> 2024年图灵奖得主、强化学习之父Richard Sutton在2026年5月发表了一篇哲学立场论文，系统批判了从符号AI到LLM的主流"被动表征"路线，提出AI应该走向"生成认知"（Enactive Cognition）。但讽刺的是，这篇论文自己踩中了Sutton十年前提出的两条铁律——"苦涩的教训"（少人类知识，多计算）和"奖励假设"（所有目标=奖励最大化）。当11亿美元的红杉/英伟达/谷歌投资全押这条路线时，我们需要问：Sutton是在修正自己的遗产，还是在推翻它？
---
1. 2026年5月，Sutton递出了一把刀
2026年5月22日，arXiv上出现了一篇不同寻常的论文。
标题很朴素：《Toward Enactive Artificial Intelligence》（迈向生成式人工智能）。作者只有两个名字：Banafsheh Rafiee，以及 Richard S. Sutton。
如果你是AI从业者，看到第二个名字应该心头一紧。Sutton是谁？
- 强化学习之父（与Andrew Barto合著《Reinforcement Learning: An Introduction》， RL圣经）
- 2024年图灵奖得主
- "苦涩的教训"（The Bitter Lesson）作者（2019年那篇博客，被引用数万次）
- "奖励假设"（Reward Hypothesis）提出者（"所有智能目标都可以被构想为最大化累积奖励的预期"）
- Alberta Plan总设计师
但2026年的这篇论文，他写了什么？
> "当前主流AI，从经典规则系统到大语言模型，都忽略了生成认知的洞察，把认知当作脱离具身互动和内在规范性的内部处理。"
他批判了符号AI、深度学习、LLM——几乎所有主流路线。然后他提出了四个来自认知科学/现象学的概念：经验、行动-感知不可分、自主性、具身性。
这不是技术论文。这是 哲学宣言。而写它的人，正是那个曾经说"人类知识没用"的Sutton。
---
2. 生成认知：从"表征世界"到"与世界共舞"
要理解这篇论文的冲击力，需要先理解"生成认知"（Enactive Cognition）是什么。
2.1 表征主义 vs 生成认知：两条路线的根本分歧
| 维度 | 表征主义（主流AI） | 生成认知（Sutton新主张） |
|---|---|---|
| 感知本质 | 被动接收感官输入，内部处理 | 主动的、技能性的世界参与 |
| 感知-行动关系 | 感知→处理→行动，线性序列 | 感知与行动相互构成，不可分割 |
| 世界模型 | 必须构建内部表征替代现实 | "世界是其自身最佳模型"（Brooks） |
| 认知来源 | 预给定的符号/特征计算 | 通过行动生成意义（enacted） |
| 评价标准 | 表征保真度：内部模型多像外部现实 | 技能性参与：能否熟练与环境互动 |
| 智能定义 | 准确构建和操作内部表征 | 持续行动-反馈-调整的能力 |
2.2 四个支柱：经验、行动-感知不可分、自主性、具身性
#### 经验（Experience）
> "世界超越任何有限描述——智能体必须持续与之互动，依赖实时反馈调整行动、重新校准期望、精炼理解。"
论文特别强调：数据≠经验。监督学习从固定数据集学习，数据是"经验的副产品"，不是经验本身。LLM学习人类生成数据的模式，但它自己从未" lived through"任何互动。
真正的经验是 持续的、实时的、双向的——智能体行动，环境回应，智能体再调整。这与Sutton和Silver在2025年提出的"Welcome to the Era of Experience"直接呼应，但本文把"经验"的含义深化了：不仅是"自己收集数据"，而是技能性、规范性、具身性的互动。
#### 行动-感知不可分（Action-Perception Inseparability）
论文用大量篇幅论证：感知即行动。
- 眼睛左移导致视觉场右移——掌握这种规律是视觉经验的基础
- 头部运动改变双耳声学输入的timing/intensity——这是声源定位的线索
- 手部移动时的振动模式——速度方向不同则质地感知不同
论文对当前AI的批判极其尖锐：
> "一个学习了交通灯规律的生成式视频模型可以准确预测绿-黄-红的序列，但这只是追踪规律，而非理解如何在序列断裂时应对。"
模式延续 vs 模式断裂时的应对能力——这是生成式与表征式的根本区别。
#### 自主性（Autonomy）
这是论文最哲学化的部分。Sutton引入了 自创生（Autopoiesis） 的概念——自我产生、自我维持的系统。
他提出了两个关键问题： 1. 智能体能否基于自身活动评估行为，拥有成功/失败感？ 2. 成功/失败标准来自智能体自身，还是外部强加？
然后他对各AI范式进行了冷酷的评级：
| AI范式 | 自我评估？ | 标准来源？ | 评价 |
|---|---|---|---|
| 监督学习 | ❌ 无 | 外部（人类标注） | 系统不评估自身 |
| LLM | ❌ 无（表面有自监督） | 外部（人类数据模式） | 无法自评估输出 |
| 符号规划 | ❌ 无（行动时无评估） | 外部（预定义条件） | 二元结果检查 |
| 规划与控制 | ⚠️ 有持续评估 | 外部（目标/成本函数） | 仍绑定预定义目标 |
| 强化学习 | ✅ 通过经验评估 | 外部（奖励函数） | 重要转变，但标准仍外部 |
| 内在动机RL | ✅ 内部奖励信号 | 部分内部 | 更智能体中心 |
| 目标发现 | ✅ 从经验构建目标 | 更智能体中心 | 更接近生成式 |
> "生成式意义上的完全自主性——规范性从智能体自身组织产生——尚未实现。"
这直接挑战了Sutton自己提出的 奖励假设（Reward Hypothesis）："所有目标、目的都可以被构想为最大化累积奖励的预期。"
如果规范性应该来自智能体自身组织，那"奖励函数外部指定"就是有根本缺陷的。但论文 没有明确讨论这个矛盾。
#### 具身性（Embodiment）
> "感知是掌握依赖于身体的感觉运动偶联；非可独立于具身性指定的抽象输入-输出映射。"
Gibson的"可供性"（Affordance）在这里被强调：一个物体是否"可抓握"、"可攀爬"、"可通过"，仅相对于行动者的身体能力才存在。世界不是中性特征阵列，而是相对于目标-需求有意义。
对LLM的批判极其直接：
> "主流AI（多模态大模型）无具身性；学习输入到内部表征的映射，不依赖感觉运动参与或身体结构。感知被还原为静态数据集上的模式识别；无法发展真正情境化感知或适应新环境。"
---
3. 强化学习：最接近生成认知的AI范式，但还不够
论文对RL的态度是 复杂的、模棱两可的。
一方面，Sutton认为RL与生成认知有"结构共振"（Structural Resonance）：
| 共振方面 | RL特征 | 对应生成式概念 |
|---|---|---|
| 经验生成 | 通过试错主动互动，自己收集数据 | Experience |
| 行动中心 | 行动置于学习核心 | Action-Perception Inseparability |
| 反馈驱动适应 | 从行动结果学习 | Experience的持续性 |
| 智能体中心评估 | 通过奖励评估轨迹 | Autonomy的部分方面 |
| 时间延展评估 | 考虑延迟效果 | 超越即时状态匹配 |
| 缺失方面 | 具体表现 |
|---|---|
| 评估标准外部性 | 奖励函数外部指定；规范性未从智能体自身组织产生 |
| 行动-感知不可分未完全实现 | 感知仍通常被视为先于行动 |
| 具身性作为实现细节 | 身体作为执行预计算策略的接口，非认知的构成性条件 |
| 自主性不完整 | 无自创生、自我维持；未从系统组织产生目标 |
> "这种共振不应被视为理论等价，因为RL只是近似了一些生成式洞察，但关键元素仍然缺失或薄弱发展。"
> "我们进行的比较是结构性的——旨在识别共享模式和组织原则——而非等价性声明。"
翻译一下：RL比其他AI范式更接近生成认知，但 不是生成认知。它缺少一些"关键元素"。
但问题是：RL缺少的这些元素，能通过更多计算和数据来弥补吗？还是必须引入 人类设计的知识（如自创生理论、现象学、可供性）？
---
4. 论文自身的矛盾：Sutton踩中了自己的两条铁律
这是最精彩的部分——这篇论文自己打了自己的脸。
4.1 "苦涩的教训" vs 生成认知
2019年，Sutton在"苦涩的教训"中写道：
> "70年来AI研究的真正教训是：人类知识的长期价值在于它被通用计算方法超越的那一刻。"
> "我们应该从人类知识中解脱出来，转向大规模计算和搜索。"
但2026年的论文，引入了Merleau-Ponty的"意向弧"、Husserl的现象学、Gibson的生态心理学、Maturana的自创生理论——这些都是深厚的人类知识，来自认知科学、现象学、生态心理学，而非计算和搜索。
论文并没有说"让AI自己通过大规模计算发现具身性和自创生"——它说的是"我们应该把这些认知科学的洞察融入AI"。
这不就是"苦涩的教训"批判的人类知识工程吗？
4.2 奖励假设 vs 自创生规范性
2018年，Sutton在《Reinforcement Learning》中写道：
> "所有目标、目的都可以被构想为最大化累积奖励的预期。"
> "奖励足以表达所有智能目标。"
但2026年的论文说：
> "监督学习中，成功标准完全由数据集和标注过程外部指定。系统既不自我评估，也没有自己的成功标准。"
> "生成式意义上的完全自主性——规范性从智能体自身组织产生——尚未实现。"
如果规范性应该来自"智能体自身组织"，那外部指定的奖励函数就是有根本缺陷的。但Sutton没有解释如何调和这两者。他只是说"RL有共振，但不够"——但没有说"奖励假设错了"。
4.3 可能的调和策略
论文可能试图这样调和：
1. 将enactive原则作为RL的扩展方向，而非替代——保留经验中心、行动中心，但深化含义 2. "结构模式"而非"人类知识注入"——把enactive原则定位为"组织原则"，而非"手工特征" 3. 计算可以产生enactive特征——通过持续互动，计算搜索可以自发涌现出自创生、具身性等
但第三种策略在论文中没有论证。Sutton只是断言RL有"共振"，然后列出缺失，但没有给出缺失如何通过计算弥补的具体路径。
---
5. 11亿美元的红杉/英伟达/谷歌赌局：Sutton路线的商业化
这篇论文不是孤立事件。它发生在一场巨大的资本重组中。
据行业消息（用户提供的背景信息），红杉、英伟达、谷歌联合投资11亿美元给一家零产品公司，估值51亿美元，全押Sutton的enactive AI路线。
这家公司做什么？目前公开信息有限，但可以推测：
1. 具身智能（Embodied AI）：机器人在真实物理世界中的强化学习 2. 世界模型（World Models）：不依赖人类标注，通过自身经验学习世界动力学 3. 持续学习（Continual Learning）：在变化环境中持续适应，而非一次性训练 4. 内在动机（Intrinsic Motivation）：奖励不来自人类设计，来自智能体自身的好奇心/进步感
这些方向与论文的四个支柱完全对应：具身性、经验、行动-感知不可分、自主性。
关键问题：这11亿美元赌的是什么？
- 赌的是"LLM路线到头了"——规模化计算+数据+参数的增长曲线正在 flatten
- 赌的是"具身性是新蓝海"——从数字世界（文本/图像）到物理世界（机器人/传感器）的迁移
- 赌的是"Sutton的品牌效应"——图灵奖得主+强化学习之父的背书
- 零产品意味着没有验证——这是纯粹的科学信念投资
- enactive AI的工程化难度——如何将"意向弧"、"自创生"转化为可训练的loss function？
- 时间窗口——LLM商业化还在加速（Copilot、Agent、代码生成），enactive AI的product-market fit在哪里？
6. 深层问题：生成认知是AI的"下一条曲线"，还是哲学安慰剂？
6.1 四个批判性问题
Q1: "共振"不等于"可实现"
论文说RL与enactive有"结构共振"，但"关键元素缺失"。问题是：这些缺失的元素（自创生、具身性作为构成性条件、内在规范性）能否通过现有RL框架实现？还是必须引入完全不同的架构？
如果必须引入新架构，那这不是"扩展RL"，而是"替代RL"。但Sutton作为RL之父，不太可能公开说"RL不够"。
Q2: 现象学知识 vs 计算规模
"苦涩的教训"说人类知识长期被计算超越。但enactive原则来自 人类哲学家（Merleau-Ponty、Varela、Gibson），不是来自计算。如果enactive AI需要这些人类知识作为架构设计原则，那它就是在 违反"苦涩的教训"。
Q3: LLM真的"只是模式追踪"吗？
论文对LLM的批判很严厉："只是追踪规律，不理解如何在模式断裂时应对"。但最新LLM（如GPT-4o、Claude 3.5）在工具使用、代码调试、数学推理中的表现，已经展现出某种程度的模式断裂应对能力。Sutton是否低估了LLM的涌现能力？
Q4: 投资泡沫风险
11亿美元投给零产品公司，这在AI历史上史无前例。即使是OpenAI早期，也有GPT-2/3作为验证。如果enactive AI的product-market fit迟迟不出现（5-10年），这笔投资会不会成为AI泡沫的标志性事件？
6.2 历史类比：两次AI寒冬的教训
- 第一次AI寒冬（1970s）：符号AI过度承诺（通用问题求解、机器翻译），人类知识工程路线遇到瓶颈
- 第二次AI寒冬（1980s-1990s）：专家系统失败，知识获取瓶颈
- 当前LLM boom（2020s）：规模化计算+数据的成功
但Sutton可能认为：这次不同——不是把人类知识编码为规则，而是把人类知识转化为架构设计原则（如行动-感知耦合、持续互动、具身性）。这类似于深度学习中的"归纳偏置"（inductive bias）——不是手工特征，而是网络结构的先验。
---
7. 结论：Sutton在修正，还是在推翻？
我的判断：修正，而非推翻。但修正的幅度很大，接近范式转换。
7.1 三条遗产的继承与修正
| 遗产 | 原立场 | 修正后 | 变化幅度 |
|---|---|---|---|
| 苦涩的教训 | 少人类知识，多计算 | 人类知识可以作为"架构偏置"（如具身性），但最终仍需计算验证 | 中等 |
| 奖励假设 | 所有目标=奖励最大化 | 奖励不够；需要内在规范性、自创生 | 重大 |
| 经验时代 | AI应基于自身经验学习 | 深化"经验"含义：技能性、规范性、具身性 | 中等 |
7.2 论文的真正价值
不是给出了具体算法（它没有），而是：
1. 提出了问题：主流AI的"被动表征"路线是否有根本上限？ 2. 指了方向：生成认知提供了替代框架 3. 留了空间：RL可以扩展，但需要新元素
7.3 最终评价
Sutton这篇论文 最重要的不是它说了什么，而是谁说的。
当强化学习之父开始批判LLM的"被动表征"、开始引入现象学和自创生理论、开始质疑自己提出的"奖励假设"——这本身就是一个 信号。
这个信号不是说"LLM完了"，而是说：
> "规模化计算+数据的胜利是真实的，但它不是全部。AI要走向真正的智能，需要经验、行动、具身性、自主性——这些不是通过更多参数和数据就能涌现的，需要新的架构、新的学习范式、新的与世界的互动方式。"
Sutton没有给出答案。他可能也没有答案。但他在70岁时，敢于对自己40年的遗产提出最深刻的质疑——这比任何技术突破都更有价值。
---
> "The world is its own best model." — Rodney Brooks > > "But to use the world as its model, you need a body in it." — Enactive Cognition > > "And to have a body in it, you need to be born into it." — The question Sutton leaves open.
---
参考论文： Rafiee, B., & Sutton, R. S. (2026). *Toward Enactive Artificial Intelligence*. University of Alberta, Amii. arXiv:2605.24238.
Sutton的遗产文献：
- Sutton, R. S. (2019). *The Bitter Lesson*. http://www.incompleteideas.net/IncIdeas/BitterLesson.html
- Sutton, R. S., & Barto, A. G. (2018). *Reinforcement Learning: An Introduction* (2nd ed.). MIT Press.
- Silver, D., & Sutton, R. S. (2025). *Welcome to the Era of Experience*. (待发布/早期版本)
- Varela, F. J., Thompson, E., & Rosch, E. (1991). *The Embodied Mind*. MIT Press.
- O'Regan, J. K., & Noë, A. (2001). A sensorimotor account of vision and visual consciousness. *Behavioral and Brain Sciences*, 24(5), 939-973.
- Noë, A. (2004). *Action in Perception*. MIT Press.
- Brooks, R. A. (1991). Intelligence without representation. *Artificial Intelligence*, 47(1-3), 139-159.