面对汹涌而来的AI热潮，图灵奖得主却直呼AI“弱小”。

　　7月17日，2026世界人工智能大会主论坛现场，图灵奖得主、“强化学习之父”、阿尔伯塔大学计算机科学教授理查德·萨顿（Richard Sutton）直言：当前AI“比较弱小且不可靠”，依托人类静态数据训练的大模型范式已经不够，人工智能即将进入以智能体第一视角交互经验为核心的“经验时代”。

　　萨顿明确表态，支持开幕式上提出的全球AI治理合作、共赢与构建伙伴关系的理念。在他看来，大模型在语言、图片、视频生成上的突破确实催生新产业，带来真实的经济价值，但很多人混淆了计算能力和真正的智能，“现在的AI本质上还是大规模模式识别，核心是把人类已有的知识整理后再交付给用户，并没有自主发现新知识的能力，在完整思考链条上依然存在明显缺陷。”

　　百年来，学界对于智能有不同定义：心理学之父威廉·詹姆斯将智能定义为“用不同手段达成同一目标的能力”；大众熟知的“像人一样行动”的图灵测试，其实是误解——图灵本人从未提过“图灵测试”的说法，最初的概念是“模仿游戏”，他本人并不认为“像人”是AI的终极判断标准。

　　字典对智能的定义是“获取和运用知识技能的能力”；人工智能之父明斯基则提出，智能是“通过计算达成目标的能力”。

　　萨顿给出了自己的定义：智能是通过行为适应来实现目标的能力。

　　他提出，学界应当建立一门统一的“心智科学”，涵盖人类、动物、机器的所有智能形式，寻找不同智能的共同规律——所有智能都是为了实现目标随时间采取行动，而未来更多的智能将是机器智能，强化学习正是这门统一心智科学的起点。

　　“我们现在还处于人类数据时代，所有AI都是在训练预测人类文本的下一个词、预测人类标注的标签，再由人类专家做微调，本质上都是把人类的知识转移给机器。”他明确指出，这条路径已经走到极限：高质量的人类公开数据即将被耗尽，而这套范式从根本上无法让AI生成真正的新知识。

　　接下来AI将进入“经验时代”，需要全新的、可持续增长的数据来源——不是预先准备好的静态数据集，而是智能体自己在和世界交互过程中获得的第一视角经验。“这些数据是智能体和环境之间高速来回传递的信号：它做了什么动作、得到了什么感知、获得了什么奖励，这些信号定义了智能体的目标，也是人和动物学习的根本方式。”

　　无论从靠自我对弈击败人类棋手的AlphaGo，到近期在国际奥数竞赛中取得好成绩的AlphaProof，走的都是这条经验学习的路径。现场萨顿播放了一段婴儿玩玩具的视频：婴儿学习时没有预先准备好的数据集，他的动作决定自己能获得什么输入，玩完一个玩具再换下一个，自己生成的数据刚好匹配他当下的认知水平和学习需求——这就是经验学习最本质的形态。

　　无论是足球运动员瞬间判断球路、棒球手零点几秒内决定挥棒动作，还是飞鸟、狮子的捕猎行为，甚至人和人之间的实时对话，本质上都是这种高带宽的、基于第一视角经验的实时交互，而非靠预先背诵人类已有的数据。

　　在萨顿看来，智能的本质就是构建这种感知和行动的交互闭环：“一个智能体真正的智能，体现在它能预测和控制自己的经验流。如果没有第一视角的经验，根本谈不上智能。”

　　他认为，当前大语言模型存在根本局限性：它们没有内置的奖励信号，不知道什么行为是好的、什么是坏的，本质上没有自己的目标；它们也没法真正区分真假，因为没有第一视角的经验去验证自己的预测对不对——它们只知道文本里出现过什么，却不知道真实世界里什么会真的发生。而基于经验的AI有奖励、有目标，能通过真实世界的反馈验证自己的判断，这才是真正的智能。

　　早在人工智能学科诞生前，图灵就提出，人类需要的是一台能从经验中自主学习的机器，“这个想法非常基础，也非常深刻，但它一直没有成为现代AI的核心，直到现在。”他引用维克多·雨果的名言“恰逢其时的思想，势不可挡”表示，AI从经验中学习的时代正在到来。

　　萨顿认为，当下行业对AI有很多炒作和恐惧，但必须承认现在的AI还很弱小、不可靠，会产生幻觉、会输出错误信息，只是它已经足够有用、催生了新的产业，能让所有人都用上。

　　“现在的AI还不是真正的自主智能，我们还没有迎来超级智能时代，也没有到智能全面增强人类的阶段，但巨大的变革正在发生，这场变革应当由人类推动，成果也应当属于人类。”萨顿在演讲最后总结，“欢迎来到经验时代。”