David Silver and Lasse Espeholt of Ineffable Intelligence: A Superlearner for the Age of Experience

DeepMind 前 RL 负责人 David Silver 离职创办 Ineffable，押注"超级学习者"：扔掉人类数据，让 AI 从零自主发现知识。

整个行业都在往大模型里灌人类数据，David Silver 却认为这条路到不了超级智能。他的证据来自 AlphaGo 到 AlphaZero：放弃人类棋谱后，几小时就超过了两年人机协作的成果。这期他讲清楚了"超级学习者"到底指什么、为什么必须扔掉人类数据、以及为什么现在是做这件事的时机。

David Silver 在 DeepMind 待了很多年，但他相信通往超级智能的路不经过大模型产品，所以决定单干。

• 几十万研究员挤在同一条路上：他说世界上已经有几十万人在做预训练、后训练、堆代码，他不觉得自己再挤进去是最有效的用法。
• 他打了个比方：现在有一盏路灯没人去看，而如果那条路走通了，会改变整个 AI 领域。
• 公司名叫 Ineffable（不可言说）：意思是超级智能发现的知识可能深奥到人类语言根本表达不了；他还有个"秘密理由"——这条路"不可能失败"，所以叫 ineffable。

Silver 定义的超级学习者有两个维度：深度上能从一无所知走到发现远超人类的知识，广度上能扔进任何环境都持续学习。

• 他用人类做类比：我们祖先脑子里也是一团浆糊，语言、技术、科学、数学全是自己摸索出来的，没有谁丢下来一份蓝图或一万亿条数据集。
• 今天的大模型有两个问题：一是还需要大量人类在环才能出成果，不是完全自主；二是语言这个载体本身可能是负担，用语言思考未必是通往物理世界具身学习的正确路径。

Ineffable 的做法是不给智能体设定"去重新发现语言""去造计算器"这种具体目标，只给简单目标，扔进一个叫"坩埚"（crucible）的复杂环境里，看它自己发现什么。

• 进化只优化了"适者生存"一个信号：却催生了全部生命复杂性；人类追求简单目标的过程中，先学会协调、再学会沟通、再做交易、再发现算术和工具，复杂性是一层层长出来的。
• 关键是环境要有足够的涌现复杂性：比如几百万个互相作用的物体或智能体，而不是手工设计的一堆谜题；他举围棋为例，19×19 的格子单人是无聊游戏，一旦放进第二个智能体，就出现了无穷无尽的学习曲线。
• 扔掉人类数据是主动选择：他承认这是短期牺牲，放弃人类数据会损失一部分性能，但换来的是更大的上限。AlphaGo 花了两年、大量人类数据、人在环里一代代改进，才打败李世石；AlphaZero 放弃人类数据后，几小时就超过了那两年的成果，国际象棋四小时打败世界最强 AI。他批评现在很多大模型公司本质上是在建"半自主、几千人在环"的学习系统，能 work，但到不了真正的超级学习者。他也承认这不是宗教教条，弱的环境无关先验可以接受，要避免的是那种一万亿条数据的强先验。

"你必须要放手人类数据，才能让自己发现那些能一飞冲天、把竞争对手甩在身后、并且永远学下去的东西。"

• 如果你在做 Agent 或 RL 相关产品，值得重新审视"人在环"的比例：Silver 的判断是，几千人标注/反馈的系统能出活，但天花板明显。可以试着在一个小场景里做对照实验——同一任务，一个版本靠人类反馈迭代，一个版本只给简单奖励信号加复杂环境，看哪个先撞出意外行为。
• "坩埚"思路可以直接借用：与其手工设计任务集，不如搭一个有多智能体交互、有涌现复杂性的环境，让 Agent 自己发现工具和策略。围棋的例子说明，环境规则可以极简，但只要有第二个智能体参与博弈，复杂度就够用很久。