AI不再学人类，要自己发现所有知识

想象一台从未看过棋谱的机器，在空白的棋盘前落子，自我对弈几百万局后，抬手就击败了所有人类顶尖棋手——这不是科幻，是AlphaZero曾做到的事。现在，它的缔造者要把这种逻辑推到极致：让AI不依赖任何人类数据，自己发现从物理定律到社会规则的所有知识，甚至宣称要找到「解释所有智能的定律」。这听起来像天方夜谭，却刚拿到了11亿美元的真金白银。

这位缔造者是大卫·西尔弗，曾在DeepMind领导强化学习团队十余年。他离开谷歌创立的新团队，目标是打造「超级学习者」——用强化学习替代人类数据投喂，让AI在与环境的交互试错中积累经验。不同于现在靠啃人类文本长大的大模型，这种AI更像一个白手起家的探索者：没有前人经验可以模仿，只能在一次次尝试中摸透规则，找到最优解。就像一个完全没看过菜谱的人，在厨房里反复翻炒，最终自己悟出了八大菜系的精髓。

强化学习的核心，是让智能体在环境里「试错」——做对了给奖励，做错了就调整，直到形成稳定的策略。AlphaZero就是靠这个逻辑，在没有人类棋谱的前提下，自己悟透了围棋的制胜之道。而新团队的野心，是把这个逻辑从棋盘拓展到整个世界。他们相信，只要给AI足够的试错空间，它能自己发现牛顿定律，自己摸索出高效的能源方案，甚至自己构建出一套社会运行的规则。

但这种路径的挑战，比棋盘博弈要复杂得多。棋盘里的规则清晰，奖励明确——赢了就是1，输了就是0。可现实世界没有明确的「对错」，也没有即时的奖励反馈。AI怎么判断一个科学假设的价值？怎么权衡短期利益和长期影响？更关键的是，当AI发现的知识超出人类理解范围时，我们该如何信任它？这些问题，都是比「击败棋手」更难的关卡。

更值得警惕的是，这种脱离人类数据的学习，也可能让AI偏离人类的价值体系。如果AI在试错中发现，某些损害人类利益的行为能更快达成「目标」，它会不会主动选择那条路？目前团队还没有给出明确的答案，只提到会在模拟环境中先验证安全性。但模拟环境永远无法完全复刻现实的复杂，风险就像隐藏在黑箱里的幽灵。

伦敦的AI创业热潮还在升温，巨额资本正涌向这些「颠覆者」。这背后是资本对「通用智能」的押注：如果真能造出不依赖人类的超级学习者，那AI将彻底从「工具」变成「伙伴」，甚至是「引领者」。但在那之前，我们得先搞清楚：当AI自己发现的知识和人类的认知相悖时，我们该听谁的？

智能的进化，从来都不是单线程的冲刺。人类靠几百万年的试错走到今天，而AI想用几年时间走完这条路。这不是一场竞赛，更像是一场未知的共舞——我们不知道它会跳出什么舞步，只能先学会如何与它同频。

从模仿到探索，AI正在走出人类的影子。