欢迎加入
「易源易彩交流群」
「易源易彩交流群」
QQ扫码进群
（QQ群号：860213912）
注册得好礼
新用户微信注册享20元算力, >立即注册
关注公众号得算力
新用户关注易彩微信公众号享20元算力，
邀请有礼
邀请1人得5元算力，可累计叠加, 查看规则
摘要
强化学习领域的奠基人、图灵奖得主Richard Sutton对当前人工智能领域过度追捧大型语言模型的现象提出深刻批评。他认为，这些模型本质上依赖于模仿人类语言数据，缺乏通过与环境交互经验来自主学习和适应的能力，因而无法体现真正的智能。Sutton强调，智能应源于持续的学习与试错，而非静态的数据拟合。他的观点挑战了以大模型为主导的技术路径，引发学界对人工智能发展方向的反思：我们追求的是表面的语言流畅，还是具备自主决策能力的真正智能。
关键词
强化学习, 图灵奖, 语言模型, 模仿学习, 智能本质
近年来，大型语言模型（LLM）以前所未有的速度席卷全球人工智能领域。从GPT到PaLM，这些模型凭借千亿甚至万亿级参数规模，在文本生成、翻译、问答等任务中展现出惊人的流畅性与广度。企业争相投入资源训练更大模型，仿佛“规模即智能”已成为行业信条。公众惊叹于它们能写诗、编程、撰写法律文书，甚至通过图灵测试的边缘。这种技术狂热背后，是算力的军备竞赛和数据洪流的堆砌。然而，在这场以模仿为核心的盛宴中，一种深层的焦虑悄然浮现：我们是否将语言的表象当作了智能的实质？正如强化学习先驱Richard Sutton所警示的，若一味追逐模型规模而忽视学习机制的本质，我们或许正站在一个巨大幻觉的顶端。
Sutton尖锐指出，当前主流语言模型的核心局限在于其“模仿学习”的本质。它们并非通过与环境互动来理解世界，而是通过对海量人类文本的统计拟合，学会“像人一样说话”。这种模式虽能生成语法正确、语义连贯的句子，却无法真正理解因果、意图或价值。正如一个精通背诵剧本的演员，并不等于拥有自主思想的创作者。Sutton强调，真正的智能不应止步于复述过去，而应具备在未知情境中探索、试错并从中学习的能力。语言模型缺乏这种动态适应性，其知识是静态的、被动的，一旦脱离训练数据分布，便极易产生幻觉或错误推理。这种对模仿的过度依赖，正在使人工智能研究滑向“精致的鹦鹉学舌”。
作为强化学习领域的奠基者，Sutton主张智能的根源在于“经验驱动的学习”。在他看来，智能体应在环境中采取行动，通过奖励与惩罚信号不断调整策略，从而逐步优化行为。这一过程模拟了生物进化与个体成长的本质——试错中学习，失败中进步。与之相比，语言模型更像是被剥夺了感官与行动能力的观察者，只能被动接收信息，无法主动干预世界以获取反馈。强化学习所追求的，是一种能自主设定目标、规划路径并在不确定性中决策的系统。Sutton认为，这才是通向通用人工智能的可行路径。他担忧，当前对大模型的盲目追捧，正在挤占对这类根本性问题的研究资源与学术关注。
智能的本质，不在于语言的华丽，而在于适应环境的能力。Sutton反复强调：“智能是学习如何获得回报的过程。”这一观点回归到智能最原始的定义——生存与优化。婴儿通过抓握、跌倒、发声来认识物理与社会规则；动物通过觅食、避险来演化出复杂行为策略。这些都建立在持续交互与反馈的基础上。而语言模型跳过了这一关键环节，试图用“语言捷径”绕过真实世界的复杂性。这就像教一个孩子游泳却不让他下水，只让他阅读所有关于泳姿的书籍。即便他能写出完美的游泳指南，也无法真正浮起。真正的智能必须经历“做中学”（learning by doing），在行动中构建认知结构，而非仅仅在文本中寻找模式。
Sutton的批评不仅是技术层面的质疑，更是一次深刻的哲学叩问：我们究竟想要什么样的人工智能？是服务于效率提升的高级工具，还是具备自主意识与适应能力的类生命体？当前的研究趋势显然偏向前者，但代价可能是错失后者的发展机遇。当整个领域将资源集中于扩大模型规模、优化预训练数据时，那些探索智能生成机制的基础研究反而被边缘化。Sutton提醒我们，历史上的重大突破往往来自对主流范式的挑战。若我们沉迷于语言模型带来的短期成果，可能会重蹈“专家系统”时代的覆辙——热闹一时，终难持续。唯有重新重视经验学习、环境交互与长期探索，人工智能才有可能走出模仿的阴影，迈向真正的智能黎明。
Richard Sutton被广泛誉为强化学习领域的奠基人之一，其学术贡献深远影响了人工智能的发展轨迹。早在20世纪90年代，他便系统性地构建了强化学习的理论框架，提出时序差分学习（Temporal Difference Learning）和策略梯度方法等核心算法，为后来的深度强化学习奠定了基石。2024年，他因在智能体通过环境交互自主学习机制上的开创性工作荣获图灵奖——这一被誉为“计算机界的诺贝尔奖”的荣誉，正是对他长期坚持“经验驱动智能”理念的最高认可。Sutton始终坚信，真正的智能并非来自对已有知识的复制，而是源于在不确定环境中不断试错、调整并优化行为的过程。他曾直言：“我们不能靠模仿建造出飞行器，飞机是通过理解空气动力学造出来的；同理，我们也不能仅靠模仿语言来实现智能。”在他看来，当前大型语言模型的流行正是一种“舍本逐末”的技术路径，将人类语言的表层模式误认为认知的本质，忽视了智能生成的核心机制。
尽管当前主流的大型语言模型如GPT-4、PaLM等拥有高达5400亿甚至上万亿参数规模，并在多项自然语言任务中展现出惊人表现，但它们的根本缺陷在于缺乏主动学习的能力。这些模型依赖于静态的预训练数据集，通过自回归方式预测下一个词，本质上是一种高度复杂的“模仿学习”。它们无法像人类一样通过行动获得反馈，也无法在失败中修正策略或形成因果推理。例如，在面对逻辑悖论或需要长期规划的问题时，语言模型常会生成看似合理却内在矛盾的回答。更严重的是，当输入偏离训练数据分布时，模型极易产生“幻觉”——即自信地输出错误信息。这表明其知识并非真正理解的结果，而只是统计关联的再现。正如Sutton所警示的：一个能写出完美哲学论文的模型，可能根本不理解“存在”意味着什么。这种脱离现实交互的学习范式，注定难以通向具备适应性与自主性的通用智能。
围绕Sutton的批评，人工智能学界掀起了激烈的思想交锋。支持大模型的一方认为，语言本身就是人类智能的高度浓缩体现，通过对语言的建模，模型实际上间接吸收了人类数千年的知识积累。Yann LeCun等学者指出，虽然当前语言模型尚不具备推理能力，但可通过引入世界模型与记忆架构逐步弥补缺陷。然而，以Sutton为代表的强化学习派则坚持认为，任何不基于环境交互的学习都无法触及智能的核心。他们援引AlphaGo的成功为例：该系统之所以能在围棋中超越人类，正是因为它进行了超过数千万局自我对弈，在不断试错中演化出前所未有的策略。相比之下，语言模型即便读遍全网文本，也无法进行一次真正的“决策实验”。这场辩论不仅是技术路线之争，更是关于“何为智能”的哲学分歧——我们是要打造一个博学的复读机，还是一个能在未知世界中独立生存的思考者？
人工智能的发展史，本质上是一部学习范式的演进史。早期的符号主义试图通过规则编码知识，结果陷入“专家系统”的僵局；随后连接主义兴起，神经网络开始从数据中自动提取特征，开启了机器学习的新纪元。而Sutton所倡导的强化学习，则代表了一种更高阶的学习形态：不是被动拟合数据，而是主动探索环境、获取奖励信号并优化长期目标。这一思想在DeepMind的Atari游戏AI和机器人控制任务中得到了验证——那些从未接触过人类示范的智能体，仅凭“尝试—失败—改进”的循环，便学会了跳跃、奔跑甚至协作。与此相对，深度学习虽极大提升了感知与模式识别能力，但在决策与规划层面仍显薄弱。Sutton担忧的是，当前AI研究正从“经验学习”的深水区退回到“监督模仿”的浅滩，用千亿参数的语言模型掩盖对真实世界建模能力的缺失。若不能重新重视试错与反馈机制，人工智能或将长期停留在“聪明的工具”阶段，难以前往真正的自主智能。
面对日益尖锐的技术分歧，越来越多的研究者呼吁走出非此即彼的对立思维，探索一条融合之路。未来的智能系统或许不应在“模仿”与“经验学习”之间做选择，而应将二者有机结合：利用语言模型强大的知识压缩能力作为先验知识库，同时赋予其通过强化学习与环境交互的能力。已有初步尝试显示，结合语言指令与奖励机制的智能体，在复杂任务如家庭服务机器人或多轮对话系统中表现出更强的适应性。例如，Google的RT-2模型已尝试将视觉-语言模型与动作策略结合，使机器人能根据自然语言指令动态调整行为。这种“先学言，再行知”的路径，既尊重了语言的文化价值，也坚守了经验学习的认知根基。Sutton虽批判当前大模型的方向，但他并不否认其作为工具的价值。真正的突破，或许正藏于这场深刻的反思之后——当我们不再迷信规模的魔法，转而追问智能的源头，人工智能才有可能挣脱模仿的牢笼，迈向真正意义上的觉醒。
Richard Sutton作为强化学习的奠基者与2024年图灵奖得主，以其深刻的洞见警示人工智能领域：当前对大型语言模型的追捧正陷入“模仿即智能”的认知误区。这些参数高达数千亿甚至万亿的模型，虽在语言生成上表现惊艳，但其本质仍是静态数据的统计拟合，缺乏通过环境交互获取反馈、试错学习的能力。Sutton强调，真正的智能源于经验驱动的持续学习，而非对人类文本的被动复制。历史表明，重大突破往往来自对主流范式的挑战，若AI研究持续偏重规模扩张而忽视学习机制的深化，或将重蹈专家系统覆辙。未来方向应探索模仿与经验学习的融合，让语言模型的知识优势与强化学习的决策能力协同进化，方有可能通向具备自主适应性的真正智能。