聊天机器人愈发难造，AI转向模拟世界

这篇报道的核心背景：当前大语言模型（如ChatGPT、Claude）的进步主要靠"下一个词预测"——即从海量人类文本中学习。但这种范式正接近极限：高质量文本数据快用完了，继续扩大算力投入带来的收益却在递减。因此，AI研究的前沿正在向"基于模拟世界的智能体"转移。代表公司如DeepMind、Google以及部分创业团队，开始构建类似游戏、机器人或3D虚拟环境的模拟器，让AI在其中通过试错和奖励机制（强化学习）自主学会规划、推理和行动，而非仅仅模仿文字。这类似于早期AlphaGo在围棋中自我对弈的路线。关键人物提及了DeepMind首席科学家Rich Sutton（他主张"不依赖人类知识"的强化学习路线）和前OpenAI科学家Pieter Abbeel等人。这项转向的影响在于：可能避开数据瓶颈，但也会引出新的问题——如何确保AI在模拟中习得的行为在现实世界中安全、可控。