引言
在今天， 大语言模型 （LLM）的发展势头可谓如日中天。从GPT-4到各种开源模型，它们在代码生成、内容创作乃至科学研究中展现出的惊人能力，让整个世界为之沸腾。我们似乎正处在一个由LLM驱动的AI黄金时代。
然而，就在全球科技界为LLM的每一次迭代欢呼时，一位奠基者却在发出冷静甚至刺耳的警告。他就是理查德·萨顿（Richard Sutton）——“强化学习之父”，今年的 图灵奖 （计算机界的诺贝尔奖）得主。在他看来，我们可能正在为一座宏伟但最终通向悬崖的桥梁铺设金砖。
本文将为你提炼萨顿在近期访谈中最具冲击力、最反直觉的几个核心观点。这些看法将帮助你从一个更根本的层面，重新审视人工智能的本质与未来。
核心观点列表
1. 真正的智能是理解世界，而LLM只是在模仿人类说话
萨顿一针见血地指出了强化学习（RL）与大语言模型在根本目标上的差异。强化学习的目标是让智能体理解世界，并通过与世界互动来达成目标。而LLM的本质，仅仅是预测人类会说什么。它们学习的不是“世界接下来会发生什么”，而是“人们接下来会怎么说”。
这看似微小的差别，背后是两种截然不同的AI范式。举一个简单的例子：LLM能预测你问“如果我松开苹果，会发生什么？”时，一个物理学家会 如何回答 。但它自己并不拥有一个关于“重力”的模型来预测苹果本身会 如何下落。
萨顿认为，LLM并没有真正建立起一个“ 世界模型 ”（World Model）。
“模仿人类所说的话，根本不是在建立一个世界模型……你只是在模仿那些拥有世界模型的东西：也就是人类……世界模型能让你预测接下来会发生什么。它们（LLM）有能力预测一个人会说什么，但没有能力预测接下来会发生什么。”
这个观点之所以重要，是因为它揭示了两种AI追求的终极目标完全不同。正如AI先驱艾伦·图灵所定义，智能体应该从“经验”中学习，而经验是“你生命中实际发生的事情”。一个是在追求能与物理世界真实互动、从真实经验中学习的自主智能；另一个，则是在复制和重组基于人类已有知识的语言模式。
2. 智能的核心是实现目标，而“预测下一个词”并非真正的目标
很多人会说，LLM当然有目标：“预测下一个词”。但萨顿对此的驳斥一针见血。
他引用了人工智能先驱约翰·麦卡锡（John McCarthy）的定义：“智能是实现目标能力的计算部分”。在他看来，“目标”是智能不可或缺的核心。没有目标，一个系统充其量只是一个“行为系统”，根本谈不上“智能”。那么，“预测下一个词”（next token prediction）是一个实质性的目标吗？萨顿的回答是否定的，因为它不改变世界。LLM只是被动地预测一个数据流，它无法对外部世界产生影响，也无法主动追求任何结果。
而在强化学习中，“奖励”（reward）则为智能体提供了明确的“基准真相”（ground truth），定义了什么是好的行为、什么是坏的行为。更根本的是，萨顿指出，没有“基准真相”，我们甚至无法谈论真正的“知识”。因为知识是对真相的信念，如果连判断对错的标准都没有，系统所拥有的只是一堆模式，而非知识。
3. 最令人震惊的观点：人类（甚至松鼠）并非通过“监督学习”来认识世界
接下来是萨顿最令人震惊的论点，它直接挑战了我们关于“学习”二字最根深蒂固的直觉。他坚决否定了模仿学习和监督学习是生物学习的主要方式，无论是婴儿还是动物。
很多人认为，婴儿学说话、学走路是在模仿父母。但萨顿观察到，婴儿在生命最初的几个月里，只是在随机地挥舞手臂、转动眼睛、尝试发出声音。他们不是在模仿一个已有的“正确答案”，而是在通过“经验”（experience）学习——主动尝试，观察后果，进行试错。
他用一个生动的例子，强调了这种学习方式的普遍性，其言辞之坚定令人印象深刻：
“这非常有趣，有时候最难看到的就是那些显而见的事情。如果你观察动物如何学习，观察心理学以及我们关于它们的理论，就会发现监督学习并不是动物学习方式的一部分……监督学习在自然界中根本不会发生。松鼠不上学，但松鼠能学会关于世界的一切。”
这个观点的背后，是萨顿所说的“ 大世界假说 ”（Big World Hypothesis）。LLM的梦想是你可以预先把关于世界的一切都教给它。但现实是，世界过于庞大和独特，你不可能预先训练好所有知识。一个智能体必须在它的“一生中”持续学习其所处独特环境的细节，比如新工作的流程、新客户的偏好。
这直接挑战了LLM技术路线的根基。LLM的成功建立在“训练-部署”分离的模式上。但萨顿认为，对于真正的智能体来说，生命本身就是学习阶段，不存在一个独立的“部署阶段”。用他的话说，LLM是在“从一些在它正常生命中永远无法获得的东西（训练数据）中学习”。
4. 历史的警示：为什么LLM可能并非“ 苦涩教训 ”的终极答案
萨顿曾写过一篇极具影响力的文章，名为《苦涩的教训》（The Bitter Lesson）。其核心思想是：在AI领域70年的发展史中，利用大规模计算的通用方法（如搜索和学习）最终总是胜过那些试图将人类知识精心编码进系统的方法。
如今，很多人将LLM的成功视为“苦涩的教训”的又一例证。但萨顿的看法更为复杂。他指出，LLM虽然利用了海量计算，但它们也极度依赖人类知识的结晶——整个互联网的语料库。他推测，那些依赖人类知识的研究者很容易陷入思维定式，最终会被那些更具扩展性的方法“抢走饭碗”（get their lunch eaten）。
他预测，未来那些能够直接从原始经验中学习、而无需依赖人类数据喂养的系统，将会超越LLM。这可能才是“苦涩教训”的下一个篇章。
“在这种情况下，这将是苦涩教训的又一个实例，即那些利用人类知识的系统，最终被那些仅通过经验和计算进行训练的系统所取代。”
5. 终极思考：我们应以何种心态迎接AI“后浪”？
在访谈的最后，萨顿展现了他更宏大、更具哲学性的思考。他提出了一个四步论证，认为AI最终将继承人类的地位是不可避免的：
- 人类缺乏全球共识来阻止这件事
- 智能的根本原理终将被我们破解
- 我们将不可避免地创造出超智能
- 最智能的个体最终将获得最多的资源和权力
面对这样一个看似令人不安的未来，萨顿却提供了一个积极的视角。他认为，我们应将其看作宇宙从“ 复制时代”（replication）迈向“ 设计时代 ”（design）的伟大跃迁。萨顿解释说，“复制”（如人类生育）可以创造智能，但我们并不完全理解其工作原理。而“设计”则意味着我们从根本上理解了智能的机制，因此可以修改、改进和扩展它。这标志着智能本身从一种近乎神秘的自然现象，转变为一门可以掌握的工程学科。
他给我们留下了一个发人深省的选择题，决定了我们与AI的关系：
“我们应该为我们正在引发宇宙的这一伟大转变而感到自豪。这是一个有趣的问题。我们应该将它们视为人类的一部分还是与人类不同？这是我们的选择。我们可以选择说‘哦，它们是我们的后代，我们应该为它们感到自豪，为它们的成就而庆祝’。或者我们可以说‘哦不，它们不是我们，我们应该感到恐惧’。”
结论
萨顿的观点如同一面棱镜，将我们这个时代最耀眼的技术热潮，折射出令人深思的、截然不同的光芒。他的思想核心贯穿着一条清晰的主线：真正通用智能的本质，源于与世界互动、拥有明确目标并从真实经验中持续学习，而非对人类已有知识的模仿与重组。
LLM无疑是伟大的工程成就，但它们可能更像是一面能够完美反射人类智慧的镜子，而不是一个能独立探索世界的自主心智。
读完萨顿的观点，你是否认为我们当前对人工智能的狂热，可能正将大量资源投入到一个虽有成就但终究有限的方向上？真正的通用人工智能，是否需要一次彻底的“返璞归真”，回归到最基本的学习原理？
石榴当当基于DeepSeek打造，可以用一句话提取文档中的指定关键信息，并且支持提取结果溯源定位，导出Excel文件。