来自 向阳乔木（@vista8）的推文线程

為了方便觀看視頻，整理視頻中出現的AI名詞。 強化學習（Reinforcement Learning, RL） 想像你在教小孩騎腳踏車。 你不會給他一本《騎車標準動作手冊》，而是讓他自己試，摔了疼（懲罰），騎穩了開心（獎勵）。 多試幾次，他自然學會了。 這就是強化學習的核心：從經驗中學習，目標驅動。 薩頓（就是拿圖靈獎那位）認為這才是真正的AI 基礎。 智能體做動作，感受結果，然後調整策略去拿更多獎勵。 就像你打遊戲，死了重來，慢慢摸清套路。 大型語言模型（LLMs） 像是Gemini 、ChatGPT、Claude是另一套邏輯。 它們的任務很簡單：猜下一個字。 餵給它海量文本，讓它學會"人類通常會這麼說話"。 但薩頓覺得這是一條死路，為什麼？ 因為它只是在模仿，沒有真正的目標，也不是從真實經驗裡學的。 就像背了一堆食譜的人，不一定真會做菜。 世界模型（World Model） 你丟一個球，不用真扔，腦子裡就能預判它會落哪裡。 這就是世界模型，你對物理規律的理解。 薩頓說，LLMs 沒有這個。 它們只能預測"人類會說什麼"，但預測不了"真實世界會發生什麼"。 目標（Goal） 有目標，才叫智能。 沒目標的系統，就像只會重複你話的鸚鵡。 RL 裡的目標會轉換成獎勵訊號，告訴系統"這樣做是對的"。 對松鼠來說，目標是找​​到堅果。 對AlphaGo 來說，目標就是贏棋。 那LLMs 的目標是什麼？ 薩頓覺得"預測下一個字"不算實質目標。 經驗vs 訓練數據 經驗是你真實做了某件事，看到後果。 摸了熱水壺，燙到了，下次就知道別碰。 訓練資料是別人告訴你"熱水壺會燙"。 你記住了，但沒真切體會過。 薩頓強調，真正的學習必須來自經驗。 時序差分學習（TD Learning） 薩頓的得意之作。 解決的問題是：怎麼從長期目標倒推短期行動？ 下棋時，你走一步不知道好壞，要等到最後才知道輸贏。 TD Learning 讓系統能預測"這步棋會讓局面變好還是變壞"，然後立刻調整策略。 就像你邊走邊修正導航路線，不用等到終點才知道走錯了。 價值函數（Value Function） 給每個狀態打分數："現在這情況，有多大機率達成目標？" 分數升了，表示剛才那步走對了，繼續加強。 分數降了，表示搞砸了，下次別這麼乾。 狀態表徵（State Representation） 對"我現在在哪裡？" 的感知。 你走進一個房間，瞬間就知道這是廚房還是臥室。 AI 也需要把感測器資料轉換成"狀態"，才能決策。 轉換模型（Transition Model） "如果我這麼做，會怎樣？" 的因果模型。 你知道推門會開，按開關會亮燈。 這是你對世界物理規律的理解。 薩頓說，這才是他唯一想稱為"模型"的東西。 《苦澀的教訓》（The Bitter Lesson） 薩頓2019 年寫的文章，核心觀點：別把人類知識硬塞給AI，讓它自己學。 歷史一再證明，那些依賴人類專家知識的"聰明方法"。 最後都輸給了"用大算力暴力學習"的笨方法。 LLMs 看起來印證了這一點（用海量資料訓練）。 但薩頓覺得它們最終會成為反例，因為缺了"從經驗學習"這一環。 摩拉維克悖論（Moravec's Paradox） 人類覺得容易的，AI 覺得難。 人類覺得難的，AI 覺得容易。 讓AI 解奧數題，小菜一碟。 但讓它像嬰兒一樣學走路、抓東西？看看現在機器人的進度。 AI 演替（AI Succession） 薩頓的大膽預測：數位智慧終將取代人類成為主導力量。 不是科幻片裡的機器人起義，而是進化的必然。 就像當年單細胞生物進化出多細胞生物。 現在輪到"設計出來的智慧"接棒"自然演化的智慧"了。 他管這叫設計時代（Age of Design）。 我們不再依賴基因複製，而是直接設計智能體，並且完全理解它們如何運作。 TD-Gammon 1990 年代，傑瑞·塔薩羅用TD Learning 訓練了一個玩西洋雙陸棋的AI，打敗了世界冠軍。 這是強化學習第一次證明自己。 AlphaGo / AlphaZero 你一定聽過AlphaGo 戰勝李世石。 但更厲害的是AlphaZero，它完全靠自我對弈學習，不需要人類棋譜，最後下出了人類從未見過的招法。 薩頓特別提到，AlphaZero 會犧牲棋子換取位置優勢，這種"不貪眼前利益"的風格，連人類高手都覺得驚艷。 MuZero DeepMind 的另一部作品。 有趣的是，它不是一個"通用智能體"，而是一個訓練框架，每次還是要針對具體遊戲訓練專門的智能體。 這也反映了現在AI 的限制：還做不到真正的通用智能。 幾個關鍵人物 Richard Sutton強化學習之父，圖靈獎得主，發明了TD Learning 和Policy Gradient John McCarthy，定義智能為"實現目標能力的計算部分" Alan Turing，說過"我們想要一台能從經驗中學習的機器" Joseph Henrich，研究文化演化，解釋人類如何透過模仿傳承複雜技能。