对话图灵奖得主萨顿：智慧并不等于知识的堆砌，AI迈向“经验时代”

澎湃新闻记者 朱润宇

“事物变化越多，就越保持不变。年轻人应构建属于自己的认知壁垒、具备独立的批判性思维，不应盲从权威，为自己的认知结论负责。”

7月19日下午，来沪参加世界人工智能大会（WAIC）的“强化学习之父”理查德·萨顿（Richard Sutton）在世博中心接受媒体采访。他对澎湃新闻表示，在AI技术快速迭代更新的当下，年轻人应保持独立思考的定力，以不变应万变。

2026年7月19日，上海世博中心，理查德·萨顿接受澎湃新闻记者采访。澎湃新闻记者 朱伟辉 图

萨顿现任阿尔伯塔大学计算机科学系教授，被认为是计算机技术中强化学习（RL）的奠基人之一。2024年，他和他的导师安德鲁·巴托（Andrew Barto）共同获得了有着“计算机领域诺贝尔奖”的图灵奖。

在今年的WAIC上，萨顿在演讲中重申自己的观点，表示依托人类静态数据训练的大模型范式已经不够，AI即将进入以智能体第一视角交互经验为核心的“经验时代”。在对话中，萨顿进一步解释了他的观点，并强调，智慧并不等于知识的堆砌；如果没有经验，超级智能就不会存在。

2026年7月19日，理查德·萨顿在WAIC思想者论坛做分享。澎湃新闻记者 江海啸 图

从“学习数据”到“场景自学”

记者：2018年，您合著出版了《强化学习》（Reinforcement Learning: An Introduction）（第二版）。那也是WAIC首次举办的一年。回顾这八年，您会如何评价这期间的技术发展？对未来10年有何预测？

萨顿：（时间上）这是一个巧合。回看过去八年，我感到一些失望。

在此前（DeepMind）研发（棋类AI系统）AlphaZero、AlphaGo等的时代，行业已证实，可以通过模拟经验发掘自学的巨大潜力。

然而在过去八年内，行业过于依赖人类数据，忽视了从经验中学习的本质路径。所幸，现在行业正迎来新的转变，智能体的引入让我们能重新探索这一路线。

我觉得“从经验中学习”的路径在行业内正受到认可。过去一年里，有几家大型公司应运而生，专注于从经验中学习，比如（DeepMind）知名研究员David Silver创办的新公司（注：Ineffable Intelligence）。我也在为我的公司（Oak Lab）筹款，且进展相当顺利。

我认为，现在业界和资本对“经验学习”有着强烈的兴趣。在大语言模型和基座模型爆发后，市场正思考下一步的突破方向。我是个科学家，而非商人。但我确实认为，我们正在走向“经验时代”。

记者：您为何选择现在开始新的创业？

萨顿：我刚刚（注：今年7月13日）创办了一家名为Oak Lab的营利性公司，这与我在Openmind研究院（Openmind Research Institute）的非营利活动是互补的。

我曾在Keen科技工作了3年。这段积极的经历让我意识到，如果成立自己的组织，就能让我们（在研究方向上）更加专注。

尽管两者运作模式不同，但最重要的目标都是“理解智能如何运作，并与世界分享。”我认为，想法传播得越广泛就越有益。如果这些想法广为人知，就能降低滥用（智能）的风险。所以很明显，需要Openmind研究院这样的机构分享、传播信息。

但同时，也需要收集资源进行研究。为此，就需要认识到营利性公司的价值，它与非营利性公司可以相互补充。虽然从长远来看，没有什么是技术秘密可以被永远封锁，但短期内，把有价值的创新构想商业化变现，就能持续反哺科研投入。

记者：您曾说过，您的长期目标是建立一个仅用约20瓦功率就能进行实时学习和规划的万亿参数模型。能否分享一下实现如此高效水平的关键机制？

萨顿：实现极高的计算效率或许并无单一路径，但目前大语言模型和基座模型在能源和计算资源利用上，存在明显的低效问题。

和更节能的人类大脑相比，传统的数字计算存在数据传输架构的问题，数据在存储器与处理器之间频繁迁移，导致能效极低。如果转而采用并行架构，让数据留在原处，避免其在CPU之间来回传输，就能带来巨大的性能提升。

最简单的方法是，构建一种更趋向生物学的类脑计算策略，核心在于彻底的分布式和并行化。我们希望，未来智能体不再依赖大量可复现的数据进行学习，而是在有限样本的简短场景中，通过自主塑造的方法，动态调整自己的行为。

记者：您还参与了一个机器人幼儿园的项目对不对？

萨顿：这是Openmind研究院和他山科技在北京联合创办的项目。我们不仅为机器人创造了实验空间，也在重新设计这些机器人。这些机器人在硬件和软件方面都极为坚固耐用，能够通过试错从经验中学习，而这一点（以前）通常对机器人来说是做不到的。

机器人最初的设计初衷并非用于实验，而是严格按照工程师的指令运行。进行实验时，它们就会出问题，演示也缺乏长效性。

我们希望，我们研发的机器人不仅能承受长期、高强度的物理试错，探索周期也将能从数天延长至数月。这类似于婴儿耗费数年学会行走等技能。一旦机器人能全面通过强化学习和试错积累经验，机器人技术就会出现新转变。

AI能力被夸大

记者：您17号在WAIC的演讲中说，AI的进步被夸大了，“智能和计算不能混淆，这里大多数是计算的能力”，现在的AI“比较弱小且不可靠。”能否具体说说，您认为当下哪一种关于AI的说法或预期，是被夸大得最严重的？

萨顿：我们有时会看到一种普遍说法，即当前AI系统的能力已相当于博士研究的水平。

我觉得这真的很荒谬。AI或许拥有博士学位级别的知识，但现在所有的知识都挂在互联网上，更何况智慧并不等于知识的堆砌，这恰恰是当前对AI最严重的误解。

记者：您是否设想未来的超级智能是基于强化学习，而不是大语言模型的强化代理？换句话说，您是否认为，大语言模型对超级智能不是必要的？

萨顿：我认为最大的语言模型不会是通往超级智能的重要途径。

大语言模型是一个科学的突破，但它强调了缺乏经验的学习，甚至没有学习。它们在模仿别人教的东西，无法判断自己所做的是好是坏，只有人才能告诉它们事物的是非。如果没有经验，超级智能就不会存在。

2026年7月19日，上海世博中心，理查德·萨顿接受媒体记者采访。澎湃新闻记者 朱伟辉 图

年轻人最有价值的自我投资是什么？

记者：中文中有一句俗语，“教会学生，饿死师傅”。随着强化学习和深度学习进一步发展，AI是否会认为人类愚蠢？如果是这样，会对人类带来什么现实风险？

萨顿：到目前为止，（AI比人聪明）还不是真的。

智力不是一个一维的衡量标准。我们做着不同的事情，生活在不同的地方，没有理由忽视其他人学到的东西。

在某种思维过程中会有这样一种观点，“其他事物变得聪明对我来说是不好的。”但我注意到，只是有些人这样想，我并不是。

我喜欢让人们知道我学到的东西，这对我来说是件好事，也有益于让其他人变聪明。

我可以理解这种“根本不想让别人有能力”的自私感觉，这样就会让自己变得重要。

但如果世界上有更聪明的东西，我们不必感到竞争，也不必觉得其他人是愚蠢的。我们知道不同的事物都在寻求相互学习，这就是原因。

我们不能对AI一概而论，AI和人类一样，有一些会合作，另一些则会撒谎。我们必须先了解，哪些（AI）值得信赖。

记者：您的一生都在证明，真正的学习需要尝试和犯错。您会告诉一个20岁的年轻人，接触世界的方式是一个（被算法打磨得）圆滑、不需要承担任何后果的系统吗？

萨顿：年轻人应该通过尝试和错误来学习，应该以一种自我引导的方式探索自己的想法，这是我的建议。

答案不是别人告诉你的，你不需要什么都懂。没有人能理解所有的事情。但你应该有一个空间，装满你真正理解的事物，那是你的“权力中心”。

然后，你会想逐渐扩大这个空间，即（理解）事物的范围，而不是因为权威人士的话接受任何东西。你应该做出自己的评估，为你得出的结论负责，这是当今年轻人的制胜之道，也许一直都是这样。

记者：您对中国年轻的AI研究者有什么建议？另外，对不是AI研究者但被AI深刻影响前途的年轻人有什么建议？

萨顿：过去几十年，计算能力出现指数级增长，每18个月翻一番，这让它在很多方面变得有效，也必须适应在更大领域的竞争。

但在底层逻辑上，“智能”和“计算”并不相同。计算带来的红利是工程延展，通用智能的到来是升维性的颠覆。目前，业界估计这一技术奇点将在2040年到来，但其上下波动的不确定性依然很大，可能提前10年，或者推迟20年。

我说过，事物变化越多，就越保持不变。年轻人最有价值的自我投资，是构建、拓展自己的认知壁垒。科学界没有绝对的权威，即便我以这一身份发声，也必须重申这一点。年轻人不应盲从权威，而应具备独立评估的批判性思维，成为自身认知结论的最终负责人。

我经常给年轻人尤其是爱思考的人的建议是，每天在笔记本上记录一页自己的想法，然后去挑战它们。必须坚持写一年以上，增量效应才会显著，这是为了创造好的想法。如果想让别人关心你的想法，就该先关心自己的想法，努力表达并让它变得更好。

本期编辑 徐滁