David Silver为何押注“经验时代”而非人类数据？AI范式转变

然而，从认知到行动，仍存在不小的执行差距。

当前AI行业几乎把所有筹码都压在了大语言模型上。从ChatGPT到各类企业应用，大家都在疯狂堆积人类生成的文本数据，试图通过规模化模仿实现快速泛化。可就在这个节点，AlphaGo和AlphaZero的核心开发者David Silver却选择了另一条路径。

Silver的核心判断源于其在DeepMind的长期实践。AlphaZero不依赖任何人类棋谱，仅通过试错与自我对弈，就在围棋、象棋等多领域达到超人类水平。这一经验让他坚信，当前大语言模型本质上是人类知识的压缩机，擅长重组已有内容，却难以真正发现全新知识。Ineffable Intelligence的“superlearner”正是要回归纯经验路径：AI像早期进化过程一样，从空白起点与环境交互，逐步构建智能。

David Silver创办Ineffable Intelligence仅数月，便以51亿美元估值完成11亿美元种子轮融资，由Sequoia和Lightspeed领投，Nvidia、Google及英国政府等机构跟进。这笔欧洲史上最大种子轮的背后，并非单纯资本追逐明星创始人，而是他对AI发展路径的一次方向性押注：从依赖海量人类数据的“数据时代”，转向通过强化学习自主生成经验的“经验时代”。

长期来看，如果计算资源跟得上且对齐问题逐步解决，超级智能或许并非来自越堆越大的语言模型，而是源于这些“自学成才”的superlearner，它们能从开放环境中自主探索未知。这一范式转变对从业者意味着，RL技能和Agent交互设计将越来越关键。值得持续跟踪的是，经验时代能否真正主导AI轨迹，现在下结论仍为时尚早，但Silver已用声誉和巨额融资投下了明确一票。

Silver与Richard Sutton合作的论文《Welcome to the Era of Experience》提供了清晰的理论框架。他们指出，人类数据本质上是静态快照，规模再大也受限于已有知识的边界，并携带着各种偏见。在数学证明等前沿领域，纯依赖人类数据的模型已显露出增长疲态，而AlphaProof等早期系统则暗示超越人类中心方法的可能性。相比之下，经验数据由Agent通过持续试错和交互自主产生，可无限扩展且更贴近任务本质。

这一事件远不止融资新闻那么简单。它清晰地显示，AI顶尖人才正从大厂实验室向高估值创业公司加速流动。David Silver Ineffable的团队组建过程，成为观察这一趋势的关键切口。DeepMind十余年积累的强化学习专长，正在以创业形式快速向产业端转化。

这种流动并非孤例。近年来，AI顶尖研究员从大厂实验室出走加入或创办初创的案例日益增多，David Silver招募DeepMind旧将的动态，只是这一趋势的鲜明注脚。它凸显了技术路线博弈：一边是继续堆叠算力与数据的范式，另一边则是寻求摆脱人类数据依赖的新探索。若Ineffable的“超级学习者”路径获得早期验证，将进一步放大实验室到产业的转化效率，同时推高强化学习专长人才的稀缺性与估值。

Silver的核心判断在于，当前主流LLM本质上是人类知识的强大压缩机，擅长重组已知内容，却难以突破边界产生真正原创发现。相比之下，纯强化学习路径像早期AlphaZero那样，从空白状态出发与环境交互迭代，更接近达尔文式自发现机制，能解释并构建更广泛的智能法则。从2016年AlphaGo震撼世界到今天LLM主导投资，这场“数据范式 vs 经验范式”的路线之争，正因Silver的离职而变得更为公开。

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，投资方包括Sequoia、Nvidia等重量级机构。公司核心目标是打造“超级学习者”，完全通过强化学习（RL）让AI从自身试错经验中自主发现知识，而非依赖人类生成的数据。

现实中，训练LLM面临的优质数据短缺、清洗成本高企以及隐私合规压力，已让不少创业团队感到疲惫。Ineffable的选择让人联想到AlphaZero的逻辑——从随机初始状态出发，通过反复试错和自我对弈构建高效策略，无需事先灌输人类专家知识。这个转向并非简单否定LLM，而是指向一条可能避开数据天花板的长期路径。

一次性投入的做法越来越难见效，滚动优化才是常态。