AI先驱萨顿：合成数据用于AI训练系重大错误

图灵奖得主、人工智能先驱理查德·萨顿近期公开质疑当前大模型依赖合成数据扩张的技术路线，直言此举为行业重大失误。在其近期接受的路演播客访谈中，萨顿指出，算法生成的虚拟数据无法精准映射人类复杂心智及物理世界的动态变量，任何模拟均难以触及现实世界的无限复杂性。他强调，AI的持续进化必须依托智能体在真实环境中交互获取的体验式数据，而非依赖人工合成信息。 萨顿的观点与当前头部科技企业的战略转向高度契合。面对网络公开语料资源的枯竭，OpenAI等机构正积极布局稀缺专有数据集，谷歌亦斥资千万美元收购破产航空企业的内部数据与软件，凸显真实世界信息在训练下一代模型中的核心价值。 顺应这一范式转变，萨顿已于上月与其前学生库拉姆·贾韦德联合创立Oak Lab。该初创企业致力于研发不依赖预筛选语料库，而是通过自主试错与环境交互实现持续进化的智能体系统。尽管暂未披露融资细节，但该项目已明确指向AI发展的核心路径，即推动产业从数据堆砌回归真实世界交互学习，为破解大模型算力瓶颈提供全新解决方案。