图灵奖得主、强化学习奠基人Richard Sutton近日对AI实验室的核心策略提出了直接批评。在他看来，合成数据无法解决大语言模型（LLM）的扩展瓶颈，原因在于世界的复杂度远超任何模拟所能覆盖的范围。

Sutton是强化学习领域的开创者之一，他撰写了该领域的标准教科书，指导过后来参与AlphaGo项目的David Silver等研究者，并在2019年发表了影响深远的文章《苦涩的教训》。在那篇文章中，Sutton提出一个核心观点：从长远来看，只有那些能随算力扩展的AI方法——比如搜索和学习——才会胜出，而非依赖内置人类知识的方法。

打开网易新闻 查看精彩图片

在最近的一次对话中，Sutton介绍了自己与前学生Khurram Javeed共同创立的新公司Oak Lab，并谈到了当前训练方法的局限。

LLM只是"半个胜利"

在Sutton看来，大语言模型既是《苦涩的教训》的好例子，也是坏例子。好的一面在于，它们随算力实现了巨大扩展，可以简单地"吸收整个互联网"。坏的一面在于，它们恰恰在这一点上撞上了墙——互联网是有限的，而真实世界"比我们存储在互联网上的一切东西都要大得多"。到了这个节点，系统过度依赖人类知识，最终反而限制了自身发展。

当被问及合成数据能否突破这一瓶颈时，Sutton直言不讳："不，那只是一个巨大的错误。"这一判断的依据来自Javeed提出的"大世界假说"（Big World Hypothesis），该假说也是阿尔伯塔团队多年来一直在推进的研究方向。

世界太大，任何模拟都只是"微观"

"大世界假说"的核心假设是：世界具有无限复杂度，"比你的心智、比任何智能体都要复杂得多"。任何对它的模拟都只是"微观"的——一个小程序只能产生一个小世界，而这个小世界与现实并不匹配，比如错误的摩擦系数，或者对机器人电机行为的不准确建模。

Sutton还指出，真实世界中包含许多其他智能体，它们的内在运作方式根本无法通过合成数据生成。"我们不可能为其他人的心智生成合成数据。"

第二个反对理由是"人类瓶颈"。谁来判定哪些合成数据是好的、哪些是坏的？按照Javeed的论证，这需要人类专家。"你需要人类专家来分辨哪些数据集对该方法是好的、哪些是坏的，才能让这种方法扩展。所以它被人类所限制。"

举例来说，如果你想训练一架像蝙蝠一样使用回声定位飞行的无人机，首先得聘请领域专家。这让该方法受限于人类专业知识，无法规模化。即便是用模拟环境训练自动驾驶汽车，最终仍需人类来弥合模拟与现实之间的差距。

Sutton的替代方案：从自身经验中学习

Sutton提出的解决思路是让人类退出循环，让智能体从自身经验中学习。这一方向与他在《苦涩的教训》中的立场一脉相承：与其依赖人类精心构造的知识或数据，不如让系统通过与环境互动、通过自身探索来获取能力。

这一观点与当前主流AI实验室普遍采用合成数据扩展模型能力的做法形成了鲜明对比。Sutton的批评指向了一个根本性问题：当互联网数据被"喝干"之后，大语言模型的下一步扩展路径究竟是什么？

对于这个问题，Sutton给出的答案很明确：不是制造更多模拟数据，而是让智能体直接面对真实世界的复杂性，从自己的经验中学习。在他看来，这才是符合《苦涩的教训》精神的方向——让方法随算力和数据自然扩展，而不是依赖人类预先设定的知识框架。