David Silver为何押注“经验时代”而非人类数据？AI范式转变

落地技巧让一些原本边缘的能力 suddenly 变得重要起来，比如跨部门协作和快速实验的文化。这可能是比工具本身更深层的影响。

Ineffable的superlearner战略，正是把这一理论落地。它要构建的系统像生物一样，在数字环境中通过持续trial and error积累经验，目标是让AI成为真正的自学者，而非数据消费者。Silver视此为一生工作，融资后将加速RL在游戏、数学、科学模拟等规则清晰场景的突破。短期内，这可能带动资本从LLM集中转向经验驱动项目，资源分配出现微妙调整。

当然，这条路径的挑战同样突出。样本效率低，现实世界的奖励函数难以精确定义，早期训练成本高且波动大。把复杂任务转化为可优化的信号，往往需要大量工程投入。数据支持这个方向，但样本量有限。相比LLM的“拿来主义”，强化学习更像从第一性原理重建智能，需要耐心和算力。值得持续跟踪，现在下结论为时尚早。

行业观察多年，我个人更倾向于认为强化学习将成为AI长期范式的关键补充，甚至潜在替代。人类数据时代已接近尾声，再怎么合成或精炼，也绕不开内在局限。只有让AI通过自我试错生成可持续经验，才可能实现质的智能跃迁。这个方向是对的，但执行难度远高于表面。AI下一站究竟会如何演进，仍需观察Ineffable Intelligence后续的技术落地。

David Silver在公开表态中将人类数据比作化石燃料——它提供了一次性捷径，却存在清晰的上限。LLM再强大，本质上仍是复用存量知识，难以生成真正原创的突破性洞见。

Ineffable的阵容组建，正把DeepMind积累的人才优势转化为创业动能。类似DeepMind早期依靠紧密网络效应建立领先的案例，如今在创业场景中重现。这不仅放大实验室到产业的转化效率，也标志着顶尖研究员开始主动选择更灵活、更具风险回报的平台。方向是对的，但现实更复杂，人才流动的速度与技术验证周期之间，仍存在明显张力。

年4月27日，TechCrunch报道了DeepMind强化学习元老David Silver创办Ineffable Intelligence的消息。这家伦敦实验室成立仅数月，便以51亿美元估值完成1.1亿美元种子轮融资，核心目标是打造“超级学习者”——完全通过强化学习从自身试错经验中发现知识，而非依赖人类生成数据。

然而，向通用超级智能扩展时，挑战迅速显现。现实世界缺乏明确的“胜负”反馈，探索空间呈指数级爆炸，样本效率极低往往需要天文数字级的试错。早期RL在Atari等简单游戏中虽有突破，却长期难以泛化到复杂机器人或开放场景，历史类比在这里很说明问题。但Silver的“经验驱动”路径仍有突破潜力，尤其若与世界模型结合实现高效模拟，我的判断是——但这个判断可能需要后续论文验证。

Silver本人的AlphaZero提供最直观的类比。它从零开始，只知规则，不碰任何人类棋谱，通过自我对弈和强化学习，几天内便达到超人类水平，发明了人类棋手未曾想到的策略。这一过程证明，纯经验驱动结合大规模计算，能让系统发现第一性知识，而非仅仅模仿二手数据。Sutton的经典《The Bitter Lesson》早已预言，长期胜出的总是那些充分利用计算的通用方法，而非依赖人类知识注入的短期捷径。

深入拆解技术可行性，AlphaZero的确为“AI 无人类数据”提供了有力证据。在状态空间有限、胜负反馈明确的封闭系统中，纯RL通过海量自对弈能高效优化策略和价值函数，甚至发现人类未曾设想的新玩法。这套经验驱动机制在DeepMind时期已被反复验证，展示了在特定领域绕过人类知识天花板的潜力。

媒体报道普遍聚焦Silver的传奇履历：他主导开发的AlphaGo和AlphaZero，通过纯自对弈从零掌握复杂游戏规则，无需任何人类棋谱指导。公司网站将这一雄心比作“媲美达尔文定律的突破”，意在解释并构建所有智能。多数业内观点视此为RL对LLM的正面冲击，乐观者认为它可能开辟通往超级智能的新路径。

数据与判断之间，始终需要保持足够的缓冲与开放心态。