2026年10月13日发布的《Training Data》访谈中,AlphaGo研究者David Silver与Lasse Espeholt介绍了他们在Ineffable Intelligence的目标:让智能体不经过人类数据预训练,直接从自身行动及其后果中学习。节目简介将“一年内出现强有力证据、三年内实现超级智能”的预测归于Silver。这是对未来的判断;现有节目材料没有提供可复核的“超级学习者”实验结果。
这家位于伦敦的研究实验室此前已获得红杉资本支持。红杉在2026年4月的合作公告中,将“超级学习者”描述为不依靠预训练或模仿,而是从经验中持续发现知识的系统。公告说明的是团队想建造什么,并不意味着这种能力已经实现。
这条路线的关键变化是训练材料从哪里来。通常从人类文本出发的预训练,会让系统先接触已经整理好的知识;Ineffable提出的目标,则是让智能体通过与环境交互,逐步形成自己的知识。节目简介把自行发现科学、数学和语言列为愿景,而非公布已完成这些任务的结果。
主持人Sonya Huang在访谈介绍中说,团队讨论了用复杂模拟世界作为训练环境:其中可以有物理引擎及大量相互作用的智能体。另一个讨论方向是给智能体相对简单的奖励目标,而不逐步指定它该发现什么。这些是研究设计的设想;环境能否产生足够丰富且有用的经验,仍要由实验回答。
Silver此前的围棋工作解释了这项计划的技术依据,也划定了类比的边界。他与合作者在2017年发表于《Nature》的论文报告,AlphaGo Zero未使用人类棋谱,在围棋规则下通过强化学习和自我对弈训练;它与此前发表的冠军版AlphaGo对战100局,以100比0获胜。这证明研究者报告的方法能在围棋这一规则明确的任务中取得很强的表现,却不能证明同一办法已能自行掌握科学、语言或现实世界中的开放任务。
模拟环境还带来另一道检验。2022年一篇机器人学习综述指出,模拟器不可避免地与现实存在差距,智能体也可能利用只存在于模拟器中的特征。这篇综述讨论的是一般迁移问题,不是对Ineffable系统的评测;但它说明,即使智能体在模拟世界取得进展,也不能直接把成绩算作现实能力。综述还区分了在环境变化下完成同类任务,与学会性质不同的新任务,前者也不能代替后者。
Huang称,团队计划在模拟环境中加快研究,并依据效果证据控制现实部署节奏。对这项研究而言,接下来值得看的不只是模拟世界里学得多快,还包括智能体能否在未见过的任务中形成可检验的知识,以及这种能力能否在现实环境中成立。目前提供的材料尚不能验证Silver的时间预测。
参考来源:
- David Silver is one of the all-time greats. He was the creator of AlphaGo, which changed the course of history by showing that neural nets could achieve superhu
- Training Data: David Silver and Lasse Espeholt of Ineffable Intelligence: A Superlearner for the Age of Experience
- Mastering the game of Go without human knowledge
- Partnering with Ineffable Intelligence: A Superlearner for the Era of Experience
- Robot Learning From Randomized Simulations: A Review
