深度学习与持续学习：人工智能的未来与研究方向

1. 持续学习与深度学习

1.1 深度学习的局限

深度学习注重“瞬时学习”，如ChatGPT虽在语言方面成果显著，但学习过程集中于前期训练，之后便固定下来，正常使用中不再学习。反向传播算法虽带来非线性学习能力，但为学习非线性映射而牺牲了持续学习能力，且深度学习过于关注已能做到的事，忽略了自身的局限性。

1.2 持续学习的定义

持续学习即系统能够持续地从环境中学习，而非像深度学习那样在特定阶段学习后就停止。它意味着模型能不断适应新情况，持续提升自身能力，这与人类在日常生活中的学习模式相似，应成为人工智能发展的关键方向。

2. 目标与心智

2.1 奖励假说

Sutton相信奖励假说，认为所有目标追求都可理解为最大化一个外部接收的标量信号（奖励）。为实现总体目标，人们会设置许多子问题，如拿起茶杯不洒出等，复杂的高层次目标如获得博士学位等也是为了优化这个基础奖励。

2.2 心智的构成

能规划且通过试错学习，并建立世界模型以用于规划，就是Sutton所认为的“心智”。到2030年有四分之一的可能性、2040年有二分之一的可能性人类将理解