作者｜吴思梦编辑｜岑峰 引言： 2016年6月，纽约。David Silver站到了ICML的讲台上，用66页幻灯片，从Q-Learning一路推到AlphaGo。他传递出一种信念：把深度网络嫁接到强化学习上，通用智能的涌现就只是算力和工程问题。彼时距AlphaGo在首尔4∶1击败李世石仅三个月。 十年后的2025年7月，温哥华。Anca Dragan——Google DeepMind Gemini后训练的联合负责人，在现场播放了一段视频：一个机器人机械臂举起杯子，太高了。一只手伸进画面把它压下来。手松开。机器人又举上去了。“不是机器人笨，”她说，“是奖励函数在逼它做它认为‘正确’的事。只是我