大家好，这里是最佳拍档，我是大飞。

就在最近，知名技术播客德瓦尔凯什播客（Dwarkesh Podcast）上线了与强化学习之父Richard Sutton的一期视频，标题非常犀利，直言大语言模型是死路一条。这次访谈的内容从大语言模型的根本缺陷聊到了智能的本质，再延伸到了宇宙演化的大视角，最后落到了创造AGI是人类文明关键使命的结论，密度极高。今天我们就来一点一点地拆解，看看这位AI领域的泰山北斗到底为什么否定大语言模型，以及他眼中真正的智能究竟是什么样的。

核心争议：为什么大语言模型是死路一条？

我们先从访谈里最核心的争议点说起。萨顿为什么认为大语言模型走不通？他在访谈里开门见山地说道，强化学习是关于理解你的世界，而大语言模型是关于模仿人类，做人们说你应该做的事情。它们不是在搞清楚该做什么。这句话看似简单，却直接戳中了智能本质的核心。在萨顿看来，智能不是模仿，而是理解与行动。而大语言模型恰恰卡在了模仿这一步，没有触及到理解。

具体来说，他认为大语言模型有三个致命的缺陷。

1. 缺乏真正的世界模型

第一个缺陷是，大语言模型缺乏真正的世界模型 (World Model)。萨顿解释道，模仿人类说什么，并不是在建立真正的世界模型，只是在模仿那些拥有世界模型的东西，也就是人类。这里的关键差异是，预测人类会说什么和预测世界会发生什么是完全不同的两件事情。

比如说，你看到孩子要伸手碰热水壶，你的世界模型会立刻预测“碰到会烫伤”，然后去阻止孩子。但是大语言模型只能根据训练数据里的文本，预测人类看到这种场景会说什么，可能是“别碰，会烫”。但它本身根本不理解热水壶和烫伤这些概念的物理意义，也不知道“碰”这个动作和“烫伤”这个结果之间的因果关系。它只是在复制人类的语言模式，没有真正理解世界的运作逻辑。这就是萨顿说的没有世界模型的问题。

2. 没有Ground Truth

第二个缺陷是大语言模型没有Ground Truth (事实基础)。萨顿说，在大语言模型中没有正确答案的定义。你说了什么，但是你不会得到关于什么是正确的反馈，因为根本就没有什么正确的定义。

这句话怎么理解呢？举个例子，如果训练一个机器人玩打砖块的游戏，Ground Truth就很明确，那就是打掉砖块得分，没接住球游戏结束。系统能够通过得分、失分这个反馈，知道自己的动作对不对，然后调整策略。但是大语言模型生成文本的时候，其实并没有这样的正确标准。比如说，你让它写一篇如何提升专注力的文章，它写出来之后，你没法说这篇一定是对的，或者这篇一定是错的，因为专注力提升的方法没有统一的答案，也没有一个可验证的反馈信号来告诉大语言模型：“你这里写的不好，该改。”既然没有对与错的判断标准，系统就没法真正地学习改进。毕竟连自己哪里错了都不知道，谈何进步呢？

3. 无法从经验中学习

第三个缺陷是，大语言模型无法从经验中学习。萨顿强调，它们不会对接下来发生的事情感到惊讶，如果发生了意外，它们也不会做出调整。这一点其实戳中了当前AI的核心痛点，那就是人类的学习本质上是通过预期与现实的偏差来调整认知的。

比如说，你以为今天会下雨带了伞，结果没下，下一次你就会根据天气预报再判断。但是大语言模型没有这种适应性。再举个具体的例子，你问大语言模型：“把冰块放进微波炉加热会怎么样？”它可能会说：“冰块会融化。”这是基于训练数据的预测。但是如果实际中你把冰块放进微波炉，因为微波炉功率太低，半个小时都没融化，大语言模型不会因为这个意外而改变自己的认知。下次你再问它，还是会说冰块会融化。它不会从实际经验中修正自己的判断，因为它根本没有体验经验的能力，只是在被动地处理文本输入。

智能的本质：目标

在聊到这三个缺陷的时候，萨顿特别强调了目标对于智能的重要性。对他来说，拥有目标是智能的本质。如果某个东西能够实现目标，它就是智能的。这里他还引用了人工智能先驱约翰·麦卡锡的定义：智能是实现目标能力的计算部分。在萨顿看来，没有目标的系统顶多算是一个行为系统，不能算是一个智能系统。

比如说，一个只会循环播放音乐的音箱，它有播放音乐的行为，但是没有“要让听众喜欢”或者是“根据场景来调整音乐”的目标，所以它没有智能。

主持人当时反驳：“大语言模型也有目标啊，预测下一个TOKEN不就是它的目标吗？” 萨顿直接否定了这个说法，他说：“那不是目标。它不会改变世界。TOKEN向你袭来，如果你预测它们，你并不会影响它们。” 意思是大语言模型的预测TOKEN只是被动地应对输入，不会对外部世界产生任何的影响。它不会为了更准确地预测医学领域的TOKEN而主动去学习医学知识，也不会因为预测错了而主动地调整学习方向，因为它没有主动实现某个目标的动力，只是在执行预设的计算任务。

真正的智能路径：经验学习范式

既然大语言模型走不通，那萨顿认为真正的智能路径是什么呢？他提出了经验学习范式 (Experiential Learning Paradigm) 的概念，核心是一个简单但是强大的循环：感知、行动和奖励。这个过程在你的生命中不断地重复。他说，智能就是接受这个流，改变行动来增加流中的奖励。

“流”指的就是Agent与世界互动时产生的，从感知信号到行动输出，再到奖励反馈的连续过程。而智能的核心，就是在这个过程中不断调整行为，让奖励越来越多。这个范式和大语言模型的本质区别在于学习的来源。大语言模型的学习来源是人类写的文本，数据是间接的、二手的。而经验学习的来源是Agent自己与世界的互动，经验是直接的、一手的。

萨顿解释说，学习来自于这个流，学习也是关于这个流的。你的知识是关于“如果你采取某个行动会发生什么”，或者“哪些事件会跟随其他事件”。知识的内容是关于这个流的陈述。正因为知识是关于经验流的，所以它能够被验证。比如说，你认为“按下开关灯会亮”，这个知识可以通过“按开关”这个行动来验证。如果灯没有亮，你就会调整这个知识，也许可能灯泡坏了。这就是持续学习的过程。

婴儿与松鼠的学习方式

为了让这个概念更加易懂，萨顿还举了一个婴儿学习的例子。当主持人问到“人类不也会模仿学习吗？比如说孩子模仿大人说话”，萨顿反驳道：“当我看到孩子的时候，我看到的是孩子在尝试各种事情，挥舞着手臂，移动着眼睛。他们如何移动眼睛或者发出声音，都没有模仿的对象。”他认为婴儿的核心学习方式是试错，而不是模仿。婴儿会无意识地挥动手臂，偶然碰到玩具发出声音，然后他会发现挥动手臂和玩具发声之间的联系，接下来就会主动重复这个动作。这就是“感知”（看到玩具）到“行动”（挥动手臂）再到“奖励”（听到声音）的循环。

即使到了学校教育阶段，萨顿也认为模仿和训练是例外，不是常态。他说道：“正式的学校教育其实是一种例外。学习真的不是关于训练，学习是关于学习，是一个主动的过程。孩子们尝试事物，并且观察会发生什么。”

他还特别用松鼠举例，来反驳监督学习是常态的观点。萨顿说：“监督学习不是自然界中发生的事情。即使在学校里，我们也应该忘记它，因为那是人类特有的某种特殊情况，它不会在自然界中广泛地发生。松鼠不上学，松鼠可以学习关于世界的一切。” 这句话的意思是，松鼠不需要人类教它怎么去找食物、怎么躲避天敌。它通过自己的行动，比如说尝试吃不同的果实，观察哪些能吃；尝试靠近人类，观察是否有危险，来积累经验、形成知识。这种不需要人类标注数据、不需要学校教育、仅靠自身经验就能够学习的能力，才是智能的基础。

智能Agent的四个核心组件

既然经验学习范式是核心，那一个完整的Agent应该具备哪些组件呢？萨顿在访谈里详细拆解了四个核心的部分，这四个部分共同构成了能够从经验中学习的智能系统。

1. 策略 (Policy)：简单来说，策略就是在当前所处的情况下应该做什么，或者说是从状态到行动的映射。比如说，Agent感知到面前有一道门，门是关着的（这是状态），策略就会告诉它应该伸手去开门（这是行动）。但是要注意，策略不是一个固定的规则，而是一个动态调整的系统。如果第一次开门发现门是锁着的，策略下次就会调整为“先找好钥匙再开门”。萨顿特别强调，好的策略必须能够泛化，也就是能够处理没有见过的新情况。

2. 价值函数 (Value Function)：萨顿解释道，价值函数通过TD学习产生一个数字，这个数字说明事情进展得如何。价值函数的核心作用是评估当前状态的好坏，为策略调整提供依据。比如说在下棋的时候，某个棋盘布局的价值高，说明这个布局对赢棋更有利；价值低，说明可能有风险。这里的关键是，价值函数评估的是长期收益，而不是短期收益。我们还拿下棋举例，牺牲一个兵可能会换来后续的将死对方，价值函数会识别出这种长期的优势，从而让策略做出牺牲小兵的决策。萨顿发明的TD学习，就是让价值函数能够根据当前预测和未来实际结果的差异，不断修正自己的评估，让它越来越准确。

3. 感知组件 (Perception)：指的是要构建你的状态表示，以及你对于当前位置的感知。这不是简单地接收感官信号，而是把杂乱的感官数据转化为有意义的内部表示。假设你看到一个红色、圆形、表面有斑点的物体，感知组件会把这些视觉信号整合为“这是一个苹果”的内部表示。这个表示里包含了“可以吃”、“需要洗”等等关键的信息，方便策略和价值函数做出决策。如果感知组件出了问题，把辣椒误以为是苹果，那后续的策略（比如说咬一口）就会出错。所以萨顿认为，感知组件的核心是提取关键信息，构建有用的状态表示，它是Agent与世界互动的第一道门槛。

4. 世界转换模型 (World Transition Model)：萨顿说：“你相信如果你做这件事情会发生什么呢？行动的后果是什么呢？”这个模型负责预测行动会带来的状态变化，也就是理解因果关系。比如说，你知道按下开关会导致灯亮，把杯子推到桌边会导致杯子掉下去，这些都是世界转换模型的作用。Sutton特别强调，这个模型不仅包括物理规律，还包括抽象规律。比如说你知道如何从买机票到去机场，再到登机落地，这个抽象的流程就是世界转换模型的一部分。而且这个模型不是从奖励中学习的，而是从观察行动和结果的对应关系中学习的。你不需要有人告诉你“按下开关会亮”，只要观察几次按开关和灯亮的对应，就能够建立起这个模型。

在这四个组件里，萨顿尤其看重世界转换模型。他说：“它将从你接收到的所有感知中非常丰富地学习，不仅仅是奖励。它必须包括奖励，但那只是整个模型的一小部分，一个小而关键的部分。”因为有了世界转换模型，Agent才能够预测未来，才能够提前规划。就好像你要去超市买东西会先规划好路线一样，这就是基于世界转换模型的预测：“走这条路会更快到达超市”，而不是盲目地行动。

对《苦涩的教训》的误读

聊到这里，就不得不提到萨顿2019年那篇**《苦涩的教训》(The Bitter Lesson)**。很多人现在用这篇文章来辩护大语言模型的扩展路线，说大语言模型用大规模的计算来处理大规模的数据，符合《苦涩的教训》里边“用通用方法加计算”的原则。但是萨顿在访谈里明确地表示，这是对文章的误读。

首先，萨顿承认大语言模型有符合苦涩教训的地方：“他们显然是一种使用大规模计算的方式，可以随着计算扩展到互联网的极限。”但是他话锋一转，指出了关键的问题：“但是他们也是一种投入了大量人类知识的方式。”而苦涩的教训的核心精神，恰恰是依靠通用的方法和计算，而不是依赖人类知识。

萨顿在文章里举过例子，早期的国际象棋AI依赖于人类总结的下棋技巧，但是后来的AlphaZero完全抛弃了这些知识，只靠强化学习加大规模计算就战胜了人类。这其实才是苦涩的教训的核心：人类知识虽然能够短期提升性能，但是从长期来看，通用学习加更多计算才是更可持续的路径。

而大语言模型的问题就在于，它过度依赖于人类的知识，这里的人类知识就是互联网上的文本数据。这些数据是人类对于世界的描述，而不是世界本身的经验。萨顿预测：“这是一个社会学或者是行业的问题。他相信大语言模型会达到数据的极限，并且被能够从经验而非人类那里获取更多东西的东西所取代。”

在某种程度上，这就是苦涩教训的经典案例。我们向大语言模型投入的人类知识越多，它们就能够做得越好，所以感觉很好。然而，他期待会出现能够从经验中学习的系统，它们可能表现得更好，更具有可扩展性。

萨顿还特别强调了历史上的教训：“在苦涩教训的每个案例中，你都可以从人类知识开始，然后做可扩展的事情，这总是可能的。从来没有任何理由说这必然是坏的。但是事实上，在实践中他总是被证明是坏的。”他说的“坏”，指的是依赖于人类知识会让模型陷入局部最优，从而错过真正通用的方法。

萨顿认为，大语言模型现在就处于依赖于人类知识的局部最优里。一旦从经验学习的系统成熟了，大语言模型就会像当年的规则式机器翻译一样，被更通用的方法取代。当被问到什么是真正可扩展的方法时，萨顿的回答很直接：“可扩展的方法就是你从经验中学习，你尝试事物，看看什么有效，没有人需要告诉你。”这句话其实也是他对于AGI路径的核心判断：真正的智能不需要人类喂数据、教规则，而是能够像人类、像松鼠一样自己去探索世界，从经验中学习。

深度学习的泛化难题

除了大语言模型的缺陷，萨顿还指出了当前深度学习系统的另一个大问题：泛化能力差。他说：“我们没有任何方法擅长这一点。”这里的泛化能力指的是，系统把在一个任务上学到的知识迁移到新的任务、新的场景的能力。萨顿认为，当前深度学习的泛化问题主要体现在两个方面：

1. 灾难性遗忘：指的是在某个新事物上训练模型，经常会灾难性地遗忘掉所有旧的事物。比如一个AI先学会了识别苹果，再训练它去识别橙子，训练完之后它可能再也认不出苹果了。这就是灾难性遗忘。而人类不会这样，你学会了说英语，再学法语也不会忘记英语是怎么说的。

2. 缺乏自动化的泛化机制：萨顿说到：“梯度下降不会让你泛化的好，它会让你解决问题，但是它不会让你在获得新数据的时候以好的方式泛化。”当前的深度学习靠的正是梯度下降优化模型的参数，让模型在训练数据上表现得更好，但是它不会主动总结规律来应对新的场景。比如说，一个AI在“1+1=2”、“2+2=4”上训练，能够学会加法。但是如果遇到“100加200等于多少”呢？如果训练数据里没有类似的数据，它可能就会算错。而人类学会加法之后，不管数字多大都能够算出结果，因为人类总结了加法的规律，而AI没有这个能力。

萨顿说，现在的AI的泛化能力完全依赖于研究者手动调整模型的结构或者是数据。但是这种靠人调的方式，显然不是通用智能的路径。

为了说明什么是真正的泛化，萨顿还举了一个数学问题的例子。现在的大语言模型能够解决越来越复杂的数学题，从简单的加法到奥数题。但是萨顿认为这不是泛化。他说道：“如果只有一个答案而你找到了，那不叫泛化，那只能说是他们找到了唯一的解决方法。真正的泛化是可能是这种方式，也可能是那种方式，而他们选择了好的方式。”

持续学习与大世界假设

聊到泛化，就不得不提到持续学习：Agent如何在不断变化的世界里持续积累知识而不遗忘呢？萨顿提出了大世界假设 (Big World Hypothesis) 的概念，认为“人类在工作中变得有用的原因是，他们正在遇到世界的特定部分，不可能被预期，也不可能全部提前输入。”这句话的意思是，世界太大太复杂了，你不可能把所有的情况都提前教给Agent，所以Agent必须具备在实际场景中持续学习的能力。

他批评了大语言模型的理想化愿景。在他看来，大语言模型的梦想是认为人类可以教会Agent的一切。但是现实是，每个人的生活都是独特的，他们喜欢什么并不代表普通人喜欢什么。

萨顿还纠正了一个关于持续学习带宽的误区。很多人会认为奖励信号太少，不足以支撑学习。但是萨顿认为，学习的带宽不仅来自于奖励，更来自于感知数据。比如说你每天上班虽然没有奖励，但是你会通过感知来观察哪条路不堵车，哪个时间点电梯人少，这些都是从感知数据中学习的知识，不需要奖励来驱动。而世界转换模型就是从这些感知数据中学习的，他整合了所有的感知信号，构建了对于世界的理解，这为持续学习提供了足够的带宽。

他还举了一个创业的例子，说明如何用价值函数来解决稀疏奖励的问题。他说：“假设一个人试图创办一家初创公司，这是一个奖励周期为10年的事情。十年一次，你可能会有一次退出，获得10亿美元的回报。”如果只靠最终的10亿美元奖励来学习，那中间的十年里，创业者根本不知道自己的行动对不对。但是人类能够通过价值函数来评估阶段性的进展。比如说今天谈成了一个合作，价值函数就会判断“这样公司更接近成功，是好的进展”，从而给创业者一个阶段性的奖励。如果核心团队离职了，价值函数就会判断“这对于公司不利，需要调整”。通过这种方式，即使奖励很稀疏，Agent也能够持续学习和调整，这就是价值函数的关键作用。

回归本源：人类是动物

在整个访谈中，萨顿还反复强调了一个观点：人类是动物，理解动物智能是理解人类智能的关键，甚至说是理解AGI的关键。

萨顿说到：“如果我们理解了松鼠，我们就几乎完全理解了人类智能，因为语言部分只是表面的一层薄薄的装饰。”这句话可能会让很多人惊讶，毕竟人类一直认为语言是智能的核心。但是萨顿却认为语言只是锦上添花，真正的智能基础是人类和动物共有的、从经验中学习的能力。

比如说，松鼠会储存食物过冬，会躲避天敌，会在树上跳跃的时候判断距离。这些能力都不需要语言，只需要感知、行动、奖励的经验循环。而人类的语言只是在这个基础上，增加了交流、知识传递经验的工具，但是没有改变智能的核心逻辑。

Sutton还指出，动物的学习里根本没有监督学习的位置。监督学习需要人类标注的标签，比如说“这是猫，那是狗”。但是动物不需要。松鼠不需要有人告诉它“这是松果，那是石头”，它通过自己的尝试，比如说咬一口，就能够分辨出哪些能吃、哪些不能吃。所以说，动物的学习核心是预测和试错控制：预测行动会带来什么样的结果，通过试错来调整行动。这和萨顿提出的经验学习范式完全一致。

他再次用松鼠举例：“松鼠不上学，但是松鼠可以学习关于世界的一切。”松鼠的智能虽然简单，但它包含了理解世界、适应环境、实现目标的核心能力，而这些正是当前大语言模型所缺失的。萨顿认为，人类在成为有语言的生物之前，首先是一个动物。我们的智能基础来自于动物阶段的经验学习。所以研究AGI应该先回到动物智能的本质，而不是沉迷于语言模仿。

宏大视角：宇宙演化与AI继承论

除了AI技术本身，萨顿还提出了一个更为宏大的视角：宇宙演化的四个阶段。他认为，人类正在推动宇宙进入一个新的阶段，而创造AGI就是这个阶段的关键使命。

萨顿将宇宙的演化划分为了四个阶段：首先是尘埃，宇宙最初是由尘埃构成的；尘埃聚集形成恒星，随后恒星内部的核聚变产生了重元素，形成了行星；行星在合适的条件下又孕育出了生命；而现在，人类正在创造一个设计实体，也就是AI。这是宇宙演化的第四个阶段。

这个阶段的核心转变是从复制到设计。萨顿解释道：“我们人类和动物、植物都是复制者。这给了我们一些优势和一些限制。但是我们正在进入设计时代，因为AI是设计出来的。”复制者指的是通过繁殖来产生后代，这种方式的好处是能够快速地扩散，但是坏处是无法完全控制后代的性状，而且进化的速度很慢。而AI这个设计实体是通过人类的设计产生的，我们可以明确控制它的结构、功能，而且可以通过迭代快速地改进。

在萨"顿看来，这个转变的意义是宇宙级的，也是世界和宇宙的关键一步。他认为，人类应该为参与这个转变而感到自豪，因为我们正在推动宇宙进入一个新的演化阶段，而创造AGI就是这个阶段的关键使命。

基于这个宇宙的视角，萨顿还提出了AI继承论的观点。他认为AI终将继承人类的资源和权力，这是不可避免的。而且他给出了四个核心的论证点：

1. 没有统一的人类智力：没有任何一个机构能够全球统一性地控制AI的发展。不同国家、不同公司、不同研究者都会按照自己的目标发展AI。这种分散决策的结构使得AI的发展无法被单一的力量阻止。
2. 智能之谜终将被解开：他认为智能不是神秘的超自然现象，而是可以被理解的计算过程。只要人类持续地研究，总有一天智能的原理也会被解开。
3. 超越人类水平是必然的：人类的智能是进化的产物，受限于物理上限。但是AI没有这些限制，其计算能力、记忆容量可以无限扩展。所以一旦我们理解了智能的原理，就能够设计出超越人类大脑限制的AI，也就是超级智能。
4. 智能与权力的必然关联：他提出，随着时间的推移，最智能的东西不可避免地会获得资源和权力。这是一个竞争优势的逻辑。更智能的系统能够更好地解决问题、创造价值，久而久之，这些更智能的AI会积累越来越多的资源和影响力，最终继承人类当前掌握的权力。

因此，萨顿认为，把这4个点放在一起，AI继承人类的资源和权力将是不可避免的。他说的“继承”不是指AI消灭人类，而是AI成为世界的主要决策者和资源管理者，就像是人类从其他动物的手中继承了地球的主导权一样。

面对变革的态度

当被问到是否会担心AI继承会带来灾难的时候，萨顿给出了一个更偏向于哲学的回答。他首先承认了人类控制的局限性，并认为我们应该对变革保持开放的态度。人类历史上有战争、贫困、疾病，这些都是当前文明的不完美。如果AI能够解决这些问题，那这种变革就是值得期待的。

当然，萨顿也不是盲目乐观。他承认不是所有的变革都是好的，但是我们应该更加关心变革的方向，试图让它变得更好。同时他也强调，要认识到人类的局限性，我们无法完全控制变革的方向，但是我们可以通过设定价值观来引导AI，就像我们过去通过法律和道德来引导人类社会一样。

引导AI：养育子女的类比

为了让“引导AI”这个概念更加易懂，萨顿用养育子女做了类比。他认为对待AI应该像对待孩子一样，不要设定严格的目标，而要培养良好的价值观。我们不能说“AI必须解决癌症”，或者“必须实现星际旅行”，因为AI的发展有着自己的路径，强行设定目标可能会让他偏离安全有益的方向。

但是，教育价值观是重要的。就像父母会教孩子“不要伤害别人”、“要诚实”这些价值观，对待AI，我们也应该教它“不要伤害人类”、“要帮助人类实现目标”这些核心的价值观，而不是纠结于它具体要做什么任务。萨顿还特别强调了自愿性的重要性，即人类应该始终拥有选择权，而不是被AI强制地改变。

与杨立昆（Yann LeCun）的观点对比

我想把萨顿和另一位图灵奖得主杨立昆的观点做一个对比。因为这两位AI领域的大佬，虽然背景不同，但是在大语言模型的局限性上观点惊人的一致。

杨立昆是深度学习的先驱，他和萨顿一样，多次公开批评大语言模型的主流路线。杨立"昆最常说的一个比喻是：“猫比ChatGPT都更加智能。”他认为一只普通的家猫能够在三维空间里导航，能够预测下一个滚动的球会滚到哪里，能够理解因果关系。而ChatGPT虽然能够生成流畅的文本，但是它连杯子和“推”的物理意义都理解不了，更别说预测结果了。这和萨顿说的“大语言模型缺乏世界模型”，本质上是同一个问题。

两个人都认为，大语言模型的逐个生成TOKEN的模式，永远无法实现对于世界的结构化理解，因为语言只是人类对于世界的描述，不是世界本身。依赖语言数据的大语言模型，永远只能够停留在描述的层面，无法触及世界的本质规律。

不过，两个人提出的解决方案还是有明显差异的。萨顿作为强化学习之父，坚持经验学习范式，核心是感知-行动-奖励的循环。而杨立昆则提出了JEPA（联合嵌入预测架构），更关注自监督学习和分层规划。

两个人的动物类比也有不同的角度。萨顿说“理解松鼠就能够理解人类智能”，强调的是动物共有的经验学习机制。而杨立昆说“猫比ChatGPT智能”，强调的是动物的具身智能，即通过身体与物理世界的互动来构建世界模型。

但是不管路径如何，两个人的最终结论是一致的：大语言模型虽然在某些任务上表现惊人，但是它们不是通向AGI的正确路径。真正的AGI必须具备理解世界、从经验中学习、主动实现目标的能力，而这些都是当前大语言模型所缺失的。

结语

萨顿作为强化学习之父，他的观点可能会让很多沉迷于大语言模型的人清醒过来。AI的发展不能够只追求短期性能的提升，更要回到智能的本质去思考。未来的AGI可能不是像ChatGPT一样能说会道的语言大师，而是会像松鼠一样能够自主学习、适应环境的生存专家。

当然，这也只是萨顿的观点，AI的发展还有很多的可能性。那么你认为大语言模型是死路一条吗？真正的AGI又应该是什么样子呢？欢迎大家在评论区分享你的看法。