文┃小夏
编辑┃叙言
2025年9月27日 ，强化学习之父理查德・萨顿的一场访谈直接引爆AI圈。
这位DeepMind的灵魂人物对着当下大火的LLM泼了盆冷水，直言这些模型只是人类行为的模仿者，根本算不上真正理解世界 。
萨顿VS卡帕西 ，AI路径大分歧
现在AI圈基本被LLM的热度裹挟着往前走，大家都在琢磨怎么让模型更好用、落地更快 ，这背后是安德烈・卡帕西代表的实证派思路 。
但萨顿偏不按常理出牌 ，他更关心一个根本问题，什么是真正的智能？
这两位大佬的分歧其实挺有意思 ，卡帕西盯着眼前的工程化落地，萨顿却在仰望AGI的星辰大海。
这种分歧不是第一次出现 ，AI发展史上一直有工程派和理论派的博弈。
但2025年这次不一样，萨顿的批判直指LLM的底层逻辑 ，让很多人开始反思 ，我们是不是在错误的道路上越走越远？
LLM的困局，只会模仿不会理解
萨顿的核心观点很犀利，LLM本质上是在对人类行为做概率拟合 。
它们的训练目标就是预测下一个词 ，听起来高级，其实只是内部的一致性检查 ，跟现实世界没半毛钱关系 。
举个例子 ，现在有些LLM能写科研论文，但经常冒出虚假数据。
为啥？因为它们不知道什么是"正确" ，只知道哪个答案在语料里出现的概率最高，约翰・麦卡锡早就说过 ，智能必须包含实现目标的能力 。
很显然 ，LLM连基本的目标验证都做不到，更别说自我纠错了 。
本来想夸LLM能跟人聊天多厉害 ，后来发现它们只是构建了一个"人类行为模型"，它们能预测对话走向，却不知道随手扔个杯子会摔碎。
如此看来 ，LLM只是被动的观察者 ，根本成不了主动的行动者，这大概就是LLM最大的认知鸿沟吧 。
强化学习 ，AGI的闭环密码
萨顿之所以敢炮轰LLM，是因为他手里握着强化学习这张王牌 ，在他看来 ，强化学习不是简单的算法，而是智能的本身 。
它的核心逻辑很简单 ，感知-行动-奖励的闭环。
就拿2025年工业机器人的突破来说，那些能自主完成复杂装配任务的机器人 ，靠的就是强化学习 。
它们在反复试错中学会预测行为后果 ，再根据环境反馈调整策略 。
这里面的价值函数很关键，能把长期目标转化为当下的决策依据，就算没有即时奖励也能坚持方向。
萨顿还提到了AlphaZero ，这个靠自我博弈成长的系统才是真・智能典范 。
它不依赖人类数据，自己跟自己下棋就能超越人类专家 。
反观LLM ，上限早就被人类互联网语料锁死了。
如此看来，过度依赖人类数据 ，可能是LLM最致命的陷阱。
松鼠测试与AGI的未来
萨顿提出的"松鼠测试"彻底颠覆了很多人的认知 。
他说，如果我们能搞懂松鼠怎么在树上跳跃 、找食物 ，就解决了95%的智能问题 。
语言？不过是表层的饰面而已 ，这个观点初听很离谱，细想却很有道理。
你看自然界的动物 ，没有谁是靠被喂标注好的数据集学习的 。
乌鸦用工具 、松鼠储食物，都是试错和主动探索的结果 。
这大概就是生物学习的本质，也是LLM最欠缺的能力 ，谈到未来 ，萨顿的视角更宏大。
他说AI的出现是宇宙级的相变，从复制者时代进入设计者时代 。
但数字智能也有专属风险 ，比如"精神腐败"，多个分身学习后融合 ，容易引入错误信息导致思维瓦解 。
萨顿的观点不一定全对 ，但他给我们提了个醒，AI发展不能只追求短期热度。
LLM的繁荣是阶段性成果 ，但绝非AGI的终极路径 。
强化学习的闭环逻辑、主动探索的学习方式，或许才是突破认知鸿沟的关键 。
当AI真正学会理解世界而非模仿人类 ，当它们能像松鼠一样主动适应环境 ，人类与智能的关系可能会迎来全新重构。
而这一天的到来，怕是离不开强化学习的持续突破 。
声明：本文内容均是根据权威材料，结合个人观点撰写的原创内容 ，辛苦各位看官支持 ，请知悉 。
本文来自作者[芷云]投稿，不代表视听号立场，如若转载，请注明出处：https://wak.stddy.com/keji/202512-67417.html
评论列表（4条）
我是视听号的签约作者“芷云”！
希望本篇文章《惨痛教训回响2025！LLM陷数据陷阱，AGI该往哪走？》能对你有所帮助！
本站[视听号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：文┃小夏编辑┃叙言2025年9月27日，强化学习之父理查德・萨顿的一场访谈直接引爆AI圈。这位DeepMind的灵魂人物对着当下大火的LLM泼了盆冷水，直言这些模型只是人类行为...