今年年初，DeepSeek在海內(nèi)外爆火，隨后另一款國產(chǎn)通用型人工智能（GAI）Manus也在網(wǎng)上刷屏。從前些年的ChatGPT，到如今的DeepSeek、Manus，通用型人工智能技術(shù)高速發(fā)展，并在越來越多的領(lǐng)域和場景得到應(yīng)用。
在人工智能快速走進(jìn)人類生活、學(xué)習(xí)和工作場景之時(shí)，人們也不禁要把它比作歷史上其他眾所周知的發(fā)明，比如火、電燈、內(nèi)燃機(jī)。當(dāng)然，這一比擬只是為了突出人工智能將產(chǎn)生的人類認(rèn)知變革，并非在不同的事物之間畫等號(hào)。
那么，人工智能究竟有何特點(diǎn)？我們首先想到的，或許是龐大的儲(chǔ)存能力、高速的計(jì)算能力，以及已經(jīng)展現(xiàn)出來的學(xué)習(xí)能力。對(duì)于這一問題，外交家基辛格也曾作過思考。基辛格博士被稱為“中國人民的老朋友”，他為中美關(guān)系作出了重大貢獻(xiàn)。在他臨終（2023年11月29日去世）前，他仍然在思考國際社會(huì)的種種問題。此外人工智能也是他思考的話題之一，他一生撰寫了22本書，其中最后一本書叫《人工智能時(shí)代與人類價(jià)值》，是谷歌前CEO埃里克·施密特、微軟前首席研究和戰(zhàn)略官克雷格·蒙迪與他合作完成，兩位業(yè)界人士曾在基辛格人生的最后一年與他多次會(huì)面，圍繞人工智能展開討論。
下文經(jīng)出版方授權(quán)節(jié)選自《人工智能時(shí)代與人類價(jià)值》一書。內(nèi)容為關(guān)于人工智能特征的論述。摘編有刪減，標(biāo)題為摘編者所起。注釋見原書。
紀(jì)錄片《人工智能的樂趣》（The Joy Of AI，2018）畫面。
原文作者｜ [美]亨利·基辛格 等
《人工智能時(shí)代與人類價(jià)值》， [美]亨利·基辛格等著，胡利平、風(fēng)君譯，中信出版社·方舟工作室，2025年3月。
1.對(duì)人工智能的類別
人們提出了許多類比，以便對(duì)人工智能的到來及其意義加以解釋、澄清和情境化。人類學(xué)家將其比作火或電。將軍和外交官則把人工智能比作原子能，或是像俾斯麥所體現(xiàn)的那種不可阻擋、不可征服的人類意志力。天文學(xué)家將其描述為類似于小行星的撞擊——一種遙遠(yuǎn)且發(fā)生概率很低的預(yù)言，人類可能會(huì)圍繞其組織行星防御——或者外星生命的發(fā)現(xiàn)。經(jīng)濟(jì)學(xué)家將人工智能比作官僚機(jī)構(gòu)和市場，而國家和社會(huì)的領(lǐng)導(dǎo)人則將其與印刷機(jī)或公司的出現(xiàn)相提并論——后者甚至逐漸擁有了自己的意志，并在發(fā)展早期占領(lǐng)了南亞次大陸，當(dāng)時(shí)世界還沒有認(rèn)識(shí)到它與現(xiàn)有權(quán)力結(jié)構(gòu)的不相容性和對(duì)其潛在的支配力。
任何創(chuàng)新，無論多么深刻，都無法與我們在構(gòu)建智能時(shí)追求的最初靈感和（我們所認(rèn)為的）當(dāng)前目標(biāo)——?jiǎng)?chuàng)造比地球上任何人類都更為強(qiáng)大的智能——相提并論。
《我們需要談?wù)劇罚ˋI We Need To Talk About A.I.2020）劇照。
對(duì)于我們目前的處境，有兩種考量方式。第一種是對(duì)熟悉事物的類比。迄今為止，人類最具變革性的技術(shù)都增強(qiáng)或放大了人類的身體功能。輪子減輕了行動(dòng)不便帶來的疲憊，而各種類型的發(fā)動(dòng)機(jī)則緩解了肌肉撕裂帶來的痛苦。X射線、放大鏡和燈泡拓展了可觀察現(xiàn)實(shí)的極限，令我們超越了自然視力的局限，就像電話以我們的喉嚨無法實(shí)現(xiàn)的方式增大了我們的聲音一樣。人類功能的所有方面都在某種程度上被我們創(chuàng)造的機(jī)器以無機(jī)方式增強(qiáng)、銳化或強(qiáng)化了。那么，人工智能只是人類能力的另一種延伸嗎？
第二種思路則暗示，這次的情況有所不同——人工智能具有某些人類能力所無法涵蓋的獨(dú)特方面。通過在短短幾十年內(nèi)制造出等同于進(jìn)化數(shù)千年來所產(chǎn)生的存在，也就是大腦，我們驀然發(fā)現(xiàn)，這已是最后一個(gè)需要借助人類之手進(jìn)行無機(jī)復(fù)制或再創(chuàng)造的器官。
2.第一特征是速度
機(jī)器智能的形成與人類大腦從青春期到成年期的生物學(xué)成熟過程類似。
學(xué)生在中學(xué)階段學(xué)習(xí)核心科目的基礎(chǔ)知識(shí)，建立起基本的世界觀。這種世界觀可能不是特別先進(jìn)，也并非始終正確，機(jī)器也是這樣。機(jī)器和人類一樣，通過吸收信息并將其轉(zhuǎn)化為理論以供后續(xù)實(shí)踐的方式來進(jìn)行學(xué)習(xí)。當(dāng)機(jī)器學(xué)習(xí)時(shí)，算法會(huì)抓取大量數(shù)據(jù)（這些數(shù)據(jù)來自開放的互聯(lián)網(wǎng)，或是由其他私人提供的更具體的數(shù)據(jù)），然后將結(jié)果整理成壓縮精簡的概念映射，以供未來使用。正如人類的生物機(jī)制將感官輸入映射到連接大腦處理單元網(wǎng)絡(luò)的神經(jīng)“權(quán)重”上一樣，機(jī)器同樣需要逐步加強(qiáng)自身的計(jì)算權(quán)重。
神經(jīng)網(wǎng)絡(luò)就像某些高中生，可能很懶。在訓(xùn)練的早期階段，人工智能將做最低限度的工作——只記住答案而非實(shí)際學(xué)習(xí)。面對(duì)“2+2等于幾”這樣的問題，模型一開始可能會(huì)在沒有掌握加法基本原理的情況下，就將答案編碼為“4”。但很快地，當(dāng)越過了某個(gè)臨界點(diǎn)，這種方法就會(huì)崩潰，并迫使機(jī)器像人類一樣抽象升華出更普遍的知識(shí)公理。
這正是人工智能與普通計(jì)算機(jī)的主要區(qū)別：它對(duì)世界的映射不是通過編程得來的，而是學(xué)習(xí)出來的。在傳統(tǒng)的軟件編程中，人類創(chuàng)建的算法指導(dǎo)機(jī)器如何將一組輸入轉(zhuǎn)化為一組輸出。相比之下，在機(jī)器學(xué)習(xí)中，人類創(chuàng)建的算法只告訴機(jī)器如何改進(jìn)自己，并允許機(jī)器自己設(shè)計(jì)輸入到輸出轉(zhuǎn)換的映射。當(dāng)機(jī)器從之前無數(shù)次的嘗試、失敗和調(diào)整中“學(xué)習(xí)”時(shí)，它就會(huì)升級(jí)自己的算法，以迭代方式對(duì)其在數(shù)據(jù)中“洞察到”的模式和聯(lián)系的內(nèi)部映射進(jìn)行重新設(shè)計(jì)。
人類訓(xùn)練師會(huì)定期向機(jī)器反饋其輸出結(jié)果的準(zhǔn)確性和質(zhì)量。
機(jī)器通過“反向傳播”的方式將他們的修正意見內(nèi)化：這種技術(shù)能讓訓(xùn)練師的修改效果通過機(jī)器已經(jīng)創(chuàng)建的數(shù)學(xué)關(guān)系反向傳播，從而改進(jìn)整個(gè)模型。
然而，對(duì)于任何給定的模型，人類只能對(duì)一小部分可能的輸入和輸出提供反饋。當(dāng)模型在大量的訓(xùn)練測試中達(dá)到一定水平后，其開發(fā)人員就會(huì)相信，模型所建立的映射關(guān)系將對(duì)所有輸入（即使是意外輸入）產(chǎn)生穩(wěn)妥而準(zhǔn)確的響應(yīng)，而且成功的概率很高。
盡管人腦擁有高度的并行性，即同時(shí)處理不同類型刺激的能力，但受限于生物回路的工作速度，人腦的信息處理速度很慢。如果用與計(jì)算機(jī)相同的性能指標(biāo)——“時(shí)鐘頻率”或處理速度——來分析人腦回路，那么人工智能超級(jí)計(jì)算機(jī)的平均處理速度已經(jīng)是人腦處理速度的1.2億倍。
誠然，速度并不是標(biāo)稱智力的有力指標(biāo)；極其蠢笨之人也能快速思考。不過，比人腦更快的處理速度帶來了兩個(gè)好處：攝取更多的信息，同時(shí)處理更多的請求。人類大腦的大部分通常處于“自動(dòng)駕駛狀態(tài)”，即被動(dòng)地滿足人體內(nèi)部的需求，引導(dǎo)我們的心臟跳動(dòng)和四肢運(yùn)動(dòng)，只有在這種自動(dòng)駕駛出現(xiàn)故障時(shí)才進(jìn)行干預(yù)調(diào)整。相比之下，人工智能所能達(dá)到的速度使其能夠以程序化的方式顯現(xiàn)強(qiáng)大的能力，進(jìn)而解出那些相比目前人腦所能解決問題而言更高級(jí)、更困難和更宏大的問題。
3.過程的不可知
我們是如何了解我們所知的宇宙運(yùn)行規(guī)律的？我們又是如何知道我們所知的都是真實(shí)的？
在大多數(shù)知識(shí)領(lǐng)域，自從堅(jiān)持以實(shí)驗(yàn)作為證明標(biāo)準(zhǔn)的科學(xué)方法問世以來，任何沒有證據(jù)支持的信息都被視為不完整和不可信的。只有透明度、可重復(fù)性和邏輯驗(yàn)證才能賦予事實(shí)主張合法性。在這一框架的影響下，近幾個(gè)世紀(jì)以來，人類的知識(shí)、理解力和生產(chǎn)力都得到了巨大的發(fā)展，而計(jì)算機(jī)和機(jī)器學(xué)習(xí)的發(fā)明則標(biāo)志其發(fā)展達(dá)到了頂峰。
然而，在今天這個(gè)人工智能時(shí)代，我們面臨著一個(gè)特別嚴(yán)峻的新挑戰(zhàn)：信息無法提供相應(yīng)解釋。如上所述，人工智能的回應(yīng)可以是對(duì)復(fù)雜概念的高度清晰和連貫的描述，而且這種描述是即時(shí)做出的。機(jī)器輸出的信息是最基本的和未經(jīng)修飾的，沒有明顯的偏見或動(dòng)機(jī)，但也沒有附上任何引用來源或其他理由。然而，盡管任何給定答案都缺乏相應(yīng)理由，但早期的人工智能系統(tǒng)已經(jīng)讓人類對(duì)它那些只此一家、別無分店，如同神諭般的聲明產(chǎn)生了令人難以置信的信任和依賴。隨著它們的發(fā)展，這些新的“大腦”可能不僅看似權(quán)威，而且確實(shí)無懈可擊。
《人工智能》（Artificial Intelligence，2001）劇照。
雖然人類的反饋有助于人工智能機(jī)器完善其內(nèi)部算法，但負(fù)責(zé)檢測訓(xùn)練數(shù)據(jù)中的模式并為其分配權(quán)重的主要還是機(jī)器。一旦一個(gè)模型訓(xùn)練完成，機(jī)器也不會(huì)公布其所炮制的內(nèi)部數(shù)學(xué)模式。因此，機(jī)器所生成的現(xiàn)實(shí)表征在很大程度上仍是不透明的，甚至對(duì)其發(fā)明者來說也是如此。如今，人類主要試圖通過單獨(dú)檢查輸出結(jié)果來確保這些機(jī)器模型的完整性。但機(jī)器的內(nèi)部運(yùn)作在很大程度上仍然是不可捉摸的，因此，有些人工智能系統(tǒng)被稱為“黑盒子”。盡管一些研究人員正試圖將這些復(fù)雜模型的輸出逆向工程化為人們熟悉的算法，但目前尚不清楚他們能否成功。
簡而言之，通過機(jī)器學(xué)習(xí)訓(xùn)練出來的模型可以讓人類認(rèn)識(shí)到新事物（模型的輸出結(jié)果），卻無法讓其理解這些發(fā)現(xiàn)是如何產(chǎn)生的（模型的內(nèi)部過程）。這就將人類的“知識(shí)”與人類的“理解”分離開來，這種體驗(yàn)對(duì)人類的任何其他時(shí)代而言都是陌生的?，F(xiàn)代意義上的人類統(tǒng)覺是從直覺和結(jié)果發(fā)展而來的，這些直覺和結(jié)果則來自有意識(shí)的主觀經(jīng)驗(yàn)、個(gè)人的邏輯檢驗(yàn)以及重現(xiàn)結(jié)果的能力。這些知識(shí)方法反過來又源于一種典型的人文主義沖動(dòng)：“如果我無法對(duì)某事身體力行，那么我就無法理解它；而如果我無法理解它，那么我就不能知道它是真的?！?/p>
在啟蒙時(shí)代出現(xiàn)的這套框架中，這些核心要素——人類個(gè)體能力、主觀理解力和客觀事實(shí)——都是彼此協(xié)同的。相比之下，人工智能產(chǎn)生的事實(shí)卻是通過人類無法復(fù)制的過程制造出來的。機(jī)器推理不是通過人類的方法進(jìn)行的，它超越了人類的主觀經(jīng)驗(yàn)，也超出了人類的能力范圍，人類甚至無法完全呈現(xiàn)機(jī)器的內(nèi)部過程。
雖然人工智能模型不能“理解”人類意義上的世界——因?yàn)闄C(jī)器顯然沒有意識(shí)或主體性——但人工智能具備通過非人類手段精確認(rèn)知我們 這個(gè)世界的客觀能力。這不僅打破了我們對(duì)過去500年人類孜孜以求的科學(xué)方法的依賴，還挑戰(zhàn)了人類聲稱只有自己才真正了解現(xiàn)實(shí)，或人類對(duì)現(xiàn)實(shí)的了解獨(dú)一無二的說法。
4.它甚至包含了數(shù)百個(gè)世代
不同的實(shí)體以不同的尺度來衡量時(shí)間。在地質(zhì)時(shí)間尺度上，整個(gè)人類的存在就像地球長達(dá)45億年跨度末尾的一小段突進(jìn)。如果人類的發(fā)展以地質(zhì)學(xué)的速度進(jìn)行，我們只會(huì)感到停滯不前。相反，作為一個(gè)缺乏耐心、自視甚高的物種，我們定義了自己的進(jìn)化速度。地質(zhì)上的“年齡”以數(shù)千年為單位，而人類的“年齡”則以區(qū)區(qū)一兩個(gè)世紀(jì)為單位。
人工智能可能會(huì)基于一種人工或技術(shù)的時(shí)間尺度，以自己獨(dú)特的衡量方式運(yùn)行。人工智能的整個(gè)歷史不過70年。正如人類普遍認(rèn)為寒武紀(jì)大爆發(fā)之前的數(shù)億年是一個(gè)無比漫長的空白期，然后動(dòng)物生命和進(jìn)化進(jìn)程才突然迎來爆發(fā)一樣，人工智能很可能會(huì)將1950—2010年這60年描述為一個(gè)類似的緩慢、模糊的虛無期，只是到了最后10年才被生命的曙光照亮。
從社會(huì)和生物學(xué)角度來看，人類的一個(gè)世代大約持續(xù)25年。
相比之下，人工智能以非人的速度發(fā)展；它的世代更短，只需十分之一的時(shí)間就能實(shí)現(xiàn)飛躍。因此，我們應(yīng)該預(yù)料到，在人類尺度時(shí)間里感覺像是一場革命的東西，在技術(shù)尺度時(shí)間里卻只不過是一場進(jìn)化。較新的人工智能模型——與先前版本只相隔幾個(gè)月——可以對(duì)越來越多的開放性提示做出回應(yīng)，為達(dá)到給定的目標(biāo)而做出更多的選擇，并在越來越多的模式中采取行動(dòng)。
因此，人工智能時(shí)代——在人類的時(shí)間里，也許是一百年——可以被更精確地分割標(biāo)記為“多個(gè)”不同時(shí)代，更進(jìn)一步講，根據(jù)技術(shù)時(shí)間尺度，人工智能時(shí)代甚至包含了數(shù)百個(gè)世代。
研究者用AI閱讀古文字。圖片來源：《自然》雜志引自慕尼黑大學(xué)。
人工智能的快速進(jìn)化是一個(gè)多面性的挑戰(zhàn)，而且在很大程度上尚未得到重視。人類以前從未經(jīng)歷過如此巨大的時(shí)間壓縮，也從未為此做好準(zhǔn)備。這種變化的速度之快，無疑帶來了文化和心理上的迷失。隨著新技術(shù)對(duì)日常生活的影響不斷深化和復(fù)雜化，要確定任何一種應(yīng)用到底是危機(jī)之源，還是令人欣慰的進(jìn)步之兆，都將變得更加復(fù)雜難解。
要在現(xiàn)實(shí)世界中厘清這些彼此糾纏的問題將變得越來越困難，因?yàn)槿斯ぶ悄艿亩鄻有詴?huì)帶來多種難以捉摸的影響。此外，隨著人工智能變得越發(fā)強(qiáng)大，未來其很可能會(huì)出現(xiàn)重大進(jìn)化和多樣化。只要不對(duì)機(jī)器學(xué)習(xí)的新基礎(chǔ)架構(gòu)和新技術(shù)加以限制，一代又一代的人工智能將層出不窮，其多樣性、廣泛性、能力和復(fù)雜性也會(huì)與日俱增。就像電能不僅能點(diǎn)亮燈泡一樣，人工智能也將有多種用途。且正如產(chǎn)生電的方法有很多種——摩擦、傳導(dǎo)、感應(yīng)——我們可能也會(huì)發(fā)現(xiàn)多種創(chuàng)建人工智能的方法。
例如，催生人工智能最新進(jìn)步的基礎(chǔ)架構(gòu)被稱為“變換器”（transformer）。它允許機(jī)器同時(shí)考慮多個(gè)詞語之間的聯(lián)系。通俗而言，以前的結(jié)構(gòu)是一個(gè)詞一個(gè)詞地讀取，只捕獲詞1和詞2之間的聯(lián)系，然后再分別捕獲詞2和詞3之間的聯(lián)系，而變換器可以讓模型同時(shí)捕獲整個(gè)句子以及句子中每個(gè)詞之間的聯(lián)系。通過創(chuàng)建并利用所有聯(lián)系的數(shù)學(xué)表征，人工智能就能預(yù)測出最佳響應(yīng)。
5.規(guī)模帶來分辨率的變化
理性時(shí)代可能已經(jīng)將人類帶到了自身所能理解世界的邊緣。
愛因斯坦物理學(xué)和量子力學(xué)的提出，是人類進(jìn)入未知領(lǐng)域的冒險(xiǎn)開端，但這場冒險(xiǎn)依然未竟：世界可能有自己的知識(shí)規(guī)則，不能通過運(yùn)用感知來體驗(yàn)，而只能通過理論構(gòu)思來理解。量子力學(xué)描述的是微觀尺度上的世界，正如哈佛大學(xué)物理學(xué)家格雷格·凱斯汀所說，在微觀尺度上，“沒有什么是可預(yù)測的，物體在被觀測到之前也沒有精確的位置”；廣義相對(duì)論描述的則是宇宙尺度上的世界，在這個(gè)尺度上，一切都是可預(yù)測的，無論其“是否”被觀測到。6兩種理論都沒有失敗，但不可能兩者皆為真，而且“還沒有實(shí)驗(yàn)?zāi)軌蜃C明這兩種理論中的哪一種”占據(jù)主導(dǎo)地位。
具有諷刺意味的是，這種不確定性正是現(xiàn)代世界的基礎(chǔ)。量子物理學(xué)促成了計(jì)算機(jī)革命等革命。人工智能在當(dāng)下和將來也會(huì)如此。它已經(jīng)通過我們尚未完全理解的機(jī)制產(chǎn)生了洞察力并改變了現(xiàn)實(shí)。很快，它還將致力于探索人類愈加無法理解的科學(xué)。
紀(jì)錄片《科學(xué)未解之謎》（Science’s Greatest Mysteries，2022）畫面。
歷時(shí)300年的理性時(shí)代盡管取得了巨大的成功，如今卻已停滯不前——我們在物理統(tǒng)一理論方面明顯的一籌莫展就是明證。在相對(duì)論宇宙世界和量子世界的核心理論概念提出一個(gè)多世紀(jì)之后，人類科學(xué)愈加顯得彷徨無措。我們在這個(gè)時(shí)代所體驗(yàn)到的焦慮和掙扎只是一個(gè)跡象，表明人類智力可能已接近某種生物極限。
由于其獨(dú)特的探究和學(xué)習(xí)方法，人工智能將能夠在規(guī)模（“尺度”）和精度（“分辨率”）方面取得非人的成就，從而引發(fā)根本性變革，這種變革與任何其他人類發(fā)明所引發(fā)的或源于人類物種本身的變革均不相同。然而，人工智能能否在人類現(xiàn)實(shí)的宏觀和微觀兩端實(shí)現(xiàn)調(diào)和，用迄今為止人類經(jīng)驗(yàn)完全陌生的方法引發(fā)一場感知革命？
人類大腦的物理規(guī)模是由我們的解剖結(jié)構(gòu)決定的。人類的大腦必須置于人類的頭骨里，而人類嬰兒的頭骨必須大體上適合通過女性的產(chǎn)道。如果大腦小一點(diǎn)，這樣的人類的認(rèn)知能力就會(huì)處于劣勢；可如果再大一點(diǎn)，嬰兒或他們的母親就可能無法在分娩過程中存活下來。其他生理上的限制也會(huì)對(duì)大腦的重量造成實(shí)際限制。除非借助剖宮產(chǎn)或?qū)淼娜嗽熳訉m，才有可能突破這種限制，這意味著人類已經(jīng)達(dá)到了某種進(jìn)化平衡態(tài)。
對(duì)人工智能來說，今天的模型所具備的能力是在其創(chuàng)建之初未曾預(yù)料到的。迄今為止，應(yīng)用于人工智能的標(biāo)度律（scaling law，比如，在一個(gè)較古老的例子中，支配物體長度與面積之間關(guān)系的定律）似乎是正確的，但我們并不知道，參數(shù)數(shù)量呈指數(shù)級(jí)增長的模型究竟能實(shí)現(xiàn)什么，因?yàn)槲覀冞€沒有找到某些能力會(huì)在特定的冪和復(fù)雜度下出現(xiàn)的科學(xué)原因。
在動(dòng)物界，大腦大小相對(duì)于身體大小的比例與智力并沒有明顯的相關(guān)性——海豚、大象和一些鯨類的大腦都比人腦大得多。不過早期科學(xué)確實(shí)表明，規(guī)模在其中發(fā)揮了某種作用，而我們對(duì)此尚不了解。
規(guī)模帶來的主要副作用之一是分辨率。長期以來，人類一直希望將我們的觀察范圍擴(kuò)大到極小和極遠(yuǎn)之處。顯微鏡和望遠(yuǎn)鏡是人類觀察的典型工具。而不起眼的筆卻鮮有人理會(huì)。這種4000年前發(fā)明的書寫工具至今仍然是編纂和傳遞復(fù)雜性的杰出工具。其中就包括數(shù)學(xué)，它也許是最純粹、最通用的人類語言，其本身就足以促進(jìn)深?yuàn)W思想的傳遞和技術(shù)項(xiàng)目的合作。以字節(jié)為單位計(jì)算的話，以各種優(yōu)美形式呈現(xiàn)的語言都有著異常密集的數(shù)據(jù)結(jié)構(gòu)——這是迄今發(fā)明的最有效的數(shù)據(jù)結(jié)構(gòu)。
原文作者/[美]亨利·基辛格 等
摘編/羅東
導(dǎo)語部分校對(duì)/柳寶慶
