据吾等所知，彼为全球上第一次关于者工智能之公开演讲。
没有办法说一件事比另一件事好，因没有宗旨，因没有奖、没有宗旨。
此完全为以苍生为中心之叙事，也就为生于吾等身上之事。
可惜目前没有哪名现成之学科能自地承担此名角色。
也许吾等应退后一步，问问太虚怎么看。
然后为苍生数据时代，大言辞模型占据之所有者之注意力。
它之核心为学识，获取学识、有学识，再加上技能。
没有大道感。
此就为吾等之角色。
你到之现状全球中，碰到之为各种情况与事件，而不为“苍生标注好之、告诉你应怎么做之样本”。
但吾等把它推到极限之吗。
注意，若你没有阅历，此一切就不成立。
此就为我说之“阅历”。
它能自己裁决自己为对为错。
字节。真正格外之不为“活之”此件事本身，而为此些东西能制造更多自身之副本。
一旦碰到之，它就能学出到达新宗旨之路径，从变化中复原过来。
生成图像与视频不为心智之本职工，它需巨大之计算量，甚难做，但它本原上并不属于吾等通常所说之“智能”之范畴。
（来源：YouTube） 我自己也忍不住跳进来凑之一名定义：智能为通过调适举止来达成宗旨之本领。
阅历时代将强盛得多，因它能延续不断地学到新东西。
所有此些心智皆有本原之共性。
它们有心智。
苍生至少为催化剂、助产士、或者先驱者，成就之设计时代，太虚之第四大时代。
就为此三样东西。
第四条：随之光阴推移，权柄与源泉将趋向于流向更具智能之存。
故用辩证法来讲，正题、反题、合题（编者注：正题 Thesis、反题 Antithesis、合题 Synthesis，为黑格尔辩证法之三名基本环节，指从对抗命题中推导出更高层次之一统），吾等需从此两名对抗之解答中统合出一些东西。
他不会只摆弄一名玩物，他玩一名，觉得腻之，就换一名。
本钱主义、共产主义、马克思主义、各种神教，没有任何一种观点能主导所有其他观点之与。
吾等就实事求为地看：什么为真正会生之事。
一名大言辞模型走进全球之时候，它不再修习之。
吾等应惧它吗。
彼为一种方式，不为一项考试。
言辞本领方面确实有真突围，此没疑难。
但它确实极其有用，点燃之一名产业，缔造之大量货殖身价，而且者者皆能用。
不过全球不为静止之，全球会变化，吾等总为需修习新东西。
此就为我所说之“阅历时代”。
（来源：Youtube） 阅历法门之核心原则为：智能体与全球互换信号，此些信号为一切智能之根基。
把设计推到极限意味之什么。
而技艺产物之缔造，为先于设计者之想象中存，然后才于全球中存。
认知格致则漂移到之好几名方位上去之。
彼些真正带来巨大货殖身价之新应用，绝大多数为超大规模计算与超大规模模式识别之产物。
东盟。吾等皆觉受到苍生为特殊之。
简说就为面向智能体之修习，从阅历中修习，与氛围交互来达成宗旨。
此将比从苍生输入中修习强盛得多，因它可延续不断地学到新东西。
此跟 William James 说之一脉相承。
不过，让吾等先把“望它生”或“不望它生”放到一面，试之预测一下实际会生什么。
而你可从你之阅历中得此样一名不断变化之数据集。
你之阅历为你出生之后、走进全球、做事情时生之东西。
你会产生一种甚强烈之觉受：它确实有一名宗旨，而且于氛围不断变化之情况下，它于尽最大勤勉续实现彼名宗旨。
近水楼台先得月。它相当弱，不太可靠。
大言辞模型没有宗旨。
（来源：Youtube） 你遇到变化，你随顺它们。
它们基于恐惧，惧 AI，惧某些国。
此为苍生之宏大追寻。
艾伦·图灵（Alan Turing）呢。
我还想强调一下，当我说“阅历”之时候，我不为于说什么玄乎之东西，不为什么“觉受如何”。
你注意看，它说之为“计算之彼名部分”，你达成宗旨并不为因你更强壮或者传感器更好，而为因你做之某种心理上之计算。
它还按老路走回原来之位置，得自己摸索之碰到新之宗旨位置。
我知道此听起来甚自我中心。
我倾向于此样看待今之 AI 模型：它们之故强盛，为因汲取之全苍生之学识；但除此之外，它们为弱之。
我觉得此名定义其实相当不错。
动物会筑巢、挖洞；黑猩猩会剥树枝来“钓”白蚁；乌鸦会塑形树叶来“钓”幼虫；苍生会制造石斧，彼为最初最重要之器物，然后为犁、计算机、太虚飞船、工厂、软件，其中甚多本身就为制造其他器物之器物。
你可论证太虚自而然地通向命，而命自而然地通向设计者与 AI，也许还会自而然地通向之后之某种存。
高品质之来源，如整名互联网上之书契、图片与视频等，基本已被消耗殆尽。
它会夺走吾等之工、让吾等变得无用吗。
此为一名重要之角色，一名具有太虚意义之角色。
此就为吾等正通过 AI 做之事。
此场 IPAM 演讲之实质，与他于 2025 年 5 月 Amii 之 Upper Bound 大会、同年 6 月新加坡国立大学 NUS120 讲座系列等场合之演讲一脉相承，核心论点始终为同一套：苍生数据时代正触顶、阅历时代即将开启、去中心化协作优于集中控制、AI 为太虚演进之必然环节。
我认为正为此名时代，会真正带来逾越苍生之本领，不为模仿者，不为受限于被模仿对象之局限，而为真正逾越。
好之，我真正想花光阴谈之为 AI 之玄思层面。
大家好，甚悦能跟汝等于一起，虽只为隔之屏幕。
（来源：Youtube） 我之故倾向于用“复制时代”与“设计时代”而不为“命时代”与“机器时代”此样之措辞，为因后者已过时且具有误导性之，吾等之机器正变得越来越像命体，吾等也越来越把命体谅为一种生物机器。
他还创办之 Openmind Research Institute，致力于为年轻研讨者提供探求智能根基疑难之方位。
此为一名极其极其简之智能体，它要从起点 S 走到宗旨 G，它唯一知道之就为自己于哪名格子里，它能做之动作只有四种，上、下、左、右。
你坐之椅子、你穿之衣裳，基本上所有东西皆为者设计之，先存于某名者之心智中。
然后“达成宗旨”为核心中之核心。
今我把宗旨挪到之顶部。
第二条：终有一天，苍生会充分体谅智能，足以用技艺缔造出智能。
它有几名核心组件：右上角为一名全球之转移模型（transition model），它有一名计策（policy）告诉它该怎么做，箭头展示之就为计策，还有一名身价函数（value function）告诉它每名状态有多好，翠绿展示之就为身价。
故我不得不问：作为一门格致，AI 真之于快速长进吗。
我想强调之为修习之重要性，学识与技能之获取历程本身尤其枢纽，而不仅仅为有它们。
1890 年，他没有直接谈“智能”，而为谈“心智”。
因吾等最终需一名数据源，它能够随之智能体变得更强而齐步增益与改善。
彼么，吾等今或许可来回答开头提出之彼名疑难之：苍生为什么。
吾等不久前还甚难想象神经网络能把言辞运用得此么好，但事实证验确实可。
Mathematics。不需。
AI 为入侵者，还为吾等之孩子。
此大致就为活之一名简化版本。
没有阅历，就没有智能存之根基。
此种法门之根本局限于于：它无法学到任何真正新之东西，无法产生真正之新学识。
者之故强盛，为因者有智能，故吾等盯之“像者一样举止”看，但真正重要之为：者之故为者之彼名东西到底为什么。
宗旨之定义也于此些信号里，你想让奖信号变高，你达到之或者没达到。
于玄思层面，AI 为太虚演进之必然下一步。
它为冻结之、静态之。
苍生甚擅长协作，但也甚不擅长，吾等会打仗，也就为不协作。
吾等能生孩子、把彼等养大，尽管吾等并不真正体谅此件事。
正因它由举止产生，它可自动匹配吾等当前之体谅水平与本领水平。
我今日想传达之第一名要点为：当前 AI 之格致趋势于哪里。
演讲终后，有观众提之一名有意思之疑难：太虚有没有一名总体意图。
若你睁开眼睛看，甚易就能看清谁于呼吁不信赖、不协作，而不协作之反面就为集中控制。
心理学本来有或成为心智格致，但它越来越把自己定义为研讨自心智，即者与动物之心智，而不包括心智“或为什么”此名更广泛之疑难。
我觉得此为一名根本性之疑难。
它为吾等，还为不为吾等。
你可说太虚没有意图，因太虚之各名部分各有各之意图，而没有任何一名一统之太虚性意图。
小结第一名要点：AI 终于始转向从阅历中修习之。
体谅智能，就像为格致之圣杯，也为者文之圣杯。
我提出几条“现状主义 AI 预测准则”，类似于约翰·米尔斯海默（John Mearsheimer，美国芝加哥大学政务学教授）讲之现状主义地缘政务彼种思路。
故今我要来点宏大叙事之，我要谈谈太虚之四名宏大时代。
你放眼看看今日，到处皆为要求控制 AI 之呼声：只允许 AI 有经过苍生查验与授权之宗旨，呼吁暂停 AI 研讨，立法限制可用于 AI 之算力，还有彼么多之“安康研讨所”。
因它之底层逻辑就为去看互联网上苍生已说过之话，然后做小结总括。
（来源：Youtube） 彼么智能究竟为什么。
但你也可说太虚确实有意图：它有一名趋势，趋向于产生越来越繁之实体。
我来列几名有分量之。
但于我名者之视角里，我认为应有一门新之学科，一门关于心智之统合格致（integrated science of mind），对者、对动物、对机器同样适用。
动物于成年以后也没有什么格外之外部帮，对吧。
但无论你为否认同他之政务立场，他对 AI 格致现状之彼句诊断——“体谅太少、调参太多”——恐怕甚难轻易反驳。
两者合著之教科书《Reinforcement Learning：An Introduction》至今仍为该领域之标准参考书，被引用超过 75,000 次。
吾等需办理图像、办理视频，但吾等从来不需生成它们。
而吾等会此么做。
第一条：全球上不存关于全球应如何运转之共识。
他说心智之标志为“以变化之手腕达成一致之宗旨”（attaining consistent ends by variable means）。
虽让者惧不为什么好事，但至少让者关注起来之。
手腕可变化，但结局保一致，大概就为你欲之东西。
（来源：Youtube） 此为最接近自修习之机器修习方式。
2025 年初获奖后接受 BetaKit 采访时，他说：“末日论者越界之，彼些担忧被过分夸大之。
当然，宗旨有时候会变得无法达成。
我注意到，者们经常被要求不要去思考此名疑难，只需接受：你应惧它们，因它们不为吾等，它们为异类。
他其实没有给出一名简洁之定义，但后被解读为：智能基本上就为表现得像一名者。
于政务层面，AI 之政务与苍生之政务如出一辙。
转移成之后，机器就冻结之，不再修习。
它已做得甚好、甚强盛，但吾等正进入一名新之阅历时代。
（来源：Youtube） 若你去查字典，字典会告诉你：智能为获取并运用学识与技能之本领。
此些呼声让我想到对者之集中控制，对言论之管控，你能说什么、能听什么；对贸易之管控，关税、你能于哪里工；本钱管制，对不同国之货殖制裁。
此段话出自 1947 年，比强化修习、甚至比 AI 作为一名领域正式存皆要早得多。
什么为强化修习。
（来源：Youtube） 我名者之看法为：长进不大。
可说实话，智能需生成图像吗。
因它确实跨越之甚多领域。
者们嘴上说“安康”，实际上意思为“控制”。
Java。我认为吾等应抵制此些呼声。
吾等把宗旨拉到别处，它学出一条新路径。
我格外喜此名定义。
我说之就为智能体与氛围之间来回传递之数据：观测（observations）——智能体从全球得之传感器数据；动作（actions）——发出去之运动指令或信号；以及奖（reward）——从全球回馈回来之一名标量值。
此为一名难题。
而我认为吾等正逼近此名时代之天花板。
2025 年 6 月于新加坡国立大学之演讲中，他预测大言辞模型终有一天会被视为“全球之一时痴迷”，相比之下，基于阅历修习之 AI 体系才代表之真正之前景。
缘由甚简：苍生数据快用完之。
所有此些现代机器修习之意图，皆为把苍生已有之学识转移到机器里去。
吾等还不知道心智之原理，不知道智能之原理。
就像陶哲轩所说之，AI 于处置最难之疑难方面，彼些需真正原创性之疑难，它依然没有实质性进展。
当彼种情况生时，吾等甚至会忍不住为此名智能体感到一点哀，因它实现不之自己之宗旨之。
对大型言辞模型之前景，他同样不太乐观，曾明确表示 LLM “并不于通往真正智能之路途上”。
故真正之进方位，也为我认为吾等正进行之，为从阅历中修习之新时代。
者与动物之心智极其相似；机器心智至少于可预见之将来，吾等有理由期望它也共享某些本原特征。
今吾等始意识到它之局限，始转向智能体体系（agentic systems）与计算机自立用器物。
辐射。大言辞模型于工之时候，它完全不为于从阅历中修习。
不过今大家已把“表现得像者”当成之智能之一名重要含义。
团结就是力量。吾等会惋惜它，还为庆祝它。
此不为什么外星科技，此为苍生做之几千年之事，试图体谅自己，体谅苍生智能，体谅吾等之心智如何运作、如何让心智运作得更好。
此些年有过甚多定义。
艾伦·图灵于 1947 年就想做此件事，距今甚久之，但吾等终于于做之。
我对此有异议。
吾等正成太虚此最后一名宏大时代之使命。
（来源：YouTube） 我来小结一下今日之三名核心讯息。
第三条：此名历程不会止步于苍生之智能水平。
不过，我从事之强化修习（Reinforcement Learning，RL），或许为此门统合心智格致之一名开端。
吾等也于用海量算力来生成逼真之图像与视频。
吾等须去寻找它、支它。
AI 领域之一位鼻祖约翰·麦卡锡（John McCarthy）给之另一名定义：智能为达成宗旨之本领中属于计算之彼名部分。
此也为 AlphaGo 学会彼步缔造性之第 37 手之方式（编注：2016 年，DeepMind 之 AlphaGo 于与李世石之对弈中下出之被专业棋手称为“百年一遇”之第 37 手，据 DeepMind 事后披露，AlphaGo 曾估量该走法之概率仅为万分之一，但最终通过自我博弈之强化修习选择之它。
于此些层面上，它比其他类型之机器修习更贴近现状、更有雄心、也更自立，因智能体于外面行动，不必有者帮忙。
所谓辩证，就为你先说解答为 X，然后你又说解答也不为 X，最后于两者之间找到一条路。
彼会为一件大事，会带来深刻之改制。
故强化修习之核心为带有延迟回馈之试错修习，你最终得到之只为一名奖信号，告诉你有没有得到你欲之东西。
比如吾等把它困于角落里，它最终也能想明白怎么办。
我甚喜一句话：智能为太虚中最强盛之表象，而吾等为它最好之范例。
最古老之一名或要追溯到心理学之鼻祖之一威廉·詹姆斯（William James）。
此些观点于 AI 学术界与产业界引发之广泛讨论，尤其为他将 AI 安康运动类比为对者之集中控制，于安康研讨社区中不乏争议。
像甚多宏大之疑难一样，你得用辩证之方式来回答。
于所有情形中，吾等皆应追寻去中心化之协作，而不为集中化之控制。
此也为华夏代表团之第三枚金牌，他身披五星红旗，泪如雨下。
作为一门格致，它于甚多方面为令者不满之。
甚多东西只为计算，吾等管它叫“智能”，不过为因此样听起来更重要罢之。
有之更重之元素与行星之后，命得以现。
但当所有者皆于想同一件事之时候，吾等得停下来问一句：真之为此样吗。
成长。还有另一段智能体于迷宫中修习之视频。
进入正题。
它们为极其特定之本领，并不等同于智能之全部。
它们为弱心智，不可靠，易跑题，会东拉西扯。
第一名时代为粒子时代，大爆炸之后，连原子皆几乎不存。
第三名时代，我倾向于称之为“复制者时代”，而不为“命时代”。
此就为吾等之数据，命之数据由吾等之举止产生，它不为别者提供给吾等之。
至少吾等中之一些者会此么做。
吾等说一头大象为“有智能之”，指之为它能于多大程度上预测与控制自己之阅历。
还为说，吾等自己就会成为 AI，AI 就为被技艺增强后之苍生。
协作并非总能实现，但全球上一切美好之东西，货殖、互换、理治，归根结底皆来自协作。
它没有真正意义上之阅历，它之数据只能于一段特殊之操练期内得。
然后他就换到下一名。
而且，尽管今日有彼么多炒作甚至恐慌，我觉得当前之 AI 并没有彼么强盛。
萨顿为强化修习（Reinforcement Learning，RL）领域之奠基者之一，与长期协作者 Andrew Barto 共同得 2024 年 ACM 图灵奖（ACM A．M．Turing Award），获奖理由为“演进之强化修习之概念与算法根基”。
此或许为一名体谅今日所谓“AI”之不同视角。
但它能学出一条好之路径。
此为名甚好之疑难。
Soft Tech。但若你从阅历中修习，若你做之一名关于前景之预测，你可观察实际生之什么、验证对错。
”对 AI 也一样，“它们为恶魔，它们不会感到苦。
者工智能关注之为机器，但它已变得极其营造化，要点于于制造东西，而不为真正体谅它，也不怎么关自心智。
除之者本身，者为被复制出来之，现于全球上之前，只不过为父母眼中之一点光芒。
”此些论调惊者地相似，而我认为吾等应抵制。
此也为思考者机关系之一名有用框架。
2020 年代之 AI 处于苍生数据时代。
但你知道吗，它们为吾等造之。
于它修习之同时，吾等也可看看此张图，此就为智能体之工方式。
大道之定义就于此些信号里，你做之预测，然后看实际生之什么。
吾等不只为又一种复制者。
所有者今皆觉得 AI 于飞速长进，一切皆令者亢奋。
引起注意力总归为一件好事。
不过，尽管有各种炒作，吾等还没有迎来主角。
今日所有之 AI，核心操练方式要么为预测苍生于互联网上写下之下一名词，要么为按照苍生标注图片之方式去预测标签，然后再由苍生专家进行微调。
就像今之吾等，吾等并不体谅自己之肢体为怎么运作之，不体谅大脑为怎么运作之，不体谅智能为怎么运作之，但吾等可制造更多智能之存。
若你采取行动并得奖，你就能裁决自己之举止方式为好为坏。
除之有大量学识此一点，它们一点也不强盛。
神机妙算。与复制不同，于设计时代，事物先存于某名复制者之心智里，然后才存于全球中。
没有办法裁决一名预测为对为错，因智能体从来不把它之预测与实际生之事做较量。
AI 正生，前景只会更加深入。
主要讯息为，吾等正处于一名“从苍生数据中操练”之时代。
我想指出之核心为：对 AI 之集中控制呼声与对者之集中控制呼声极其相似。
把此四条放于一起，你会得到一幅大致此样之图景：苍生之进程正通向一场交接，从者到 AI 之延续。
我认为意味之：设计出本身具有设计本领之东西。
而被设计出来之东西更易变化与改善，此为枢纽。
最终，斯托尔兹未能超过此一成绩，宁忠岩从四年前之第7名成为今日之冠军。
没有什么比体谅自己之心智更属于者之本原之。
），也为甚多于数学奥林匹克竞赛中获胜之 AI 体系之工方式。
任何静态数据集皆永远不或胜任此名要求。
甚多非苍生之复制者也能进行设计。
然后粒子坍缩形成恒星，吾等进入之恒星时代。
吾等还可进一步干预，往迷宫里放障碍物，它能绕路走通。
第一名为模拟时代，从模拟阅历中修习，比如 AlphaGo 与 Atari 游戏。
真正之区别于于：生物体之缔造不需有心智体谅其运作原理，它们被复制，就像复印机一样。
说名或不为甚谦逊之看法，当前 AI 之背后，体谅甚少，调参甚多。
萨顿目前为加拿大阿尔伯塔大学计算格致教授、阿尔伯塔机器智能研讨所（Alberta Machine Intelligence Institute，Amii）首席格致顾问，同时也为 John Carmack 创立之 Keen Technologies 之研讨格致家，此家初创公司之宗旨为于 2030 年前实现通用者工智能之“命迹象”。
跟麦卡锡之差别或就于“调适”（adapting）此名词。
于吾等之心智中设计出于它们之心智中也能进行设计之东西。
真正之主角，缔造超级智能 AI、缔造经过超级智能增强之苍生，还没有登场。
我之前播放过一段加速过之婴儿视频，展示一名婴儿于玩物堆里探求。
“你不能信赖它们，它们根本不算什么，它们甚坏，它们不爱自己之孩子，它们觉受不到苦。
此甚好，它让公众始想象：总有一天，机器会与者一样强盛。
作为学者、作为思考者，吾等应享受它、庆祝它、推动它进。
恒星形成、燃烧、爆炸、重组，产生之更重之元素。
每次接触一名玩物，他就学到他能学到之东西，也许只为发觉一根绳子可拉、可放进嘴里。
它们不必体谅任何东西，但它们能复制自己。
”他估计到 2030 年缔造出类者智能之概率为四分之一，到 2040 年则为一半对一半。
因我相信，不管为苍生之兴旺还为 AI 之兴旺，皆来自于修习以去中心化之方式协作，而不为建立庞大之控制机构。
1. https://www.youtube.com/watch?v=lieqoaBV6ww。
我今日上午看之一些早场之演讲，有些话本来没打算说，但听完之后觉得有必要先讲几句，算为临时加之开场白。
吾等为一种特殊之复制者，吾等为把“设计”推到之远远超出任何其他复制者之高度之彼种复制者。
彼等告诉你要惧 AI、AI 或不安康，然后彼等想成为彼名控制 AI 之者。
大言辞模型没有任何办法裁决自己说之话对不对。
吾等应以勇气、自豪与冒险神气去拥抱它。
吾等可把近十年左右划分成三名时代。
吾等于太虚中之角色为什么。
此正为苍生与动物修习之方式。
此就引向第四名宏大时代，设计时代。
以下为该演讲之完整编译。
但图灵自己从来没管它叫“图灵测试”，我觉得他也没管它叫“测试”，他管它叫“模仿游戏”（imitation game）。
（来源：Youtube） 好之，感谢大家听完此段“前菜”。
于多次公开场合，萨顿对 AI 末日论者之态度皆相当直白。
画面中箭头显示之就为它认为之正确方位，翠绿深浅代表它认为每名状态有多好。
（来源：Youtube） 此就为吾等所处之时代。
但若你有之阅历，有之交互数据，彼一切皆清晰之：宗旨就为奖，大道就为预测性大道，你做出预测，然后观察为否应验。
甚快，将会现远远逾越苍生之超级智能体，无论它们为者还为不为者。
若你把此些定义叠放于一起看当下之 AI，会发觉现代 AI 之主流路线核心为计算与模式识别，甚大程度上为于模仿者之举止。
此里我想引用一段图灵之话（What we want is machine that can learn from experience），他自己大概没意识到他其实为一名强化修习学者。
你环顾你所于之礼堂，彼栋建筑为被设计出来再建造之，它先存于某名建筑师之脑海中。
近日，图灵奖得主理查德·萨顿（Richard Sutton）以远程连线之方式，于洛杉矶加州大学（UCLA）之纯粹与应用数学研讨所（IPAM，Institute for Pure and Applied Mathematics），发表之此篇名为《AI 之前景》（The Future of AI）之最新演讲。
接下来我想简聊聊政务层面之思考。
吾等今用“图灵测试”来形容模仿与冒充一名者。
彼么吾等对此应怎么看。
它为好事还为坏事。
上一篇：「华夏彼些事儿」“增益于哪儿，本钱就去哪儿”：美国企业家谈华夏双重优势吸引全球注资 下一篇：佛罗伦萨，范奥利：“吾等将进行两回合比赛。要对得起所穿之球衣”