四小时，超过两年。这不是某个新模型的跑分对比，而是David Silver用来证明一条AI路线可行的核心证据。他最近在Sequoia Capital播客Training Data里，和Lasse Espeholt一起把这条路线讲透了。

两人现在的身份是Ineffable Intelligence联合创始人。Silver的信念从博士阶段研究围棋时就定下了：实现AI的正确路径是从经验中学习、让系统自主发现知识，而不是依赖人类数据和语言。

打开网易新闻 查看精彩图片

从AlphaGo到AlphaZero的那次转身

Silver拿AlphaGo到AlphaZero的转变当证据。AlphaGo耗时约两年，研究者始终参与改进；AlphaZero放弃人类数据后，国际象棋只用四小时就超过了此前成果，围棋约两天。

他的判断很直接：越依赖人类数据和互联网知识，越难发现能带系统进入全新知识领域的算法。所以宁可在短期牺牲性能，换取大得多的潜力。放弃人类数据先验，在他看来是通往超级智能的必要选择，不是权宜之计。

不给AI定义"科学"，让它自己长出来

他们不把科学、语言逐项写进奖励函数。做法是给一个简单明确的优化目标，放进有许多可学之物的复杂环境。

Silver用进化和人类发展类比：追求适应度，或者协作、交易这类相对简单的目标，最终带出了交流、算术、工具、基础科学和数学。这类环境被称作"熔炉"，重点是从物理引擎或大量互相作用的agent中产生涌现复杂性，而不是手工设计一堆谜题。

他提出的另一个概念是"超级学习器"——给agent极其简单的优化目标，把它放进具有涌现复杂性的环境，协作、语言、算术、工具与科学等能力可能自然生长。

模拟：最快的地方，也是最安全的试验场

模拟可以无限并行、结果完全可复现，还能通过图灵完备性表达计算、经济、语言等任意有意思的结构。

Silver主张先在模拟中建立"超级智能科学"，理解多个超级智能如何和平互动、需要什么样的结构和调控手段，并把模拟中积累的证据作为进入现实世界的关卡。他也承认有些东西只能在现实世界表达，比如量子计算。

关于安全，他指出基于人类语言的监测与对齐正逼近极限。agent变强后会突破这些先验约束，出现长达百万字的推理、心里想一套行动上做另一套。

他给出的方向包括：

  • 影子行动——先观察若允许其在现实中行动会怎么做，但暂不执行
  • 让其他超级智能担任监测者
  • 用正则化约束其对世界的影响

他强调，只关注语言方法会带来麻烦。"认为人类语言就是终点，或者就是最佳推理方式，这种看法有点天真。"

20人团队，一年与三年的预测

团队约20人，刻意保持小规模以提高人均算力。年底将成为GCP上最大的Vera Rubin集群首批客户。该架构可把整个机架当作一台机器，节点间带宽高，适合强化学习快速迭代与模拟，避免额外依赖大量CPU。

Silver说一年内会出现证明路线可行的有力证据，并把实现超级智能的预期从三到五年缩短到三年，理由是编程agent能加快研究进度。

"我觉得一年之内我们就会看到非常有力的证据，证明我们走在正确的路上。"

至于那句被反复引用的话——给agent一个非常简单明确的优化目标，再把它放进一个非常复杂的环境里，里面有很多东西可以学习，看看自然界是怎么运作的。这大概就是整条路线最朴素的注脚。