强化学习之父预测，2030年诞生类人通用AI概率为25%

2030年，普通人仅需几千元就能获得人脑同等的算力；同年，诞生类人水平通用人工智能的概率达25%。这可不是科幻小说的臆想，而是2024年图灵奖得主、“强化学习之父”理查德·萨顿教授在上海创智学院授课时给出的预测。先说说最重要的结论：时间表已经很近了。

7月6日，由上海创智学院、上海交通大学人工智能学院、Openmind研究院联合主办的2026强化学习暑期学校正式开班，萨顿亲自担任主讲导师。这场为期三周的活动，也是他首次来华开设完整的、体系化强化学习专项课程。有意思的是，虽然当下各类大模型和行业应用AI正处在风口浪尖，萨顿却给出了一个有点“反潮流”的建议——他呼吁研究者不要困在短期的AI应用里，而是要回归智能本质的研究。这其实点出了一个核心矛盾：大家都在追热点，但通向AGI的真正路径，可能并不在热点上。

随着高水平国际前沿学术资源落地上海，上海创智学院等机构正在为国内青年科研工作者搭建一个能与全球顶尖学者深度交流、系统研习强化学习前沿理论的专业平台。

有望创造远超人类水平的通用智能体

作为强化学习领域的奠基人，萨顿的《强化学习导论》已经是全球公认的经典教材，不少从业者都是看着这本书入的门。在首堂课上，他穿着和台下青年学子同款的白色校服，用惯用的左手在黑板上写下了他对强化学习本质的理解：Continual decision making to max reward over time。翻译过来就是，在不间断的环境交互中持续决策，以实现长期收益最大化。这个定义本身就点出了强化学习与传统AI模式的核心差异。

萨顿的预判相当笃定：本世纪内，人类有望拆解智能的底层原理，创造远超人类水平的通用智能体。在他看来，这项突破将重塑人类的工作、生活、自我认知与社会发展方向，这甚至会是人类文明史上最伟大的智力成就。

具体来看，不妨把萨顿的四个核心预测拆开来讲：算力性能呈指数级增长，每5年提升10倍，而AI创造的价值也同步实现增长；到2030年，仅需1000美元就能购买达到人脑计算规模的算力；2030年出现人类水平通用人工智能的概率为25%；最后，算力的爆炸式增长，会倒逼学界研发可规模化拓展的强化学习算法。

这背后的逻辑其实很直白：随着硬件算力成本持续走低，2030年，人脑级别的算力将普及大众。但问题来了，传统的静态、离线训练模式根本无法适配海量算力资源。只有以实时交互经验为数据、全程在线迭代、具备无限拓展能力的强化学习框架，才能匹配未来算力的发展趋势。就像萨顿自己说的：“硬件算力越来越便宜，未来每个人都能负担。因此，一套能适配所有场景、可规模化拓展的通用学习算法，才是当下AI最稀缺的技术。”

大模型存在天然短板，通用AI必须不依靠人类自主学习

萨顿的观点一直很鲜明，他去年就公开提出过，当前试图利用大语言模型通往AGI的路径，可能是一条“死胡同”。这并非危言耸听，而是基于对智能本质的深入理解。

他强调，如今的AI模式存在天然短板。核心问题在于“算力永远不够用”，现实世界的复杂程度远超计算资源的上限。真实世界包含海量人类个体的心智活动，而按照静态数据、人工标注、传统算法运行的智能体，永远无法精准、完整地捕捉环境全部状态，也难以构建完备的最优策略与价值函数，只能通过持续学习得到近似解决方案。换句话说，这条路走到黑，天花板也清晰可见。

在萨顿看来，智能的本质是与外部世界动态交互、持续迭代、更新自身模型，而不是仅仅通过静态数据模仿人类行为。针对真实场景落地的痛点，他提出了新一代通用人工智能必须满足的四大标准：实时在线学习、不依赖人工预设先验知识、兼顾算力开销与响应速度、靠环境自主交互生成训练数据。

为了说清楚这个道理，他举了围棋的例子。早期以AlphaGo为代表的AI，完全依赖人工注入围棋棋理规则等领域专业知识，发展缓慢，折腾半天也只能在特定领域逞威。而以AlphaZero为代表的通用算法，仅依靠自身与环境交互、自我博弈完成学习，不依赖人类先验知识，最终实现了能力飞跃。这个案例很典型地证明了“自我交互学习”才是智能的底层逻辑。

如今，萨顿正在整合心理学、神经科学、经济学等六大学科，试图构建一个统一的智能体运行模型，并主导推出了“阿尔伯塔计划”。这个计划的核心是基于模型强化学习的Oak架构，通过优化基础强化学习算法来适配终身持续学习场景。从某种意义上说，这为破解通用人工智能难题提供了一条完整可行的研究路线，也是目前最值得关注的方向之一。