強(qiáng)化學(xué)習(xí)之父：LLM主導(dǎo)只是暫時(shí)，擴(kuò)展計(jì)算才是正解

鷺羽 2025-06-10 18:27:04 來源：量子位

鷺羽 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

大模型目前的主導(dǎo)地位只是暫時(shí)的，在未來五年甚至十年內(nèi)都不會(huì)是技術(shù)前沿。

這是新晉圖靈獎(jiǎng)得主、強(qiáng)化學(xué)習(xí)之父Richard Sutton對(duì)未來的最新預(yù)測。

就在剛剛的新加坡國立大學(xué)建校120周年（NUS120）之際，Sutton受邀發(fā)表演講——塑造AI和強(qiáng)化學(xué)習(xí)的未來。

其實(shí)，這已經(jīng)不是Sutton第一次在公開場合表達(dá)類似的觀點(diǎn)，早在他19年的著作《痛苦的教訓(xùn)》中，他就明確提出：

讓AI尤其是LLM模仿人類思維方式，只能帶來短期的性能提升，長期看只會(huì)阻礙研究的持續(xù)進(jìn)步。

在他4月份新發(fā)表的論文《歡迎來到體驗(yàn)時(shí)代》也再度強(qiáng)調(diào)了這點(diǎn)，同時(shí)他表示，擴(kuò)展計(jì)算才是正解。

本次NUS120演講長達(dá)一個(gè)多小時(shí)，可謂是干貨滿滿、信息量超大。

讓我們一起來看看完整演講內(nèi)容。

LLM主導(dǎo)是暫時(shí)的

Sutton首先提及當(dāng)前人類處于數(shù)據(jù)時(shí)代，像ChatGPT這類大語言模型，都是靠分析人類產(chǎn)生的大量數(shù)據(jù)（如文本、圖像、視頻）進(jìn)行訓(xùn)練。

但始終追逐人類思維方式，至多也只能達(dá)到“人類水平”。

在數(shù)學(xué)、科學(xué)等領(lǐng)域，人類數(shù)據(jù)里的知識(shí)已經(jīng)接近極限，AI難以突破現(xiàn)有認(rèn)知，純靠模仿已經(jīng)很難再有創(chuàng)新。

AI需要新的數(shù)據(jù)來源，且要隨著AI增強(qiáng)而改進(jìn)，靜態(tài)數(shù)據(jù)集顯然不足。

因此他認(rèn)為AI終將從依賴人類數(shù)據(jù)，轉(zhuǎn)向通過Agent與世界的第一人稱交互，以獲取“體驗(yàn)數(shù)據(jù)”的學(xué)習(xí)。

AlphaGo在與李世石對(duì)弈的第二局中，下出的神之一手——第37手，在人類標(biāo)準(zhǔn)下完全非常規(guī)的走法，就充分展現(xiàn)了AI在這種體驗(yàn)學(xué)習(xí)下的思考潛力。

也就是說，AI將會(huì)在自主體驗(yàn)中，完成自己的更新迭代，產(chǎn)生更高級(jí)的數(shù)據(jù)并反哺自身，構(gòu)成一個(gè)“越學(xué)越強(qiáng)”的循環(huán)。

還能不受人類現(xiàn)有知識(shí)限制，自由探索人類未涉及的領(lǐng)域，比如全新的科學(xué)理論、材料設(shè)計(jì)等。

Sutton舉了個(gè)例子：

一個(gè)蹣跚學(xué)步的嬰兒會(huì)通過不斷探索周圍環(huán)境主動(dòng)學(xué)習(xí)，然后隨著認(rèn)知增長，每一次互動(dòng)方式都會(huì)隨著經(jīng)驗(yàn)有所不同。

因此AI的未來將屬于通過互動(dòng)和經(jīng)驗(yàn)學(xué)習(xí)的“體驗(yàn)時(shí)代”，Agent需要從經(jīng)驗(yàn)中學(xué)習(xí)，而這遠(yuǎn)遠(yuǎn)超出了LLM的能力范疇。

即使現(xiàn)有LLM在連接全球知識(shí)上表現(xiàn)出色，但通往這一未來的核心路徑始終是強(qiáng)化學(xué)習(xí)。

強(qiáng)化學(xué)習(xí)正是圍繞著經(jīng)驗(yàn)學(xué)習(xí)構(gòu)造，但要發(fā)揮強(qiáng)化學(xué)習(xí)全部潛力，還需具備持續(xù)學(xué)習(xí)能力的深度學(xué)習(xí)算法。

而這背后要靠對(duì)大規(guī)模算力的充分利用來支撐，繼續(xù)基于搜索和學(xué)習(xí)擴(kuò)展算力，以適應(yīng)AI性能需求增加。

可以說，從長遠(yuǎn)看，真正的突破還是來自規(guī)模計(jì)算。

不同Agent去中心化互利共贏

談及Agent的前景，Sutton提出對(duì)不同目標(biāo)的Agent可以尋求去中心化合作。

他認(rèn)為每個(gè)Agent的獎(jiǎng)勵(lì)信號(hào)都各不相同，且都試圖最大化自己的回報(bào)，那么只需要讓不同Agent各自實(shí)現(xiàn)其目標(biāo)，再通過互動(dòng)，就能實(shí)現(xiàn)互利共贏。

這就類似于人類社會(huì)中的經(jīng)濟(jì)運(yùn)轉(zhuǎn)，得益于自然語言和貨幣的發(fā)明，盡管人們擁有不同的目標(biāo)和能力，但在過程中相互協(xié)調(diào)配合，也能產(chǎn)生出不錯(cuò)的效果。

但還是有不少人主張集中控制AI，甚至呼吁暫停AI。

Sutton認(rèn)為這種聲音更多的是來源于對(duì)未知的恐懼，要接受個(gè)體目標(biāo)的多樣性，建立合作化秩序，AI的潛力恰恰就在去中心化合作。

另外，Sutton還提到了“設(shè)計(jì)時(shí)代”的概念，當(dāng)前的機(jī)器越來越類生命化，而生命也被視作生物機(jī)器。

但生命與技術(shù)之間存在本質(zhì)差異，生命是在無意識(shí)下被復(fù)制產(chǎn)生，而技術(shù)則先經(jīng)設(shè)計(jì)師意識(shí)想象再落地創(chuàng)造，這是一個(gè)設(shè)計(jì)過程，且設(shè)計(jì)產(chǎn)物也更易改進(jìn)。

因此人類發(fā)展AI，就是為了將設(shè)計(jì)做到極致——設(shè)計(jì)出能自主設(shè)計(jì)的Agent，而人類將會(huì)在設(shè)計(jì)時(shí)代扮演催化劑和創(chuàng)造者的角色，將AI視作推動(dòng)發(fā)展的機(jī)遇，而非單純的技術(shù)產(chǎn)物。

One More Thing

Sutton的言論一出，很快在社區(qū)引起了激烈討論。

支持者認(rèn)為技術(shù)的突破往往來自未知與偶然，技術(shù)已趨向成熟的LLM似乎即將觸及領(lǐng)域天花板。

而反對(duì)者則認(rèn)為技術(shù)的發(fā)展在于不斷改進(jìn)，也許LLM不是AI的最終形態(tài)，但它也必定在AGI發(fā)展過程中占據(jù)重要作用。

那么你對(duì)LLM的未來抱有怎樣的看法呢？歡迎在評(píng)論區(qū)留言討論。

參考鏈接：
[1]https://x.com/slow_developer/status/1931497651926892673

[2]https://www.youtube.com/live/f9KDMFZqu_Y
[3]https://x.com/bryanklow/status/1931229131162955801
[4]https://goo.gle/3EiRKIH