#44 强化学习之父萨顿：LLM是条死胡同，学习的本质，智能体与人类的关系

播客翻译计划 · Oct 6, 2025 · 47m

📝 本期播客简介

本期深度对话强化学习之父、2024年图灵奖得主理查德·萨顿。作为《苦涩的教训》作者，他提出颠覆性观点：大语言模型（LLM）本质是条死胡同。萨顿指出，LLM无法实现「在职学习」，无论规模如何扩展，终需全新架构支持持续学习能力。真正的智能应像人类和动物般实时学习，这将彻底淘汰当前LLM范式。

节目中，主持人试图论证LLM可能成为经验学习的基础架构，双方观点激烈碰撞——从「模仿学习是否人类认知基础」到「世界模型本质差异」，从「数学推理能力假象」到「动物学习机制启示」。萨顿更揭示强化学习领域最大痛点：现代深度学习泛化能力薄弱，缺乏自动化迁移技术。

⚙️ 本期嘉宾

理查德·萨顿（Richard Sutton），强化学习奠基人，时序差分学习与策略梯度算法发明者。现任阿尔伯塔大学教授，其研究重塑了人工智能发展轨迹，2024年因「奠定现代强化学习基础」获图灵奖。

🌟 精彩观点

🧠 「智能的本质是目标导向」

萨顿援引约翰·麦卡锡定义强调：智能是实现目标能力的计算部分。LLM的「下一个词预测」并非实质性目标，无法改变世界。真正的智能需在行动中获取奖励信号，而LLM缺乏定义奖励的基准真相。

🚫 「语言模型没有世界模型」…