a股怎么加杠杆与环境交互的强化学习在人工智能未来发展中

　　人工智能未来技术发展方向是什么？如何实现通用人工智能（AGI）？今天下午举行的2025世界人工智能大会（WAIC）科学前沿全体会议上，2024年图灵奖得主、美国阿尔伯塔大学计算机科学系教授理查德·萨顿以连线方式做了主旨演讲，认为人工智能应从“数据时代”迈向“体验时代”，借鉴婴儿学习方式，通过体验外部世界获得越来越多的知识和能力，最终产生通用人工智能体，即具有高效的学习和泛化能力，能根据所处的复杂动态环境自主提出并完成任务，且符合人类情感和伦理观念。

　　萨顿与安德鲁·巴托分享了2024年图灵奖，他们是强化学习的奠基人。强化学习是一种机器学习方法，让智能体在与环境的交互中通过试错来学习最优策略。智能体在环境中执行行动，并根据行动的结果接收反馈，即奖励。这些奖励信号指导智能体调整其策略，以获得最大化的长期累积奖励。人类和宠物的很多学习可看作强化学习，答对问题、成功完成任务后就能获得奖励。

　　在萨顿看来，与环境交互的强化学习在人工智能未来发展中，仍将扮演重要角色。近年来，虽然遵循规模化法则（Scaling Law）的大模型发展神速，但用于训练大模型的数据已几乎耗尽，人工智能发展的“数据时代”可能会在不久的将来落幕。

2025世界人工智能大会（WAIC）科学前沿全体会议今天下午在上海举行。

　　那么，下一个时代是什么呢？萨顿认为是“体验时代”。他在演讲中引用了人工智能奠基人艾伦·图灵在1947年说的一句话：“我们想要的是一台能够从经验中学习的机器。”所谓体验，就是从经验中学习，这是人类的一种重要学习模式。

　　萨顿向与会专家展示了一段婴儿在地上玩耍的视频。“注意看，婴儿是如何为自己创造数据的。他与玩具互动，从中学习，玩腻了就会玩下一个玩具。这个过程中产生的数据不是静态的，而是由婴儿行为定制的动态数据。”他指出，这种动态数据与训练大模型的静态数据集截然不同，它们由好奇心驱动的探索行为产生，通过眼睛、耳朵和四肢进入学习者身体。

　　如何让人工智能像婴儿那样，学习动态数据？一方面，要加快发展具身智能，让拥有眼睛、耳朵和四肢的机器人与外部世界交互，获得数据集以外的知识和能力。另一方面，要充分发挥强化学习的潜能，研发更好的强化学习算法，使智能体可以像人类那样持续学习，消除人工神经网络的“灾难性遗忘”缺陷。

　　在具身智能领域，上海科研团队已有新的突破。科学前沿全体会议上，上海人工智能实验室青年科学家庞江淼发布了“书生”具身全栈引擎（Intern-Robotics）。