在近期举办的全球人工智能大会上，2024年图灵奖得主、强化学习领域先驱理查德·萨顿接受了媒体专访。这位被业界称为"智能架构师"的学者，围绕人工智能技术路径分化、具身智能发展及科研人才培养等议题展开深度探讨，其关于"经验学习"的论述引发广泛关注。
针对当前AI产业过度依赖人类数据的现状，萨顿直言不讳地指出行业存在发展偏差。他通过对比AlphaGo时期的技术突破与近年的产业实践，强调模拟经验自学习路径的巨大潜力。"当大模型参数突破万亿级，行业却陷入数据依赖的路径依赖，这违背了智能进化的本质规律。"他以人类婴儿的认知发展为例，阐释智能体应具备通过有限样本自主塑造行为的能力，"真正的突破不在于处理更多数据，而在于用更少数据实现更高效学习"。
在技术架构层面，萨顿提出颠覆性解决方案。他领导的Oak Lab实验室正研发基于并行架构的类脑计算系统，通过消除数据在存储与处理器间的迁移损耗，实现能效的指数级提升。"人类大脑以60瓦功率处理复杂任务，而当前数字计算架构的能效比存在三个数量级的差距。"他透露新公司已完成首轮融资，多家科技巨头表现出合作意向，这印证了资本市场对"经验学习"路线的认可。
具身智能领域，萨顿披露了"机器人幼儿园"项目的最新进展。这个由Openmind与国内科技企业联合研发的实验平台，通过构建可承受高强度物理试错的机器人系统，突破传统设备的耐用性瓶颈。"我们让机器人像幼儿学习行走那样，在持续数月的试错中积累经验。"他特别强调这种技术路径对养老护理等人力密集型产业的变革意义，"当机器人具备自主进化能力，劳动力短缺问题将得到根本性缓解"。
面对青年科研人员，萨顿给出兼具哲学意味与实践价值的建议。他援引计算能力每18个月翻番的摩尔定律，指出在技术快速迭代的背景下，构建可深度解构的认知体系比追逐热点更重要。"不要盲目接受权威观点，每个研究者都该是自身结论的第一责任人。"他推荐通过每日写作训练思维严谨性，"坚持一年以上，你会在逻辑表达中发现自己认知的进化轨迹"。
当被问及通用智能技术奇点何时到来时，这位以精准预测著称的学者保持审慎态度。他展示的产业调研数据显示，主流机构对技术突破时间点的预估跨度达30年（2030-2060年）。"比起预测具体年份，更重要的是建立可适应技术变革的认知框架。"他以正在研发的20瓦级万亿参数模型为例，说明智能效率提升可能带来远超预期的产业影响。
