通过与环境

在机环交互中，智能体通过与环境的持续互动来学习和适应，这种模式与人机环境系统智能的核心思想高度契合，即智能系统需要在真实环境中通过与人类和环境的交互来不断优化自身行为，实现更高效、更智能的决策和行动。

强化学习的核心在于让智能体通过与环境的交互来学习，通过试错和奖励机制来优化决策。

萨顿认为，经验是AI的终极数据，智能体通过与环境的交互获得经验，从而实现自主学习和适应。

他提出，未来的AI系统应该能够通过与环境的交互来学习和适应，这种经验驱动的学习方式将更好地发挥扩展计算的优势。

他认为，AI需要从“人类数据时代”转向“经验时代”，即通过与环境的交互来获取经验，而不是依赖预设的人类数据。

它们无法像人类一样通过与环境的交互和经验积累来学习，因此难以实现真正的智能。