萨顿外滩大会论断：AI突破数据桎梏，持续学习开启“经验时代”新纪元

软盟资讯2025年9月11日讯：2025 Inclusion·外滩大会在上海黄浦世博园区拉开帷幕。图灵奖得主、“强化学习之父”理查德·萨顿（Richard Sutton）在主论坛发表主题演讲，抛出震撼性观点：人类数据红利逼近极限，AI正进入以“经验”为核心的持续学习时代，智能体需通过与现实世界的动态交互生成知识，而非依赖静态数据集。这一论断为全球AI发展指明了技术突破方向，同时引发对人机协作伦理的深度思考。

数据红利见顶，AI亟需“经验革命”

萨顿指出，当前主流机器学习模式本质上是“知识迁移”——将人类积累的文本、图像等数据输入AI模型，但其静态、被动的特性导致两大瓶颈：

1. 数据依赖性：人类可标注数据量已接近物理极限，模型性能提升空间收窄；
2. 持续学习能力缺失：现有AI无法通过试错积累经验，例如ChatGPT无法根据用户反馈动态优化回答，AlphaGo虽能自我对弈，但需依赖预设规则。

“真正的智能应源于与世界的互动。”萨顿以AlphaGo的“第37手”神来之笔和AlphaProof在国际数学奥赛斩获银牌为例，强调智能体需通过“观察-行动-奖励”的闭环持续进化。他定义“经验”为三者构成的动态信号流，并断言：“经验是一切智能的核心，智能体的价值取决于其预测并控制输入信号的能力。”

技术瓶颈待破：持续学习与元学习成关键

尽管强化学习已为AI注入“经验基因”，萨顿坦言，释放其潜力仍需突破两大前沿技术：

• 持续学习（Continual Learning）：使AI能像人类一样终身学习，避免“灾难性遗忘”；
• 元学习（Meta-Learning）：赋予AI“学习如何学习”的能力，快速适应新任务。

他以DeepSeek通过正反馈循环训练AI的案例说明，当前技术仅实现“经验收集”，尚未达到“经验优化”阶段。“未来的超级智能体必须从经验中提炼知识，而非被动接受人类灌输。”萨顿强调，这将是AI跨越“工具”到“伙伴”的关键跃迁。

去中心化协作：人机共生的伦理答案

面对公众对AI失业、伦理失控的担忧，萨顿提出颠覆性观点：恐惧源于对“零和博弈”的误判，人机繁荣的出路在于去中心化协作。
他以经济市场类比，指出智能体目标多元化反而能激发创新：“当每个AI拥有独特目标，并通过协作实现资源最优配置，其效率将远超单一中心化控制。”萨顿呼吁建立“协作制度”，通过语言、货币等人类独有的协作工具，构建人机互信机制。

“人类最伟大的成就源于协作，AI不应成为对手，而应是放大人类潜能的‘认知外脑’。”他透露，阿尔伯塔大学团队正研发基于强化学习的协作框架，未来或应用于医疗、气候等领域。

宇宙视角：AI是“设计时代”的催化剂

萨顿将宇宙演化分为粒子、恒星、复制者、设计四大时代，认为人类正通过AI开启“设计时代”：“我们不仅是观察者，更是创造者。AI将帮助我们设计出能自我进化的系统，这或许是宇宙赋予人类的终极使命。”

他以勇气与冒险精神呼吁：“对AI的规制应基于科学而非恐惧，去中心化协作制度化是唯一出路。”这一观点与大会“重塑创新增长”的主题高度契合，为全球AI治理提供了哲学框架。

行业反响：持续学习成下一技术竞赛焦点

萨顿的演讲引发学术界与产业界热烈讨论。微软亚洲研究院院长周明表示：“持续学习是下一代大模型的核心能力，谁能率先突破，谁将主导AI下一个十年。”而OpenAI前研究员则指出：“元学习技术或颠覆现有训练范式，AI可能从‘数据驱动’转向‘经验驱动’。”

据大会组委会透露，本次外滩大会特设“持续学习技术专场”，谷歌DeepMind、华为盘古等团队将展示最新研究成果，一场关于“经验”的技术竞赛已悄然打响。

结语
在数据红利消退的临界点，萨顿的“经验时代”论断为AI发展注入新思维。当智能体开始像人类一样在试错中成长，当人机协作超越零和博弈，一个更高效、更包容的智能社会或许正加速到来。正如萨顿所言：“AI不是终点，而是人类认知革命的起点。”