苏煜：从逻辑智能体到语言智能体，走向专业化学习

张小珺邀请俄亥俄州立大学计算机系教授、NeoCognition 创始人苏煜讨论智能体的技术演进。苏煜研究语言智能体及计算机操作，访谈从早期逻辑系统讲到大语言模型和个人智能体。

苏煜介绍，自己本科在清华学习计算机，后来赴美读博士，在俄亥俄州立大学建立 NLP 研究组。团队做过 Mind2Web、LLM Planner、使用计算机的智能体和多模态评测等工作；他后来创办 NeoCognition，继续研究智能体。

他给智能体提出一个宽泛定义：它是有边界的实体，在某种外部环境中行动，并为了目标而行动，而不是随机游荡。按这个抽象定义，人和其他动物也可以被看作智能体。

苏煜说，构建能够模仿人的人工智能体是 AI 早期便存在的目标。但完整智能体过于困难，领域逐渐分化为视觉、自然语言处理和逻辑推理等子领域；近年这些方向又出现重新汇合的趋势。

他把早期代表称为逻辑智能体：专家系统把领域知识写成逻辑规则，再用推理引擎处理新问题。这种方法最终受到表达能力和知识获取成本的限制，未能兑现许多预期。

为了分析智能体，苏煜提出两个宽泛维度：记忆和自主性。记忆包括知识的表达、获取、更新和遗忘，也可以涵盖语义、事件和技能；自主性包括感知、推理、决策以及作用于环境的行动。

两者相互依赖：智能体需要利用已有知识感知和行动，也需要从行动中更新知识。早期逻辑系统的记忆受限于规则语言，行动和推理范围也相应受限；把专家知识转写成形式规则尤其费时。

他推荐 Stuart Russell 与 Peter Norvig 的《Artificial Intelligence: A Modern Approach》作为理解早期 AI 的入口，并说作者将智能体视为贯穿全书的重要问题。智能体并不是最近才出现的新概念。

进入神经网络和深度强化学习阶段，研究者训练智能体玩围棋、街机游戏和其他复杂游戏。苏煜说，这些系统在特定环境中取得显著进展，但其输入、输出、记忆和行动范围通常仍受任务约束。

他用计算量解释早期神经智能体的局限：一些系统通过一次前向传播从画面产生动作，推理更多隐含在网络中，而人处理不同难度的问题可能投入不同时间和计算。他把这种差异作为理解通用性的一个角度。

与逻辑智能体相比，神经方法可以把相似架构和训练方法用于多种游戏，但这不等同于把智能体放到任意新环境后，它都能像人一样快速学习。苏煜指出，早期深度强化学习常常需要大量重复样本。

为什么游戏成为重要实验环境？他推测，除了研究者的兴趣，游戏还提供可重复、可大量生成的虚拟交互，输入和动作也相对明确。他没有直接从事过那类研究，因此把这作为有限的解释。

与此同时，自然语言处理领域发展出语义解析：把人说的话转成机器可处理的形式，再用于查询数据库、知识图谱或操作网站。苏煜认为，它与受限环境中的神经智能体互补，关注的是扩大语言理解和可表达的行动范围。

他博士期间研究语义解析，后来与不少来自类似背景的研究者转向语言模型和智能体。语言使人可以更灵活地提出任务，也可用于组织推理、表达知识和连接工具。

苏煜把基于大语言模型的新一代系统称为 language agent，即语言智能体。语言可以成为感知、推理和行动之间的脚手架；任务不同，系统也可能使用不同长度的推理过程，而不是每次都采用同样的计算。

回顾近年的研究，他提到团队在 2022 年前后开展 LLM Planner 和 Mind2Web 等工作，探索用语言模型规划机器人任务和操作网页。他强调，关键工作的价值不仅在于形式看似简单，也在于在恰当时间识别并实现可行方向。

他还提到工具使用、AutoGPT 等早期项目，认为它们展示了语言模型调用外部工具和组织行动的可能性，但早期系统实际能够可靠完成的任务仍然有限。GitHub 热度是社区兴趣的信号，不等于能力已经成熟。

随着多模态模型发展，网页智能体开始更多地使用视觉信息。苏煜介绍团队的多模态评测和视觉网页智能体工作，以及其他团队为网页任务建立可复现环境的努力。

他比较真实网站和模拟环境：真实网站更贴近开放世界，但界面会变化，也可能涉及权限和法律问题；可控的模拟网站更便于复现实验。两者各有用途，评测结果应结合环境理解。

后来研究扩展到桌面、移动设备和编程环境。苏煜介绍 UGround 的思路：让智能体观察屏幕，再像人一样通过点击和输入行动，而不是只依赖网页底层的文本结构。

他观察到，随着底层模型编程能力提升，编程智能体在 2025 年快速扩散。他强调技术变化从硅谷传播到其他地区仍需要时间；访谈中的时间线和影响判断来自他的亲身观察。

网页、桌面、手机、图形界面、命令行和 API 是不同的行动手段。苏煜认为这些分类有历史用途，但边界正在变化，长期目标可能是能够在数字世界中完成多种任务的通用智能体。

他尤其看重编程，因为数字系统最终通过代码构建和操作，代码可能帮助连接不同界面和工具。但他仍使用 language agent 这一名称：编程语言也是语言，语言的作用包括描述世界、沟通和采取行动。

他从语义解析转向语言智能体，也源于对人与软件关系的关注：复杂软件常要求人花大量时间学习机器的操作方式。他希望机器更好地理解人的表达，让人不必总按机器的方式思考。

谈 OpenClaw 时，苏煜将其与 ChatGPT 的普及作类比：底层能力此前已发展一段时间，但新的交互方式让更多人亲自体验到它能做什么。他认为这有助于公众认识个人智能体，并不是说之前的研究突然不存在了。

他指出，给智能体更多权限可以扩大可执行任务，也会带来潜在危害。即时通讯入口和持续运行环境改变了使用体验，但权限、安全和可控性仍需要认真处理；开源本身并不会自动消除风险。

苏煜认为，OpenClaw 的热度促使企业更快关注智能体和生产力工具，可能起到催化作用。他对未来社会影响的判断是访谈时的预测，具体产品路线与就业变化不能仅由一个项目解释。

比较中美传播方式，他观察到美国讨论当时较集中在开发者和技术群体，中国则更容易扩散到更广泛的公众。他认为中国在应用层推进速度上可能有优势，但这种观察并不代表所有用户都已获得实际价值。

他解释，模型能力提高可能降低一些任务的操作摩擦，使原先不值得做的事情开始具有经济价值。但发现真实需求、设计产品和执行仍然重要，也可能出现跟风投入和浪费。

他担心，如果岗位替代速度快于新机会出现，社会可能面临压力。因此他认为研究者应努力让智能体更可靠、更容易使用，让更多人能把自己的想法转化为实践，而不是只有少数技术团队受益。

张小珺问产品机会是否只能由模型公司把握。苏煜认为，通用平台可能适合大型模型公司，但许多行业、公司和工作流都有专门知识，能否让智能体适应这些不同环境，仍给其他团队留下空间。

他介绍 NeoCognition 的目标：研究智能体，并特别关注如何让通用能力适应特定任务。他把每个职业、公司和软件环境看成一个需要学习规则与背景的“小世界”，认为专业化不是简单增加一个通用提示词。

公司希望研究跨领域的方法，预计企业场景会是重点之一，因为企业任务往往要求较深的专业能力。苏煜不认为所有软件都会被重写或消失；现有软件公司也在尝试从提供工具转向交付更多结果。

他透露 NeoCognition 完成约 4000 万美元种子轮融资，并称过程相对顺利。他对美国融资市场的观察是头部项目和普通团队可能面对不同条件；访谈中的市场比例只是个人估计。

苏煜认为投资人会看团队经历、差异化方案、可行性和潜在商业价值，也会问大型模型公司是否容易复制。他认为真正困难且潜力大的问题可能容纳多种技术路线，但这不保证任何一家公司的成功。

他将评测设计与创业选择作类比：好的基准应尽量衡量与实际价值相关的能力，而不是只优化一个方便统计的数字。他希望研究能让通用智能体更快学习专业任务的方法，同时承认这个问题尚未解决。

讨论世界模型时，苏煜采用比视觉生成更宽的定义。除了预测画面，模型也可以表示组织关系、工作流、软件规则和人与人的互动；这些都是智能体完成具体工作可能需要理解的环境。

他以新员工为例：实习生在工作中逐渐理解公司的组织、审批、工具和同事，最终形成对工作环境的认识。他把从新手成长为专家的过程，描述为持续构建和修正这个“小世界”的模型。

按他的观点，当前通用智能体有时能给出看似合理的结果，却未必足够稳定、快速或经济。专门化学习的目标，是让系统在特定环境里通过经验提高可靠性和效率；这是研究目标，而非已解决的能力。

谈持续学习，他指出该术语有多种用法。经典机器学习问题之一是学会新任务时不遗忘旧任务；现在人们也用它描述个性化、模型更新和其他过程，因此讨论前需要先明确学习对象和目标。

苏煜个人希望把持续学习与广义世界模型联系起来：系统持续积累对环境的理解，以便更好地行动。他强调这是自己的研究框架，不意味着所有研究者对这两个词都有相同定义。

他借新皮层的研究讨论人类学习，并引用 Jeff Hawkins 的《千脑智能》作为一种理论视角。关于皮质结构如何形成世界模型，仍存在不同假说；访谈中的类比不应当视为已被完全证实的脑科学结论。

在语言与世界模型的关系上，他认为视觉和其他感知重要，但语言与符号表达也帮助人类交流、积累和传递知识。他引用有关符号与人类演化的观点，说明这是一个仍可讨论的研究问题。

他提到一些研究区分语言处理与个体思考，并提出自己的解释：语言可能在学习阶段起脚手架作用，知识被内化后，个人思考未必每一步都使用语言。他认为在人类社会的协作和知识传递中，符号表达仍很重要。

因此，即使未来智能体底层不再只是大语言模型，他仍预计语言会是理解、推理和交互的重要能力。至于名称是否继续保留“语言”，他认为可能随着能力普及而变化。

关于图形界面和命令行，苏煜认为两者都是完成任务的手段。图形界面仍适合人类查看、验证和审计结果；智能体能使用现有界面，也可以利用其中已经编码的业务流程、限制和知识。

他指出，许多长尾软件已有图形界面，却未必会很快为智能体重写 API 或命令行。视觉表示也可能适合某些复杂关系，因此他不认为命令行会全面取代图形界面。

他以语义网为例说明新标准推广的难度：即使统一机器可读接口在某些情况下有好处，参与者也需要足够的动机和资源才能改造既有系统。局部沿用已有方案可能比整体重写更合理。

总结瓶颈时，他把记忆、持续学习、世界模型和专业化联系起来：在他的框架里，持续学习是过程，环境模型是学习内容，专家智能体是目标；期望改善的结果包括可靠性、速度和成本。

他预计持续学习会成为 2026 年智能体的重要研究方向，但可能出现不同技术路线。他也指出，部署需要工程师帮助企业建立工作流，反映了可靠性、成本和使用门槛仍未解决。

比较不同公司的智能体方向，他观察到产品策略有所趋同，也提到视觉操作、编程和企业场景中的不同尝试。对公司内部路线和市场位置的描述只是他在访谈时的观察和推测。

张小珺追问长任务的可靠性和安全。苏煜认为，经验不足和缺少有效学习会导致错误；随着系统对环境更熟悉，某些风险可能降低。他同时区分安全问题与针对最坏情况的安全防护，后者仍需要专门方法。

他解释自己从高校到创业的选择：学校给了他同时探索多种想法的自由，但随着研究进入更大规模的实验和部署阶段，算力、资金与执行团队的需求增加。他表示这是个人经历，不能代表所有学者。

创业带来了新的工作节奏。苏煜喜欢把不同知识串联成概念框架，而创业让他接触新的问题；他也承认，创业公司需要市场验证、客户、投资人和产品契合度，激励与学术研究不同。

他认为高校研究组管理与创业有部分相通之处：负责人需要筹措资源、招募和培养团队，并推动工作产出。但学校通常有更大的研究自由，具体情况也取决于资金压力和组织环境。

回顾成长经历，他说自己小时候既爱玩游戏，也非常喜欢阅读各种书。阅读让他在脑中构建不同世界，并发现它们之间的联系；他认为这种习惯对学习和形成跨领域框架影响很大。

他来自湖南小县城，回忆自己在重要考试前会集中准备。清华自主招生给了他心理上的保障，最终他凭高考成绩入学；奖学金也减轻了家庭负担。

他描述自己的性格：一方面不希望把每件事都看得过于沉重，另一方面，遇到真正想做的事情会投入精力。这种组合影响了他做研究、教学和创业的方式。

苏煜认为，智能体研究与实际部署越来越难分开：如果要从真实使用中持续学习，首先需要能进入真实环境。他说创业的时间选择取决于技术基础和自己对问题的理解是否成熟。

他预测持续学习未来几年会取得进展，并可能推动智能体在更多行业应用。这是他的研究判断，具体速度、能力和社会影响仍有不确定性。

他对眼前社会风险的主要担忧是就业替代和收益分配：如果新岗位不足、收益集中且缺少有效的再分配，技术进步可能带来严重冲击。他也表达了对更远期风险的个人看法，并不意味着相关风险已被排除。

在他看来，研究者可以努力降低先进智能体的使用门槛，让更多有专业知识和想法的人有机会构建工具、创造价值。如何真正实现这种普及和公平分配，仍需要技术之外的工作。

最后，苏煜推荐《智能简史》和《千脑智能》。前者把 AI、演化和神经科学联系起来，曾启发他的一些研究；他认为后者提出了大胆的脑理论，也承认证据仍处于早期。

谈影响 AI 的研究时，他从早期神经元计算模型、反向传播、AlexNet 和词向量，谈到注意力、Transformer、BERT、GPT、思维链和工具使用。他强调这些工作之间有连续性，新的方法往往建立在此前研究之上。

如果要选择当前最重要的研究押注，他再次选择持续学习和世界建模。访谈结束时，他也说明自己的成长经历是个人故事，并不鼓励年轻人模仿高强度游戏或逃课。