突破智能边界：迈向通用人工智能的新纪元

原标题：强化学习之父Richard Sutton：AGI研究的下一个范式
文章来源：人工智能学家
内容字数：23996字

文章要点总结

随着AI技术的发展，尤其是大型语言模型的崛起，研究者Richard Sutton对深度学习的现状提出了批评。Sutton认为，当前的深度学习主要依赖瞬态学习，缺乏持续学习的能力，这使得AI在面对复杂环境时的适应性不足。

1. 强化学习的早期灵感

Sutton从上世纪70年代就对强化学习产生了兴趣，认为与外界互动并从中学习是智能的核心。他指出，许多早期AI研究忽视了建立目标的重要性，偏重于模式识别。

2. 线性与非线性的两难选择

在强化学习中，Sutton强调需要建立世界模型，并在多个时间尺度上进行学习。当前的非线性学习虽然取得了一定成功，但往往牺牲了持续学习的能力。

3. 深度学习做的是瞬态学习

他认为，深度学习主要实现的是瞬态学习，即在特定阶段后不再学习，缺乏对新信息的适应能力。

4. 持续学习的重要性

Sutton呼吁研究者关注如何实现持续学习，认为这对于构建智能系统至关重要。他希望能够在保持非线性学习的同时，实现持续学习的能力。

5. 单一目标就是获得奖励

他提出，所有目标追求都可以理解为对单一外部奖励信号的最大化，强调理解大脑如何通过试错学习来实现目标的重要性。

6. 关于智能的预测

Sutton对未来的预测是，到2030年我们可能对智能有更深入的理解，技术将会发生显著变革，这将改变我们对自身与AI的认知。

7. 对研究者的建议

Sutton建议研究者保持写作习惯，记录自己的想法，并对当前的流行趋势保持中立，选择有意义的问题进行研究。

总之，Richard Sutton对AI领域的未来充满期待，但同时也指出了当前深度学习的局限性，呼吁更深入的研究以推动智能系统的持续学习能力。

联系作者

文章来源：人工智能学家
作者微信：
作者简介：致力成为权威的人工智能科技媒体和前沿科技研究机构