强化学习之父：静态数据模式已达天花板，下一代AI路线靠经验

下一代AI核心路线是什么？在17日举行的2026WAIC主论坛上，2024年图灵奖得主、“强化学习之父”理查德·萨顿（Richard Sutton）发表了主题演讲。萨顿剖析了当前大语言模型的底层逻辑与技术边界，他认为静态标注数据模式已触达天花板，经验驱动是下一代AI核心路线，一个由交互驱动的“经验时代”势不可挡。

原生智能还未到来

在演讲开始，萨顿首先对近年来人工智能在应用层取得的巨大突破给予了肯定。他说，机器在熟练使用语言、生成视频和图片等科学突破上，不仅催生了诸多新行业和新产业，而且也带来了真正的经济价值。

萨顿表示，当前的AI技术已经“非常有用了”，所有人都可以使用。然而，他建议行业将商业繁荣与原生智能的定义科学地区分开来。

“这里大多数是计算的能力，所以我们要特别关注这一点，必须要把这两者的定义区分开。讲到AI的科学就是智能的科学，它真的在快速进步吗？”

在他看来，行业普遍混淆算力规模与原生智能。当下大模型、多模态生成仅完成人类历史数据的模式拟合，仅能复刻既有知识，不具备自主发现新知的能力，事实偏差、逻辑缺陷等问题难以根除。市场对AI存在过度炒作与过度恐慌两种极端视角，全球行业应当坚持多边合作、互利共赢。

萨顿认为，深入审视当下的所有AI模型会发现，这些系统主要是在使用人类知识的力量并将其二次交付，系统自身并没有能力去独立发现知识。在这个维度上，当前的AI在思考过程中仍存在一些问题，尚未达到真正的“自主智能”。

他呼吁建立统一的通用心智科学。综合心理学、图灵原始理论、工程实践多重定义，他提出智能的核心是依靠动态行为适配环境、完成目标的自适应能力；强化学习是贯通人类、生物、机器智能的核心方法论。大众熟知的图灵测试并非图灵初衷，机器自主交互学习才是其核心构想。

静态数据已达天花板

针对目前主流的大语言模型（LLM），萨顿从智能的底层定义出发，分析了当前面临的机制瓶颈。他引用了心理学奠基之父威廉·詹姆斯（William James）对心智的定义——“要达成一定的目标，但是使用的是多样不同的手段”，并提出了自己对智能的定义：“通过行为的适应来实现目标的能力，不断进行适应和调整。”

对比这一标准，萨顿解释，目前主要依赖人类数据训练的AI大模型存在两个核心局限：缺乏目标与奖励机制，以及难以自主印证事实准确性。大语言模型目前的训练逻辑是要求它们“像人一样行为”，但由于缺乏奖励信号，机器无法主动评估自身行为的优劣。“为什么它们有很大的限制，因为它们没有目标”。

在他看来，静态标注数据模式已触达天花板，经验驱动是下一代AI核心路线。人工标注资源存量持续衰减，无法支撑模型长期迭代。他解释，当前AI产业正处于“人类数据的时代”，核心是依靠人类专家微调和预测下一个词，这种知识从人转移到机器的方法正在迎来物理极限。“这种方法现在已经达到极限了，很多高质量的数据源被用完了，生成新的知识是这个范式没有办法实现的”。

为了打破静态数据集的瓶颈，萨顿指出，AI必须且正在迈入一个全新的“经验时代”。未来的数据源将不再是预先构建好的静态数据集，而是来自智能体与世界互动过程中产生的实时信号，包括奖励、行为和观察。

而智能体依托自身与环境交互产生观测、动作、奖励信号自主学习，数据随自身能力同步扩张，AlphaGo、奥数推理系统AlphaProof均印证该路径可行性。现有大模型缺少目标与奖惩反馈，无法自主校验信息真伪；经验型智能体可依靠环境反馈持续校正认知，自主进化是不可逆的技术大势。

最后，萨顿引用了计算机科学奠基之父阿兰·图灵（Alan Turing）在1947年提出的前瞻性设想——“我们需要的是一台机器，它可以从经验当中来自主学习”。他坚信，这一从经验中学习的想法在经历了漫长的沉淀后，如今在机器人和工业应用中正变得越来越重要。

萨顿借用维克多·雨果的名言“恰逢其时的思想，势不可挡”总结道，虽然现在的AI技术还处于与人类接触的初期阶段，未达到超级智能或智能增强人类的时代，但向经验学习的转型将赋予AI持续学习新知识的强大生命力。这场由人类推动并最终反哺人类的巨大变革正在发生，行业应当以积极且习惯的心态，共同迎接“经验时代”的到来。