在由上海创智学院、上海交通大学人工智能学院与Openmind研究院联合主办的“强化学习暑期学校”结业仪式上，图灵奖得主、强化学习领域奠基人之一理查德·萨顿教授发表了关于人工智能发展的深刻见解。作为Openmind研究院首席科学家，萨顿首次在中国系统、完整地讲授其强化学习学术体系，引发了广泛关注。
萨顿对“智能”的定义与人工智能术语创立者约翰·麦卡锡不谋而合，认为智能是实现目标所需能力的计算层面。他特别指出，人工智能是通过技术手段获得这种能力，而非生物自然演化的结果。在他看来，人类心智与机器心智本质上同属一个范畴，尽管当前机器心智尚显初级，但应以长远眼光看待其发展潜力。他重申了之前的预判：到2040年，人类仅有五成把握能完全理解心智的本质。
萨顿强调，心智的核心在于与真实世界的交互体验，而当前主流人工智能范式却忽视了这一点。他将“体验”定义为与真实环境的互动，认为心智存在的意义在于从现实世界中获取反馈。然而，现有系统往往将反馈简化为“奖励信号”，目标仅是最大化这一数值，这种简化逻辑与真实心智相去甚远。他直言，大语言模型虽能模仿人类文本，却并不真正理解人类需求，既无明确目标，也缺乏真实体验。真正的心智应能主动掌控、理解自身经历，并预测和干预外部世界。
“人工智能无需复制生物形态，但必须掌握实现目标、预测环境、主动调控世界等核心能力。”萨顿特别澄清，不应使用“复刻模仿”这一带有贬义的词汇，而应强调提炼底层通用原理，甚至通过机器实现超越生物的性能。
关于如何赋予人工智能系统目标，萨顿提出了独特视角：目标是人类为解释行为结果而主观赋予的解读，而非系统固有属性。他以恒温器为例说明，人们从结果出发会认为其目标是“维持室温恒定”，但维修工人拆解机械原理后，只会看到金属片受热形变触发锅炉启停的过程。他指出，这一逻辑同样适用于人类——既可从神经生理层面分析行为，也可构建目标叙事（如追求财富或安稳生活），两种方式均准确，只是适用场景不同。由此，他得出结论：智能并非非黑即白的二元概念，而是程度问题，取决于观察者的视角与目的。
基于上述观点，萨顿提出两大研究方向：一是为人工智能系统赋予内在目标，使其能主动与真实环境交互，而非依赖虚拟环境；二是借鉴动物的自然智能。他观察到，动物行为均有明确导向（如觅食、避险），而当前AI缺乏这种原生驱动力。
萨顿与深度学习之父杰弗里·辛顿均拥有心理学研究背景，他特别强调心理学对人工智能研究的重要性。自然生物心智是现存最优质的智能样本，心理学家通过长期观测动物学习行为，从外在表现到大脑解剖，总结出大量基础学习规律，强化学习正源于此。“相比其他研究者，心理学是我的独家优势——我能将百年理论转化为算法思路。”他建议人工智能领域从业者学习心理学知识。
在暑期学校开课仪式上，萨顿曾以“雄心”与“谦逊”寄语学员。他认为，远大志向与谦逊态度并不矛盾，但需平衡：过度谦逊会安于现状，雄心过盛则易滋生傲慢。他分享了在阿尔伯塔大学时的经验：“对待理论要像探索玩具一样，放开思路推演各种可能性，永远对基础问题保持好奇。”他坚信，人类终能破解心智本质等难题，只是需要时间与耐心。
