在AI领域，一位重量级人物的创业总能引发行业震动。本周一，年近70岁的图灵奖得主、强化学习之父理查德·萨顿（Richard Sutton）宣布与Khurram Javed共同创立Oak Lab，目标直指打造能够通过自身经验独立持续学习的AGI智能体。这一举动不仅是对当前深度学习主流的直接挑战，更标志着一位顶级学者从理论批判走向实践验证的关键一步。Oak Lab的核心方向是推进萨顿提出的OaK架构（Options and Knowledge，选项与知识）。该架构旨在让AI智能体建立关于环境的内部世界模型，并利用这些模型预测自身行为的长期后果。与当前依赖海量静态数据预训练的大语言模型不同，OaK强调在运行时（Run-time）进行持续学习，让AI像生物一样，在与环境交互的每一秒都实时试错、进化并自我完善。萨顿指出，大语言模型擅长模仿人类，但无法评估自身输出，也不具备真正探索和发现的能力。他认为，真正的智能需要发现新知识，就像AlphaGo通过强化学习在自我对弈中探索出人类从未见过的招法。Oak Lab的终极目标更为激进：打造一个拥有万亿参数、却能在仅20瓦极低能耗下进行实时学习和规划的智能体，通过纯粹的经验累积通向超级智能。萨顿的创业并非孤立事件。今年1月，他的学生、DeepMind的AlphaGo之父David Silver也已宣布创业，理念与导师高度一致，都希望通过强化学习让AI在环境互动和自我博弈中生成新知识。这背后是顶尖学者对于AI路线的根本理念之争。作为《苦涩的教训》（The Bitter Lesson）的作者，萨顿近年来多次批评大语言模型的扩展定律并未完全贯彻通用计算加自主经验学习的核心精神。他认为，当前大模型本质上只是序列预测，并不真正理解物理世界的因果关系。而OaK架构追求的基于选项的长期规划能力，正是基于注意力机制的Transformer架构极难内生实现的。Oak Lab现在可以被看作萨顿将学术主张推向实践的大胆尝试。作为现代强化学习的奠基者之一，萨顿数十年来始终围绕机器如何持续学习展开研究，从早期的时序差分学习和Dyna架构，到近年来与Khurram Javed合作的SwiftTD、Swift-Sarsa等工作，都在尝试减少学习对固定训练流程和人工设定的依赖。对于AI从业者而言，Oak Lab的出现值得密切关注：它可能预示着一种不同于当前主流的AGI路径正在从理论走向工程验证。无论最终结果如何，这场关于智能本质的探索，都将为行业带来宝贵的思考与启示。