WAIC 2026：图灵奖得主萨顿称大模型无原生智能，AI进入经验时代

在2026年WAIC首日，图灵奖得主理查德·萨顿发表主题演讲，直指当前大语言模型（LLM）缺乏“原生智能”。萨顿认为，模型表现出的推理、理解等能力，本质上是海量训练数据中统计模式的映射，而非模型自身的认知能力。这一论断挑战了业界对LLM“涌现能力”的普遍乐观叙事。

萨顿进一步指出，支撑LLM性能的高质量数据资源正在逼近极限。人类生成的高质量文本、标注数据等已接近枯竭，继续依赖传统数据驱动模式将面临收益递减。这一观察与近期多篇研究论文中“数据墙”的警告相呼应，但萨顿将其提升为范式转换的必然性。

基于上述判断，萨顿提出AI正迈入“经验时代”。在这一新阶段，AI系统不再主要依赖人类提供的静态数据，而是通过自主与环境交互、模拟试错、生成合成数据等方式，动态积累“经验”。这种经验驱动的学习更接近人类和动物的学习方式，强调从行动和反馈中持续改进。

萨顿以强化学习为例，说明经验驱动的潜力：智能体通过大量模拟交互，可以自主发现策略，甚至超越人类知识库。他暗示，未来AI的突破可能来自经验生成机制的设计，而非更大规模的静态数据集。这一观点与其在强化学习领域的深厚背景一致，但也可能低估了监督学习在特定任务中的持续价值。

萨顿作为强化学习先驱和2018年图灵奖得主，其观点在学术界具有重要分量。演讲中他引用自身研究经历和行业趋势，但未提供具体实验数据或量化指标。例如，“高质量数据逼近极限”的论断缺乏公开数据集规模或模型性能曲线的直接证据，更多是经验性观察。

需注意萨顿的研究背景可能引入立场偏见：强化学习是其核心领域，强调经验驱动符合其学术利益。此外，当前LLM领域仍有大量研究致力于提升数据效率（如小样本学习、数据合成），这些进展可能部分缓解“数据墙”问题。萨顿的演讲应视为对主流范式的批判性补充，而非定论。