萨顿 WAIC 2026 最新演讲：现在的 AI 还不算真智能，我们正迈入经验时代

“AI 的进步被夸大了。”

2026 年 7 月 17 日，上海世博中心，2024 年图灵奖得主、“强化学习之父” 理查德・萨顿站在 WAIC 2026 主论坛的讲台上，说出这句话时，全场都安静了下来。

大语言模型看似强大，但萨顿提醒所有人：它们只是在 “使用人类已有的知识”，而非 “自己发现新知识”—— 它们 “还比较弱”“不可靠”“会产生很多错觉”。

但他随即话锋一转，引用维克多・雨果的名言：“恰逢其时的思想，势不可挡。” 他正式宣告：人类数据时代即将走到尽头，AI 正迈入真正的 “经验时代”。

以下是萨顿先生的完整演讲实录：

理查德·萨顿：非常感谢，欢迎女士们、先生们，我非常高兴今天能来发言，同时分享一下我对人工智能AI未来的想法。讲到未来，现在我们应该怎么样，今后应该怎么走，应该走向什么样的方向，首先我想先说两句，我在前面关于治理的开幕式之后，我觉得我是非常支持合作的观点，共赢的观点和建立合作伙伴关系的观点。

今天我主要和大家谈一下我们怎么思考人工智能，特别是每个人都觉得人工智能现在在发生快速的变化，并且有很快的进步，每个人觉得是一样。但是如果真的是这样你也要思考一下是不是夸大或者夸张，可以看到人工智能背后的推动力可能也是夸大了它的进步或者重要性。

有的人会害怕AI，他们也有原因和理由夸大重要性，特别是它的进步到底有多快，它到底真的有快速真的进步吗有一些方面、一些事情真的如此。

比如说可以看到现在有很多的突破，我觉得应该是科学上的突破，这些科学上的突破出现在了我们有机器可以非常熟练使用语言这方面的能力，同时可以生成视频、图片。

这些东西也是催生了很多的新行业和产业，也给我们带来很多的经济上的应用，带来真正的经济上的价值，这些非常重要。但是感觉好像这些还是比较大规模的运用还是模式的识别，我们可以把智能和计算两者不能混淆，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，我觉得并不是如此，我们现在对真正体系系统的理解是很少的，待会看所有AI模型的时候，这些系统其实它们主要是在使用人类知识的力量，并且把它再交付给我们，他们并没有能力发现自己的知识，从很多方面他们是比较弱的，他们在整个思考过程中还是存在一些问题的，并不是如此强大，这给我们带来一个问题什么是智能我并不指望在这里告诉大家什么是智能，但是会给大家一些观点可以引发大家的思考，同时思考一下你同意哪一种观点和定义。

刚刚开始讲智能的时候到智能是什么意思，就是威廉·詹姆斯(William James)，他是心理学的奠基之父，这是超过100多年前的事情了，他对于智能的定义可能并不一定是说的智能而是所谓的心智，他说所谓心智最大的标准是要达成一定的目标，但是使用多样不同的手段。

就我听来这是一个目标，要有相同的结果，但是用不同的手段实现，我们要通过心智，通过智能实现一个目标。

或者可以使用其他的含义或者定义，就是要像人一样行为，通常是通过图灵测试进行表达，但是图灵从来没有用过图灵测试的提法，他讲的是模仿游戏，所以可能大家普遍有一种误解，图灵认为的像人一样的形式不觉得这是人工智能的测试。

不过我们可以看到现在已经普遍接受了，现在有大语言模型在进行训练的时候要让它们像人一样进行行为，这也是其中的一个含义，我们有时候也会使用，但是这和威廉的定义不太一样了，如果我们查字典，一般的字典可以看到它的定义是获得和使用或者运用知识与技能的能力。

它是指获得或者是运用知识与技能的能力，我们如果再回到人工智能之父，他说智能是通过计算来达成目标的能力，这里又提到了目标，又提到了计算，但我们讲的是人工智能，所以甚至就算是自然的智能也是需要计算，这些是各种各样不同的智能定义。

我也有智能的定义，通过行为的适应来实现目标的能力，不断进行适应和调整。除此之外我个人的观点，我是觉得我们应该要设立关于心智的科学，不仅仅是自然的心智或者技术的应用，而是所有综合性的心智科学，他它是可以用于人类、动物、机器所有的这些心智都有共同的特征，都有它共同的特点，同时也都是为了要实现目标，随着时间的推移采取行动，但未来可能更多的心智是机器的心智。

现在没有哪一门现有的科学把这些全部包含进去，无论是心理学、人工智能、认知科学，都没有办法做到这一点，所以我们没有办法把所有的机器都包含进去。因为我个人比较感兴趣的强化学习是综合性心智科学的开始。

我今天讲的主题是我们现在还处于人类数据的时代，所有的这些AI，它们都是培训预测人们的语言下一个词，人们的标签，并且也是由人类专家进行微调的，大部分的机器学习是要进行知识的转移，从人转到机器身上。

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没有办法做到的。我们现在在迈入所谓的经验时代，AI需要新的U数据来源，它能不断增长不断改善，随着智能体越来越强，它不是静态的数据集，因为静态的数据集是不够的。

我们要得到这个数据源它是来自智能体，它自己的经验，它和世界的互动，我说的是它的经验是第一视角的。我觉得我们这些数据的信号它不断来来回回进行传递，这是非常快速，是在智能的智能体和它创造的环境就是世界当中来传达的，这些信号它的经历、行为、观察，这些来定义它的目标到底是什么，所以这是人和动物学习的方式。

心理学研究已经告诉我们了像AlphaGo是通过这样的方式来下棋，也是最近AlphaProof系统在国际奥数比赛当中得到比较好的成绩，接下来给大家看一个视频，也看出一下这是一个怎样的过程。

这是婴幼儿，他在玩自己的玩具，大家可以注意一下他的数据，他收集到来自世界上的这些数据，其实是完全取决于他的这些行为，他做些什么，他会从一个玩具到另一个玩具，从每个玩具身上进行学习，玩完一个之后不玩了，玩下一个。他的行为是决定了他的输入，他是没有静态的数据集，不是事先构架好的，所以这些数据在打造的过程中是最为适合他的需求，以及也适合他的认知能力范围和水平，这是最关键的信息。

然后我们可以看一下无论是动物或者人他进行各种行为的时候，这是我们做的，现在我们都坐着，但是我们的身体是采取行动而且是快速采取行动，对周遭发生的事情反应。

我们是高带宽的信息处理，信息来了足球运动员马上就要决定，所有这些数据来了之后，他接下来应该怎么做，什么是比较明知的踢法。还有打棒球的人他击球的时候，当球来的时候，我们可以看到就这么短的时间内他马上要决定怎么来进行挥杆。还有鸟，可以看到还有狮子，就算是人在这里交谈，是很多的信息处理，也是为了完成一个目标，同时也是基于我们的经验，希望给大家有所理解。

再看一下这张幻灯片的内容讲到经验型的AI，智能体是交互这些信号它的行为，它的感知，这些是它的经验，这可以说是我们的焦点，这是智能的全部，智能就是要打造这样的互动，因此我们可以看到这是一个焦点或者重点，是所有的心智终点，要采取行动要采取行为，并且有所感知。

可以认为一个智能体它是智能的话，它能够预测和控制它的经验，它的感知，如果说它没有经验，那么我觉得根本没有什么智能可言。

特别是我们没有办法去说这种行为的方式比另外一种行为的方式好，我们必须要有经验，要有奖励信号告诉我们这个行为得到奖励，但是另外一种行为没有让我得到奖励。现在的大语言模型它是没有这种奖励的，它没有办法知道这个行为是好的还是不好的。

所以这最终是为什么它们有很大的限制，因为它们没有目标。

观察也是很类似的，这就是所谓的事实准确性，大语言模型基本上没有办法把真的和假的区分开。如果没有经验，你的知识是预测去发生了什么，你没有经验的话，你可以看到之前发生的，但是你没有数据没有经验作为输入来源，你就没有办理知道你做出了预测到底是对的还是不对的，但是有了经验的AI就有奖励、目标，有真实的情况，就是你认为会发生的事情真实发生了。

这是我们的想法，可能对大家来说是显而易见的，如果我们在研究AI的话，大家可能觉得这是非常自然的，这句话是来自Alan Turing的，他是计算机科学奠基之父。这是1947年的时候他说的，这时候甚至没有AI，他看的是自然的智能，他说我们需要的是一台机器，它可以从经验当中来自主学习，这是非常基本但是又是非常深刻的想法，它没有成为关键的现代AI组成部分。

但是我觉得这个想法现在慢慢变得越来越重要，特别是在机器人当中，在一些工业的应用当中，所以我也很喜欢这样的说法，是维克多·雨果说的，他说“恰逢其时的思想，势不可挡”。

所以我觉得我们要从经验当中进行学习，这个想法是所谓的恰逢其时，可能这个时代还没有真正到来，这是我们在迈入这样的时代。

做一下总结，我觉得AI现在终于转向从经验来进行学习，而不是从人类的数据进行学习，这样它会变得更加强大，因为它可以持续学习新的东西，虽然现在有很多的炒作，甚至是对AI的恐惧，现在的AI智能还不够强大，我个人认为它是比较弱小而且是不可靠的，因为会产生很多的错觉，它可能告诉我们的东西是错的，但是同时它是非常有用的，它也给我们带来催生了很多的产业，而且所有人可以使用，每个人都可以使用，所以大家都感到非常激动，因为大家都发现AI现在还不是真正的智能，或者真正的自主智能，还没有达到这一步，但是我们在迈向这样的时代，我们要习惯，所以现在是第一次和它们接触，还没有来到真正超级智能时代，或者智能增强人类的时代，但是会给我们带来巨大的变革，应该是由人类推动的，同时这个变革会给到人类。

所以可以看到如果作为一个从经验当中学习的人，我自己本人就是从经验当中学习的，一生都是如此。我觉得我可以预测到经验时代的到来，所以我们要说的是欢迎大家来到经验时代，非常感谢大家的聆听，谢谢。

点个“爱心”，再走 吧