“強化學習之父”薩頓認為，對世界模型的定義存在誤區。

7月19日，在2026年世界人工智慧大會（WAIC）的“思想者論壇”上，圖靈獎得主、阿爾伯塔大學電腦科學教授理查德·薩頓（Richard Sutton）發表了題為《基於強化學習從經驗中培育超級智能》的主題演講。薩頓認為，真正的超級智能必須徹底脫離人類的先驗偏見，並全面介紹了自己最新提出的“OaK（Options and Knowledge，選項與知識）”架構。

近年來，薩頓時常對大語言模型的發展路線持批評態度。在演講中，薩頓重申了他著名的AI研究文章《苦澀的教訓》（The Bitter Lesson）。他直言道，AI研究者總是希望把“人類的知識”硬編碼給AI，但從長遠來看，這種做法反而阻礙AI的演進。

薩頓表示：“我們應該去尋找智能的底層基本原理，而不是被我們自身心智在特定世界中所產生的具體細節所誤導。我們應該尋找基本原理，而不是具體的內容和細節……我們不應該試圖把人類已經發現的規律構建進去，而應該讓智能體自己去發現。”

在這個基礎上，薩頓對“大世界”視角進行了定義。在薩頓看來，人類世界所熟知的“三維空間”或“物理學規律”，只是這個特定世界的內容。真正的AGI應當在“運行期（Runtime）”像嬰兒一樣自主摸索，僅依靠行動（Actions）、觀察（Observations）和獎勵（Reward）進化。

基於這種“大世界視角”，薩頓批評了當前行業將世界模型做成“低級物理模擬器”的誤區，稱這種理解“極其狹隘”，人類的轉移模型（Transition Model）“不應該像低級物理學那樣瑣碎，而應該承載高階的世界知識”。

薩頓解釋道：“在我的理論體系中，我絕對不會把一個單純的神經網路稱為‘模型’，這是對這個詞的濫用。我將‘模型’一詞專留給轉移模型，它應當包含人類對世界的所有高級知識。比如，‘如果我接受了這份工作，我會幸福嗎’，這才是模型應該回答的問題。”

這就意味著，模型需要掌握“抽象能力”，即構建越來越宏大的行動與狀態認知的能力。為了實現這種高級抽象，薩頓提出了OaK架構。其核心在於通過時間抽象（選項）與狀態抽象（知識），讓AI能夠實現“跳躍式”的宏觀規劃。

在薩頓的OaK架構中，對於每一個與人類生活相關的狀態特徵，智能體都要學會一種去“控制和達成該特徵”的技能。也就是說，智能體構建自身心智的核心手段，就是不斷提出子問題，並通過“選項”去解決它，“把定義子問題的權力徹底移交給智能體”。

儘管OaK架構已經能夠在理論上實現閉環，但薩頓坦言，目前還無法立即實現它，AGI的降臨或許還需要5年、10年甚至20年。

值得一提的是，就在本周，薩頓宣佈與阿爾伯塔大學博士研究員Khurram Javed共同創立新公司Oak Lab，志在打破當前深度學習方式，用全新的理念構建AGI，開發能夠通過自身第一人稱經驗獨立、持續學習的AI智能體。

來源：中國澎湃新聞