ARTICLE · 1116564
不吃人类一句话、一张图!两台空壳AI黑盒互搏,竟自发参透现实世界规律
你敢想象这样一个极端的科学实验吗？
把两台完全随机初始化、大脑一片空白的神经网络，关进一间密不透风的“算力小黑屋”。
不给喂维基百科，不给看互联网抓取的网页，不给看任何人类拍摄的照片或音频，甚至连人类写过的一行代码都不给。物理意义上的“零数据喂养”，彻底从零开始（Tabula Rasa）。
两台 AI 只能在黑盒里玩一场极度抽象的游戏：一台像个疯狂的程序员，用极简的乱码指令拼凑出各种小程序；另一台则扮演做题家，拼命预测这些程序吐出的字节序列。
几天之后，研究人员把这台从未见过真实世界的 AI 抱出实验室，直接扔进真实的莎士比亚戏剧、自然风光图像、人类语音甚至生物 DNA 序列里进行测试。
离奇的异常发生了
▲ 斯坦福等团队发布的架构总览与实验曲线：零真实数据下，模型在跨模态自然数据上呈现出规整的幂律缩放
这台在虚无中长大的 AI，在面对从未接触过的人类文本、图像和代码时，其预测损失竟然呈现出极其规整、符合教科书级别的幂律下降（Scaling Laws）！不仅如此，给它几个示例，它竟然能够无师自通地展现出上下文学习（In-Context Learning）能力，甚至自己学会了算术加法与数列推断。
全球 AI 社区为之震动这篇由斯坦福大学、特拉维夫大学等机构联合发表在 arXiv 上的重磅论文（编号：2609.30063），彻底撕开了一条通往通用智能的全新隧道：大模型的智慧，难道根本不需要从人类现成的数据堆里汲取？
01异常追踪：它在小黑屋里到底玩了什么？
大模型的传统演进路线，本质上是“吃人类数据的饭”。清洗万亿网页、人工标注指令、精心调配各模态配比。当业界都在为“人类数据即将被大模型吃光”而焦虑撞墙时，这项研究提出了一个反叛的假设：能不能让模型自己给自己出题，通过纯算力自生智慧？
很多人看到这里的第一反应是：这不就是生成对抗网络（GAN）或者单纯的随机合成数据吗？
就连 Meta 的知名 AI 科学家 Lucas Beyer 最初也误以为这又是一个 GAN 的变体，但随后他公开更正了自己的看法，坦言其背后的机制与传统印象完全不同。
这套系统的底层逻辑极其精妙，由三部分组成：
- 出题人（生成器）
：一个随机初始化的解码器 Transformer。它不写 Python，也不写英语，而是使用一种类似 Brainfuck 的图灵完备极简语言（仅 19 个指令符号）。无论怎么胡乱拼凑，程序被设计为绝对不报错、永远可执行，并吐出一串原始字节。 - 极简图灵机（解释器）
：负责高效执行这些小程序，把程序执行后的动态轨迹变成一串原始字节流（0~255）。 - 做题家（学习器）
：另一个同架构的 Transformer。它的任务极其单纯，做最标准的下一字节预测（Next-Byte Prediction）。
看似简单的“左手倒右手”，暗藏着一个足以让系统瞬间崩溃的致命陷阱：如果出题人为了赢，故意生成纯随机噪点怎么办？
纯随机的乱码不可预测，做题家必输无疑，整个系统就会迅速陷入垃圾数据的死循环。
研究团队给出了极其毒辣的解法，梯度对齐奖励（Gradient Alignment）。
系统专门奖励“最能引发学习器进步的题”。
算法通过前向模式自动微分，实时计算某道题在学习器上激发的梯度，与学习器最近参数移动方向的重合度。
如果这道题学习器已经烂熟于心？梯度近乎为零，出题人拿不到奖励； 如果这道题是毫无规律的纯噪声？梯度方向完全脱轨，出题人同样零分； 唯有那些“尚未掌握、但其结构恰好沿着当前认知轨迹向前延伸”的数据，出题人才能拿走超高奖励！
这正是心理学上最理想的“最近发展区”教学法：出题人被强化学习逼着，永远在做题家的能力边界边缘试探。
02惊人涌现：数学规律与推理能力从虚无中诞生
在这场没有人类干预的自对弈军备竞赛中，奇迹开始一浪接着一浪地发生。
随着训练轮次的推进，生成器为了击中学习器的能力前沿，开始自发地发明可识别的数学序列。
▲ 生成器在训练中自发发现的数学序列族及轮次对比
在第 512 轮自对弈时，系统自发编写出了斐波那契数列的生成程序。如果依靠传统算法在通用程序空间里盲目随机采样，想要碰出斐波那契序列，期望轮次要在数万轮以上！
不仅如此，模型还涌现出了强大的上下文学习能力（ICL）。
在对未见过的多项逻辑与算术任务测试中，随着提示词中给出示例数量的增加，完全由自对弈训练出来的模型，其贪心解码正确率呈现出昂扬的上升曲线！
▲ 在六项基准任务中，自对弈模型随 ICL 示例数增加而全面提升，远超固定先验基线
在定性分析加法求和（SUM）任务时，研究人员观察到了惊人的一幕：面对一串全新的加法算式，模型先是利用记忆中的先验字节试探，经历短暂的信心崩溃后，在没有任何额外梯度更新的情况下，仅靠上下文注意力，逐步推导出了低位求和与高位进位的潜在规则！
在自己的算法宇宙中，它将逻辑演绎的通用机制内化成了神经网络的本能。
03认知重构：为什么不吃人类数据，反而能懂人类世界？
这构成了整篇研究最颠覆常识的哲学内核：为什么一个只在抽象图灵机里打滚的模型，能对真实人类世界产生如此强大的零样本泛化？
答案藏在 60 年前计算机先驱雷·索洛莫诺夫（Ray Solomonoff）提出的索洛莫诺夫归纳（Solomonoff Induction）理论中。
索洛莫诺夫认为：世间一切可观测的规律，本质上都是某台图灵机上的计算程序；而宇宙天然偏爱更简短的程序（奥卡姆剃刀）。这种简单性偏置，造就了跨越所有模态的底层公理，重复、对称、状态递归、模块复用。
论文作者团队提出了一个极其深刻的理论拓展：通用数据拟设（Universal Data Ansatz）。
他们指出，人类的自然界数据，本质上由两部分纠缠而成：
- 偶然信息（Contingent Information）
：特定世界的具体事实与符号约定。比如“拿破仑滑铁卢战败”、“apple 在英语中代表苹果”。 - 普遍预测结构（Universal Predictive Structure）
：跨越一切系统底层共享的抽象可计算逻辑。比如因果递进、层级嵌套、信息压缩与递归转移。
以往我们总以为大模型预训练是在同时吞下这两者。而这项实验将它们彻底解耦：
自对弈系统没有学到哪怕一条现实世界的“偶然事实”，但它把宇宙间所有可计算过程共享的“普遍预测结构”，通过纯粹的算力搜索，淬炼到了极致！
当这台模型转头去读莎士比亚、看自然风景、测人类心电图时，它虽然不知道这些字节在人类社会中的语义，但它的神经网络早已经掌握了这种层级结构的组织律动。
04苦涩教训的终极胜利：AI 的尽头是算力搜索
回望 AI 发展的七十年历史，强化学习之父理查德·萨顿（Richard Sutton）曾写下振聋发聩的《苦涩的教训》（The Bitter Lesson）：
凡是试图靠人类专家经验、手工规则或人工设计偏置来提升 AI 的路线，短期内或许有效；但从长远来看，最终无一例外都会被依赖通用计算、通过大规模搜索与自适应学习的方法以压倒性优势彻底超越。
从深蓝击败国际象棋大师，到 AlphaGo 抛弃人类棋谱走向纯自对弈，历史一次次验证着这个规律。
如今，《Self-Play Pretraining with Zero Data》将这一理念推进到了大模型最底层的无监督预训练领域。
这项研究向我们表明：人类精心标注、细致清洗的互联网语料库，未见得是通用人工智能的唯一温床。在图灵机完备的极简规则之上，只要给足算力，让算法与算法在黑暗中自对弈，智慧的火花就能从虚无中自行碰撞出来。
当真实世界的数据墙逼近、人类文本即将被榨干的时刻，这条通向“纯算力自生智能”的未知之路，或许正是开启下一个技术时代的全新起点。