【2026 Science x AI Summit 系列演讲切片第四期—理查德·萨顿（Richard Sutton）】

强化学习奠基人、图灵奖得主理查德·萨顿在刚刚结束的2026 Science x AI Summit 上指出：当下大部分生成式AI（包括大语言模型、图像/视频生成模型）存在一个根本性矛盾，其输出要么新颖但不优秀，要么优秀但不新颖，无法同时满足两者。

这一结论源自一个经典学术笑话：“这项研究既新颖又优秀，可惜新颖的部分不优秀，优秀的部分不新颖。”理查德·萨顿认为，这正是生成式AI的精准写照。

对于事实查询，我们不希望AI“新颖”（那叫幻觉）；对于科学与数学的突破性发现，则必须同时满足新颖与优秀。生成式AI的“模仿”本质，无法胜任这一任务。

真正的“发现”需要三个步骤：变异、评估与选择性保留。这正是进化论、科学方法与强化学习的共同逻辑。生成式AI仅有变异，缺乏运行时评估，因此无法实现选择性保留。

理查德·萨顿还指出，标准反向传播算法仅在初始化时有一次随机变异，随后网络逐渐丧失可塑性。其团队在《自然》发表的“持续反向传播”算法，通过定期重置低使用率神经元的随机初始值，使持续变异成为可能。

他最后呼吁：“若要让AI实现真正的科学发现，我们必须将明确的目标共享给系统，使其能够自主完成“生成—评估—保留”的循环。让我们勇敢一点，让创造力和发现实现自动化。”

SAIRfoundation致力于推动这一方向，让AI不止于模仿，更是真正的科学发现伙伴。

“科学发现需要的不是AI的随机生成，而是有目标指引的变异、评估与择优留存。”——SAIR，与思考者同行。

#AI##AIforscience##SAIR##AG##科研##人工智能 ##AGI ##SAIRFoundation##科学##图灵奖# http://t.cn/AX62a2yf