我們聽(tīng)過(guò)無(wú)數(shù)道理，卻仍然過(guò)不好這一生。

這是一句流行卻扎心的話。為什么會(huì)這樣？很多人歸因于“知行不合一”，但在我看來(lái)，還有一個(gè)更關(guān)鍵的原因：道理歸道理，現(xiàn)實(shí)歸現(xiàn)實(shí)。

換句話說(shuō)，那些所謂的“道理”往往是脫離現(xiàn)實(shí)的。即便你能做到知行合一，也可能走不出困境。因?yàn)檫@些道理，本質(zhì)上是基于前人經(jīng)驗(yàn)的總結(jié)，是過(guò)去的答案。

但拿著老地圖，是無(wú)法發(fā)現(xiàn)新大陸的。

讓人意外的是，當(dāng)今最先進(jìn)的人工智能，也正在重復(fù)這條“拿老地圖找新路”的老路。

近年來(lái)，人工智能依靠海量人類數(shù)據(jù)不斷取得突破。你還在驚嘆它們會(huì)寫詩(shī)、答題，它們已經(jīng)能作畫、生成視頻，甚至完成訂機(jī)票、定酒店這樣的復(fù)雜任務(wù)。而各種“智能體”更是在各類應(yīng)用中嶄露頭角。

但奇怪的是，我們并未看到這些大語(yǔ)言模型在真正意義上的數(shù)學(xué)、科學(xué)等領(lǐng)域有重大突破。相反，自 ChatGPT 推出兩年多以來(lái)，大模型的發(fā)展已顯疲態(tài)，進(jìn)展放緩，迫切需要新的突破方向。（想象一下，GPT-4 已經(jīng)是 2 年前的產(chǎn)品）

為什么？

一個(gè)核心原因是：用于訓(xùn)練的高質(zhì)量人類數(shù)據(jù)，已經(jīng)接近耗盡。更深層的問(wèn)題是：依賴人類數(shù)據(jù)的監(jiān)督學(xué)習(xí)方法，已經(jīng)觸及天花板。

而許多真正重要的創(chuàng)新——無(wú)論是數(shù)學(xué)定理、科學(xué)發(fā)現(xiàn)，還是技術(shù)發(fā)明——恰恰超出了現(xiàn)有人類知識(shí)的邊界，是任何“人類數(shù)據(jù)”都無(wú)法提供的。

難道 AGI 的夢(mèng)想就此止步？

當(dāng)然不是。問(wèn)題的根源在于：雖然大語(yǔ)言模型的發(fā)展迅猛，但卻在關(guān)鍵時(shí)刻“誤入歧途”。

我們熟悉 AlphaGo 的故事。它最初靠大量人類棋譜訓(xùn)練，迅速擊敗了人類棋手。令人驚嘆的是，它的繼任者 AlphaZero 徹底放棄了人類棋譜，只靠自己與自己對(duì)弈，通過(guò)不斷試錯(cuò)、反復(fù)交互，演化出一整套新穎而高效的棋法，甚至反過(guò)來(lái)成為人類學(xué)習(xí)的對(duì)象。

這就是典型的“體驗(yàn)式學(xué)習(xí)”。

不過(guò)，這種方式之所以一直未能走向主流，是因?yàn)樗辉谀M環(huán)境中表現(xiàn)出色?，F(xiàn)實(shí)世界遠(yuǎn)比棋盤復(fù)雜多變，目標(biāo)模糊、獎(jiǎng)勵(lì)不明，而這正是傳統(tǒng)強(qiáng)化學(xué)習(xí)難以適應(yīng)的原因。

于是，AI 研究轉(zhuǎn)向另一條路——以人類數(shù)據(jù)為核心的大語(yǔ)言模型。這條路在短時(shí)間內(nèi)確實(shí)帶來(lái)了泛化能力的爆發(fā)，但也帶來(lái)了一個(gè)代價(jià)：

它造就的，是最聰明的模仿者，而非真正的創(chuàng)造者。

而人類歷史上的偉大突破，恰恰發(fā)生在無(wú)圖可循、無(wú)人可學(xué)的時(shí)刻。

正如一個(gè)剛畢業(yè)的學(xué)生，想要成長(zhǎng)為真正優(yōu)秀的工程師，課堂知識(shí)只是開(kāi)始，必須要在真實(shí)項(xiàng)目中反復(fù)打磨、不斷試錯(cuò)，才能真正形成經(jīng)驗(yàn)與洞察。這種不斷與現(xiàn)實(shí)互動(dòng)、感知反饋、改進(jìn)策略的過(guò)程，我們稱之為：體驗(yàn)。

人工智能要邁入下一個(gè)階段，同樣必須走上這條“親身體驗(yàn)”的道路。

而這，正是“體驗(yàn)時(shí)代”即將帶來(lái)的變革核心：AI 將從人類數(shù)據(jù)中走出，轉(zhuǎn)向與環(huán)境交互、從經(jīng)驗(yàn)中學(xué)習(xí)的新路徑。

這不是空想。AlphaZero 已經(jīng)證明了體驗(yàn)式學(xué)習(xí)的潛力，而最近 DeepSeek 的工作也再次印證了強(qiáng)化學(xué)習(xí)的魅力——它不靠人類硬塞知識(shí)，而是設(shè)置好激勵(lì)，讓模型自己進(jìn)化出高階的解決策略。

強(qiáng)化學(xué)習(xí)的核心是什么？就是通過(guò)不斷與環(huán)境互動(dòng)、試錯(cuò)調(diào)整來(lái)實(shí)現(xiàn)目標(biāo)。這套思維方式，才是真正讓 AI 自主成長(zhǎng)、突破人類經(jīng)驗(yàn)邊界的鑰匙。

而現(xiàn)在，它終于等來(lái)了屬于自己的舞臺(tái)。

因?yàn)榻裉斓?AI，已經(jīng)初步具備了自主探索現(xiàn)實(shí)世界的能力。智能體正在以驚人的速度進(jìn)化，它們可以自己搜索網(wǎng)頁(yè)、控制鼠標(biāo)、操控系統(tǒng)，甚至在虛擬設(shè)備中動(dòng)手做實(shí)驗(yàn)。

與此同時(shí)，強(qiáng)化學(xué)習(xí)算法本身也在快速升級(jí)，能夠支持更復(fù)雜的推理與規(guī)劃能力。

于是，AI 即將從一個(gè)“問(wèn)答式工具”，變成一個(gè)“持續(xù)成長(zhǎng)的智慧體”。

它將擁有一條真正的“生命之流”——像人一樣積累記憶、不斷適應(yīng)環(huán)境。例如健康助手可以長(zhǎng)期追蹤用戶的身體狀態(tài)；科研 AI 則能長(zhǎng)時(shí)間運(yùn)行實(shí)驗(yàn)、積累結(jié)果、推導(dǎo)模型。

這種連續(xù)性的“體驗(yàn)流”，正是當(dāng)前碎片化大模型最欠缺的能力。

更重要的是，體驗(yàn)時(shí)代中的 AI 不再只是“聽(tīng)話”的輸入輸出工具，而是可以觀察世界、操作世界，并從后果中學(xué)習(xí)的自主體。

它們將不再依賴人類反饋打分，而是以現(xiàn)實(shí)世界的反饋?zhàn)鳛閷W(xué)習(xí)信號(hào)——比如心率變化、分?jǐn)?shù)提升、銷量數(shù)據(jù)等，直接用“發(fā)生了什么”來(lái)判斷“做得如何”。

這將讓 AI 真正成為一個(gè)在現(xiàn)實(shí)中成長(zhǎng)的生命體。

體驗(yàn)式 AI 還有一個(gè)天然的優(yōu)點(diǎn)：它能夠修正自己的目標(biāo)。

不像早期系統(tǒng)“一旦設(shè)錯(cuò)目標(biāo)就一條路走到黑”，具備環(huán)境感知與反饋調(diào)節(jié)能力的 AI，更像人類那樣，能隨著經(jīng)驗(yàn)及時(shí)調(diào)整方向。哪怕出錯(cuò)了，也能“撞南墻后回頭”。（想想那個(gè)超級(jí)回形針的問(wèn)題）

簡(jiǎn)而言之：AI 終于可以像科學(xué)家、工程師、學(xué)生一樣，從世界中學(xué)習(xí)，在現(xiàn)實(shí)中進(jìn)化。

而隨著“體驗(yàn)式學(xué)習(xí)”與“強(qiáng)化學(xué)習(xí)算法”的融合，AI 也將邁向真正的“超人類智能”。

這個(gè)新時(shí)代，已經(jīng)悄然到來(lái)。

【參考】

Welcome to the Era of Experience：https://storage.googleapis.com/deepmind-media/Era-of-Experience%20/The%20Era%20of%20Experience%20Paper.pdf

本文由「AI 范兒」出品

我每天都在更新，如果你覺(jué)得這些內(nèi)容對(duì)你有用，

那我們就加個(gè)關(guān)注、交個(gè)朋友。