摘要：他说，现在社会上对人工智能的恐惧，是被某些能从中受益的组织和个人刻意夸大、煽动的，大家其实该带着勇气、自豪和冒险精神去接受这项技术变革。

2025年外滩包容性会议上，强化学习奠基人、图灵奖得主理查德·萨顿当众说出了一句和当下主流声音不太一样的话。

他说，现在社会上对人工智能的恐惧，是被某些能从中受益的组织和个人刻意夸大、煽动的，大家其实该带着勇气、自豪和冒险精神去接受这项技术变革。

这句话一出来，就和现在到处讨论的AI威胁论形成了明显对比。

有些利益集团还在刻意放大这种恐慌。

比如2024年有个国际科技巨头，在多国议会听证会上一个劲说AI会传播虚假信息，说得特别严重，后来才发现，它其实是想推动自己制定的AI监管标准，好巩固自己的市场地位。

这种操作下来，理性的科学讨论自然就被情绪化的恐慌盖过去了。

聊完了AI恐慌的问题，萨顿还戳破了当前AI发展的一个关键困境，对人类数据的过度依赖已经到了极限。

这个问题其实就戳在大型语言模型的痛处上。

现在不管是GPT系列，还是国内的文心一言、通义千问，都是靠人类生成的文本、图像、音频这些数据来训练的。

说穿了，这些AI本质上就是把已有的人类知识重新组合，没法自己创造新知识。

萨顿还引用了技术播客主持人德瓦凯什·帕特尔的话，说“大型语言模型不会像人类那样随着时间的推移而变得更好”。

老实讲，我之前以为AI只要有足够数据就能一直进步，后来发现不是这么回事。

数据总有用完的时候，而且AI还没法像人一样靠经验积累持续进化。

比如OpenAI2024年发的《GPT-4后续版本技术报告》里就承认，因为英文、中文这些主流语言的高质量标注文本快用完了，GPT-4.5在复杂逻辑推理、新领域知识更新上的提升特别小，远不如之前GPT-3到GPT-4的进步幅度。

还有2025年初的国际数学建模竞赛，有个基于大模型的AI工具，只能整合已有的算法，根本提不出新的建模思路，最后成绩只够及格，而人类团队靠分析问题还想出了3种新解法。

很显然，现在的AI就是个“静态的知识重组器”，不是能自己进步的“学习主体”，这和人类小孩摔一次就知道避开障碍物，形成了特别明显的对比。

谷歌DeepMind2024年发的《全球AI数据资源报告》更直接，说按照现在AI行业消耗数据的速度，全球高质量标注数据大概2027年就会面临“枯竭”，也就是进入“数据荒漠”时代。

这就更能说明萨顿的判断是对的，数据依赖的问题已经很紧迫了。

这时候再回头看人类的学习模式，其实能找到突破的方向，婴儿不用海量语言数据就能学会说话，靠的是和父母互动、感知环境；科学家提出新理论，也不是靠所有实验数据，而是靠观察和推理。

这种“体验式学习”的模式，说不定就是AI摆脱数据依赖的出路。

2025年国内有个AI企业就试过，让机器人通过“触摸、试错”自己学抓水杯，只用200次互动就达到了传统监督学习10万次数据训练的精度，这就证明这条路是走得通的。

2016年AlphaGo和李世石对战，下出的第37手棋，当时所有职业棋手都觉得是“违反棋理的不可能走法”，但AlphaGo就是靠千万次自我对弈，也就是和环境互动，才发现了人类没探索过的策略，最后赢了比赛。

体验式学习和传统的监督学习，差别其实特别大。

传统监督学习里，AI是被动接收数据，只能在已有数据里找答案；体验式学习里，AI是主动探索环境，能在未知领域找问题、创答案。

就拿自动驾驶来说，传统AI要靠亿万公里的路况数据，遇到没见过的场景，比如路面结冰还突然有动物横穿，就容易出问题；但用体验式学习的自动驾驶AI，能通过模拟结冰路面试错、观察动物行为，自己形成应对策略，2025年有个车企测试，这种AI面对新场景的处理成功率提升了不少。

还有医疗领域，2025年MIT媒体实验室搞了个“体验式AI科研助手”，在药物研发上能通过模拟分子互动自己找新靶点，只用6个月就提出了3个潜在抗阿尔茨海默病的靶点，而传统AI得靠已有药物数据库，平均18个月才能提出1个。

如此看来，体验式学习的核心就是“奖励机制+动态反馈”，AI做动作，环境给反馈，AI再调整策略，这种逻辑和人类“尝试-纠错-进步”的学习方式完全一样，这也是它能突破数据依赖的根本原因。

萨顿还把AI发展放到了宇宙进化的框架里看，提了评估AI的四个原则：缺乏全球共识是必然的、有可能创造真正的智能、有超越人类智能的潜力、权力会流向高智能体。

结合体验式学习来看，AI通过和宇宙环境互动，比如太空探索、深海探测，能积累人类得不到的经验，慢慢实现“超越人类智能”的潜力。

回头看萨顿在会议上说的这些话，其实把当前AI发展的关键问题都讲透了。

面对技术变革，恐慌和抗拒其实没什么用，不如像他说的那样，带着勇气和冒险精神去接受。

对政策制定者来说，得推动AI去政治化，建立全球协作机制；对产业界来说，该多投入研发体验式学习技术，探索更多应用场景；对我们普通人来说，也该理性看待AI的价值和局限，别被恐慌带偏。

未来，随着体验式学习技术越来越成熟，AI说不定能在医疗、气候变化、太空探索这些领域，帮人类解决更多复杂问题。

如此看来，AI不是什么威胁，而是宇宙智能进化的必然一步，只要抓住体验式学习这个机遇，AI就能成为推动人类文明进步的力量。

来源：法之生活一点号