▲2024年图灵奖得主萨顿教授发表主题演讲，深入剖析人工智能的运行机制与政治属性，并阐释这项技术在未来世界格局中的关键地位。

目前最先进的大语言模型 (Large Language Models) 有哪些无法做到、而婴儿却能轻易完成的事？著名人工智能专家萨顿 (Richard  Sutton) 教授用一段视频给出了答案：画面中的婴儿在游戏区兴奋爬行，不时摆弄玩具——证明人类具备通过经验生成新知识的能力。而像 ChatGPT 这类基于人类文本与图像训练的 AI 系统，至今仍不具备这种能力。

加拿大阿尔伯塔大学计算机科学教授萨顿指出，若要称得上真正的智能，AI 需要获取动态的体验式数据源，而非静态数据集。“所谓经验，就是通过与世界互动获得的数据——这正是人类和动物共同的学习方式。”他解释道。但机器学习的边界究竟在哪里？人类终将失去对 AI 的控制吗？

在2025年6月6日举行的新加坡国立大学120周年杰出学者系列讲座 (NUS120 Distinguished Speaker Series) 上，萨顿教授解答了这些问题。该系列讲座是新国大庆祝建校120周年的重要活动之一。继 Yoshua Bengio 教授和杨立昆 (Yann LeCun) 教授的两场 AI 主题讲座之后，萨顿教授的讲座吸引了近600名现场听众，YouTube 直播观看人数更突破4,000人。

从模拟到现实交互

图灵奖以“计算机科学之父”艾伦·图灵 (Alan Turing) 命名，素有“计算机界诺贝尔奖”之称。荣获2024年图灵奖的萨顿教授指出，机器通过经验学习这一理念最早由图灵本人在1947年首次关于 AI 的公开演讲中提出。

此后，这一领域取得了长足进展。例如，2016年，计算机程序 AlphaGo 击败了围棋世界冠军；2024年，AlphaProof 在国际数学奥林匹克竞赛中达到了银牌水准。

机器学习的早期阶段主要围绕模拟经验，但如今越来越多的程序通过直接与现实世界进行直接交互来学习。这正是强化学习领域的核心特征——萨顿教授早在上世纪80年代就已成为该领域的先驱。

简而言之，在强化学习中，计算机程序不会被告知具体执行哪些动作，而是被赋予特定的奖励目标。程序必须通过不断试错来发现哪些动作能带来最大回报，从而实现经验式学习。

新加坡国立大学校长陈永财 (Tan Eng Chye) 教授在开幕致辞中明确指出，强化学习“已发展成为构建智能系统最重要的方法之一”。他同时强调，新国大始终秉持强烈的社会责任感，致力于推动具有现实影响力的技术发展。

AI 发展是“纯粹的福音”

萨顿教授预言，在他称为“经验时代”的未来，与更高级的 AI 系统相比，大语言模型终将被视为“世界一时的执念”。

不过目前强化学习尚未展现全部潜力，因为现有算法大多仍无法实现持续学习和元学习——即他所说的“学会学习”。

他将 AI 发展比作马拉松，认为这类超级智能体的诞生需要数十年时间，若要实现自主设计和复制事物，所需的时间将更长。但他坚信最终将为世界带来“纯粹的福音”。“AI 是宇宙演进必然的下一步。”他断言。

讲座的问答环节由新加坡国立大学协理副校长（人工智能）刘谦雄 (Bryan Low) 副教授主持，他指出，出于安全考虑，有人主张以“闭门造车”的方式发展 AI，而非开放共享知识。对此萨顿教授承认，在 AI 管理的最佳方式上存在“相互抗衡的认知”。

▲在问答环节中，现场观众提出诸多发人深省的问题，涉及 AI 的未来应用场景与伦理准则、人类政治与 AI 政治的交互关系等前沿议题。

但他对 AI 的发展仍持乐观态度，并指出“诸多安全诉求实质上是变相的集权控制呼吁”。他警告称，从长远来看，这种管控将阻碍合作——而合作正是“世间一切美好事物的源泉”。

他进一步指出，集权管控的诉求源于恐惧心理，可能在原本能够和平共处、携手造福社会的各方之间制造危险隔阂。

在他看来，AI 领域的权力博弈与人类政治如出一辙。“我们必须警惕这些集权机构攫取过多权力并加以滥用，最终演变为专制统治，或给我们的生活带来僵化束缚。”他呼吁道，“我们理应抵制一切集权控制的论调。”

改变世界，而非改变 AI

萨顿教授主张采用去中心化的协作模式，将权力和决策权分散到各个层级。这正是他2023年参与创立的 Openmind 研究所 (Openmind Research Institute) 采用的运作模式——该机构致力于 AI 基础研究。他透露研究所总部很可能落户新加坡，但未给出具体时间表。

为消弭社会对 AI 日益增长的敌意，该机构所有研究成果都将免费公开。“没有任何国家能独占或控制这些研究成果。”萨顿教授表示。目前 Openmind 在加拿大设有一个研究实验室。

▲关于“AI 如何以最高效方式推动全球社会福祉”的深刻讨论，引发了在场听众的强烈共鸣。

当现场观众询问萨顿教授为何选择将 Openmind 总部设在新加坡时，他指出：知识的自由流动在许多领域都是常态，但 AI 领域却常以国家安全为由对其他国家实施信息封锁。

与某些要求 AI 研究机构签署保密协议、阻止特定国家接触其成果的国家不同，新加坡不存在此类限制。萨顿教授表示，这种环境更有利于开展自由开放的学术研究。

萨顿教授进一步强调，AI 的危险性并非技术之过，而是人类自身的问题。“我们不应改变 AI，而应改变它们所处的世界。”他解释道，“人类行为是对环境的反馈——若成长环境使合作变得非理性，人们自然拒绝协作。我期待构建一个让 AI 视合作为自然之事的世界。”


（来源：NUS新加坡国立大学微信公众号）