路线持什么态度？

萨顿时常批评大语言模型的发展路线，他认为其架构缺乏从实际互动中持续学习的能力，只是模仿人类数据，而非通过与世界直接互动理解世界并实现目标。