2030年，普通人只需花费数千元，就能获得与人类大脑同等的计算能力；同年，诞生人类水平通用人工智能（AGI）的概率为25%。这并非科幻小说的虚构情节，而是2024年图灵奖得主、“强化学习之父”理查德·萨顿教授在上海创智学院授课时分享的前瞻性预测。首先需要明确的关键结论是：这一时间表已近在眼前。

7月6日，由上海创智学院、上海交通大学人工智能学院、Openmind研究院联合主办的2026强化学习暑期学校正式开班，萨顿教授亲自担任主讲导师。这场为期三周的活动，也是他首次来华开设完整且体系化的强化学习专项课程。值得注意的是，尽管当前各类大模型和行业应用AI正处于风口浪尖，萨顿却提出了一个颇具“反潮流”色彩的建议——他呼吁研究者不要局限于短期的AI应用，而是应当回归智能本质的探索。这实际上揭示了一个核心矛盾：大家都在追逐热点，但通往AGI的真正路径，或许并不在这些热点之上。

随着高水平国际前沿学术资源落地上海，上海创智学院等机构正在为国内青年科研工作者搭建一个能与全球顶尖学者深度交流、系统研习强化学习前沿理论的优质专业平台。

有望构建超越人类智能的通用智能体

作为强化学习领域的奠基人，萨顿的《强化学习导论》已是全球公认的经典教材，众多从业者正是通过这本书入门。在首堂课上，他身着与台下青年学子同款的白色校服，用习惯的左手在黑板上写下了他对强化学习本质的理解：Continual decision making to max reward over time。翻译过来就是，在不间断的环境交互中持续决策，以实现长期收益最大化。这个定义本身便点明了强化学习与传统AI模式之间的核心差异。

萨顿的预判十分笃定：本世纪内，人类有望拆解智能的底层原理，创造出能力远超人类的通用智能体。在他看来，这一突破将全面重塑人类的工作、生活、自我认知与社会发展方向，这甚至有可能是人类文明史上最伟大的智力成就。

具体而言，可以将萨顿的四个核心预测拆解开来分析：算力性能呈指数级增长，每5年提升10倍，同时AI所创造的价值也同步增长；到2030年，仅需1000美元就能购买达到人脑计算规模的算力；2030年，出现人类水平通用人工智能的概率为25%；最后，算力的爆炸式增长，将倒逼学界研发可规模化拓展的强化学习算法。

这背后的逻辑其实非常直白：随着硬件算力成本持续下降，到2030年，人脑级别的算力将普及于大众。但问题在于，传统的静态、离线训练模式根本无法适应海量的算力资源。只有依托实时交互经验作为数据、全程在线迭代、具备无限拓展能力的强化学习框架，才能匹配未来算力的发展趋势。正如萨顿本人所言：“硬件算力越来越便宜，未来每个人都能负担。因此，一套能适配所有场景、可规模化拓展的通用学习算法，才是当下AI领域最稀缺的技术。”

大模型存在天然短板，通用AI必须依靠自主非人类学习

萨顿的观点一直非常鲜明，他去年就曾公开提出，当前试图利用大语言模型通往AGI的路径，可能是一条“死胡同”。这并非危言耸听，而是基于对智能本质的深入理解。

他强调，当下的AI模式存在天然短板。核心问题在于“算力永远不够用”，现实世界的复杂程度远超计算资源的上限。真实世界包含海量人类个体的心智活动，而依靠静态数据、人工标注和传统算法运行的智能体，永远无法精准、完整地捕捉环境的全部状态，也难以构建完备的最优策略与价值函数，只能通过持续学习来获取近似解决方案。换句话说，沿着这条路走到黑，天花板也已清晰可见。

在萨顿看来，智能的本质是与外部世界动态交互、持续迭代并更新自身模型，而不仅仅是依靠静态数据来模仿人类行为。针对真实场景落地的痛点，他提出了新一代通用人工智能必须满足的四大标准：实时在线学习、不依赖人工预设先验知识、兼顾算力开销与响应速度、依靠环境自主交互来生成训练数据。

为了清晰阐述这一道理，他举了围棋的例子。早期以AlphaGo为代表的AI，完全依赖人工注入围棋棋理规则等专业领域知识，发展缓慢，最终也只能在特定领域逞威。而以AlphaZero为代表的通用算法，仅仅依靠自身与环境交互、自我博弈完成学习，不依赖任何人类先验知识，最终实现了能力的飞跃。这个典型案例充分证明了“自我交互学习”才是智能的底层逻辑。

如今，萨顿正在整合心理学、神经科学、经济学等六大学科，试图构建一个统一的智能体运行模型，并主导推出了“阿尔伯塔计划”。该计划的核心是基于模型强化学习的Oak架构，通过优化基础强化学习算法来适配终身持续学习场景。可以说，这为破解通用人工智能难题提供了一条完整且可行的研究路线，也是目前最值得关注的方向之一。