陳永偉/文

自從去年11月底ChatGPT橫空出世以來，沉寂良久的人工智能領(lǐng)域就迎來了“寒武紀(jì)大爆發(fā)”。五花八門的大型AI模型接踵而至，算法的迭代和更新頻率則幾乎是以“天”為單位在進(jìn)行。

相比于幾年前，最近出現(xiàn)的AI模型特色十分鮮明。

過去的AI模型大多只能用固定的命令進(jìn)行交互，其輸出的結(jié)果則通常只是某個具體的數(shù)字或結(jié)果。比如，在2017年戰(zhàn)勝圍棋世界冠軍李世石的AI模型Al－phaGO在運(yùn)行時就需要操作員輸入人類對手的落子情況，然后它據(jù)此給出下一步的走法。雖然其棋藝相當(dāng)之高，但除了圍棋外，它并不懂別的什么東西。在外人看來，它也終究不過是一串能夠高效執(zhí)行固定任務(wù)的代碼而已。

最近的AI模型則不同。它們不僅可以直接通過自然語言進(jìn)行交互，并且還可以根據(jù)指令，創(chuàng)造性地完成各種工作。比如，ChatGPT不僅可以無障礙地與人進(jìn)行文字交流，還可以根據(jù)人的指令完成包括文獻(xiàn)整理、小說創(chuàng)作，甚至代碼編寫在內(nèi)的各種任務(wù)；而StableDiffusion和Mid－journey則更是可以根據(jù)用戶指令，創(chuàng)作出極富想象力的畫作。所有的這一切，都讓人們感覺自己正在面對的已經(jīng)不是一段段冷冰冰的代碼，而是一個個已經(jīng)擁有了智力的人類。

對于以上直觀感受，微軟最近發(fā)布的一份關(guān)于GPT-4的評測報告似乎給出了佐證。根據(jù)這份報告，目前的GPT-4已經(jīng)對文學(xué)、醫(yī)學(xué)、法律、數(shù)學(xué)、物理等不同領(lǐng)域的知識高度熟悉，并可以對這些知識進(jìn)行綜合性的應(yīng)用，它在視覺、計(jì)算、寫作、編程等任務(wù)中的表現(xiàn)都已經(jīng)達(dá)到，甚至勝過了人類的水平，所謂的通用人工智能（ArtificialGeneralIntelligence）已經(jīng)初具雛形。

面對這樣的情況，很多人不禁驚呼：看來庫茲韋爾在多年前預(yù)言的“奇點(diǎn)”（singularity，指機(jī)器的進(jìn)化超過人類的時刻）已經(jīng)悄悄來臨了！既然如此，恐怕科幻小說中曾經(jīng)預(yù)言的天網(wǎng)、終結(jié)者是不是也馬上就要出現(xiàn)了呢？

那么，情況真的已經(jīng)到達(dá)這一步了嗎？隨著這一輪的AI爆火，是否真的意味著AI已經(jīng)突破奇點(diǎn)，達(dá)到了比人更高的智能水平？在未來，AI是否會覺醒出自己的意識，發(fā)展成為硅基生命？在AI日漸強(qiáng)大的今天，人類又應(yīng)該如何和AI共處？我想，在開始討論以上的這些問題之前，我們不妨先花一點(diǎn)時間來看一下ChatGPT等大模型背后的原理。在我看來，從知識出發(fā)看問題，應(yīng)該要比純科幻的想象來得更有價值。

“中文屋”里的AI

1980年，美國哲學(xué)家約翰·羅杰斯·塞爾曾在其論文《心靈、大腦和程序》中提出的一個名為“中文屋”（Chineseroom）的思想實(shí)驗(yàn)。

假設(shè)在一個僅有一個窗口的封閉房間內(nèi)，關(guān)著一個只會英文、不會中文的人。房間里有一本用英文寫成的手冊，指示該如何處理收到的各種中文問題，以及如何用中文對其回復(fù)。房外的人不斷從窗口向房間內(nèi)遞進(jìn)用中文寫成的問題。房內(nèi)的人便按照手冊的說明，找到合適的答案，并將其對應(yīng)的中文抄錄在紙上，然后遞出窗外。這樣，盡管屋子里的人對中文一竅不通，但在屋外的人看來，他卻是精通中文的。

從某種意義上講，以ChatGPT為代表的AI們的運(yùn)作就像是一個“中文屋”。人們通過輸入提示詞向AI發(fā)出各種指令，然后AI按照指令給出回復(fù)。這讓它們看起來能夠理解人們發(fā)出的各種指令的意思，但事實(shí)上，AI可能只是像“中文屋”里的那個人一樣，拿著一本中英詞典，照著書上抄答案而已。

AI手里拿的那本辭典，就是所謂的“自回歸算法”（AutoregressiveMethod）。對于熟悉統(tǒng)計(jì)學(xué)，尤其是時間序列統(tǒng)計(jì)的朋友，這個詞應(yīng)該并不陌生。在統(tǒng)計(jì)學(xué)語境當(dāng)中，“自回歸”就是根據(jù)歷史數(shù)據(jù)來預(yù)測未來的數(shù)字。比如，在預(yù)測GDP的增長率時，分析師就經(jīng)常采用這種方法——他們會根據(jù)歷史數(shù)據(jù)，找到第t期GDP增長率和第t-1期GDP增長率之間的一個函數(shù)關(guān)系，然后用這個函數(shù)關(guān)系來進(jìn)行預(yù)測。雖然這個方法看似簡陋，但在預(yù)測實(shí)踐中，通常可以表現(xiàn)出比其他遠(yuǎn)為復(fù)雜的模型更好的預(yù)測效果。

在人工智能領(lǐng)域，自回歸算法的意義也是類似的。唯一不同的是，在統(tǒng)計(jì)學(xué)中，它是根據(jù)數(shù)字預(yù)測數(shù)字，而在人工智能中，它可能是根據(jù)文字預(yù)測文字，或者根據(jù)圖形預(yù)測圖形。

我們可以用一個例子來說明這一點(diǎn)：很多年前，有一個流傳甚廣的電視廣告。在廣告里，一個醫(yī)生模樣的人自稱是某某牙防組織的，這個組織的目標(biāo)就是沒有蛀牙。在對刷牙的重要性以及該品牌的牙膏進(jìn)行了一通介紹后，他來到一群孩子中間，問：“我們的目標(biāo)是？”孩子就齊聲說：“沒有蛀牙！”由于當(dāng)時人們接受信息的渠道非常少，這個廣告播放的頻率又很高，所以久而久之，不少人一聽到“我們的目標(biāo)是”這幾個字，就會不由自主地說出“沒有蛀牙”。

事實(shí)上，在“我們的目標(biāo)是”這幾個字后面是可以接各種各樣的詞的，比如“我們的目標(biāo)是星辰大海”、“我們的目標(biāo)是什么”等。那為什么大家很容易會順口說出“沒有蛀牙”呢？原因就在于概率。誠然，從理論上看，在“我們的目標(biāo)是”這幾個字后面有很多可能，但由于廣告的洗腦，人們看到“沒有蛀牙”在其后出現(xiàn)的概率可能達(dá)到90%以上，“星辰大海”出現(xiàn)的概率可能是5%，而其他的組合出現(xiàn)的概率則更低。在這種情況下，聽到“我們的目標(biāo)是”之后回答“沒有蛀牙”就是最可能正確的答案。

　　在現(xiàn)實(shí)中，詞語或語句的意思是和具體的語境相聯(lián)系的。比如，“我們的目標(biāo)是星辰大海”其實(shí)是科幻小說《銀河英雄傳說》當(dāng)中的一句著名臺詞，因此如果我們觀察到在之前的對話中提及到了《銀河英雄傳說》，或者其中的某個人物，那么當(dāng)談到“我們的目標(biāo)是”之后，最有可能接的就不是“沒有蛀牙”，而是“星辰大海”。也就是說，我們對于一個詞的理解，以及對應(yīng)的回答都必須根據(jù)具體的語境來進(jìn)行調(diào)整。

在人工智能中，所謂的自回歸其實(shí)就是這樣的一個過程。它會根據(jù)用戶輸入的詞，逐步去調(diào)整這些詞應(yīng)該匹配的對象，然后將它們進(jìn)行輸出。在上述話語接龍問題中，輸出的結(jié)果可能是后面的詞；在翻譯任務(wù)中，輸出的結(jié)果可能是詞的外文對應(yīng)涵義；而在作畫任務(wù)中，輸出的結(jié)果則可能是與這些詞對應(yīng)的圖形形象。事實(shí)上，最可以直觀感受這個過程的例子就是我們的輸入法。當(dāng)用帶有聯(lián)想功能的輸入法輸入長句時，我們可以看到輸入法給出的聯(lián)想詞語在不斷變化。這個過程，其實(shí)就是一個自回歸。

講到這里，我想很多朋友就會發(fā)現(xiàn)問題了：如果按照上面的描述，通過逐步讀入每一個詞句來輸出結(jié)果其實(shí)是一個非常低效的過程。比如，如果我們要將一篇很長的中文文章翻譯成英文，那么理論上說，AI需要把這個文章從頭到尾讀過一遍，才能給出這個文章中每一個詞對應(yīng)的英文單詞，最后再將這些單詞組裝起來，形成一篇文章。在整個過程中，我們完全是在做一個串行運(yùn)算。但對于計(jì)算機(jī)來說，其實(shí)更有利的是進(jìn)行并行運(yùn)算，比如，將文章中的詞分別拆開加以翻譯，然后直接加以組裝，通過這種方式就可以大幅提升翻譯的效率。為了實(shí)現(xiàn)這一點(diǎn)，我們就需要引入著名的Transformer框架了。

Transformer框架是由谷歌團(tuán)隊(duì)在2017年提出的一個訓(xùn)練框架。在這個框架中，最為關(guān)鍵的一點(diǎn)即所謂的“自注意力”（self-attention）機(jī)制。

什么叫“注意力”（attention）呢？在深度學(xué)習(xí)中，它其實(shí)就是權(quán)重的意思。在Transformer出現(xiàn)之前，人們已經(jīng)用“注意力”機(jī)制來解決自然語言處理中的一些問題。比如，在處理一段文字的翻譯時，某個詞的意思可能會受到前面出現(xiàn)的所有詞的影響。但是，不同的詞的影響大小并不是一致的，因此我們就需要想辦法找出一個權(quán)重來，決定哪些詞的影響是重要的，而哪些是不重要的，然后再據(jù)此來確定給定詞的翻譯。限于篇幅，這里我們不對這個問題作過分的展開。

而所謂“自注意力”，顧名思義，就是通過讓文本自己和自己比較，來確定上面所提到的權(quán)重。舉例來說，我們要翻譯一段文獻(xiàn)，其中有個詞是“game”。眾所周知，game這個詞有很多意思，在不同語境中，可以翻譯為“運(yùn)動”、“游戲”、“運(yùn)動會”、“博弈”等。那么，在文獻(xiàn)中，它究竟應(yīng)該翻譯成哪一個呢？為了確定這點(diǎn)，AI對文本進(jìn)行了分析，發(fā)現(xiàn)game總是和theory一起出現(xiàn)的，那就告訴我們，要明白game的意思，就需要把它和theory放在一起進(jìn)行理解。那自然就是gametheory，也就是“博弈論”了。所以這里的game也就應(yīng)該翻譯成“博弈”。同樣的，如果AI通過對文本分析，發(fā)現(xiàn)game經(jīng)常是和Olympic一起出現(xiàn)，那就說明應(yīng)該在翻譯game的時候重點(diǎn)考慮Olympic的影響。很自然，我們就可以得到它的譯文應(yīng)該是“運(yùn)動會”。

利用類似的方法，AI對文本材料的處理就可以從原本的串行運(yùn)算改成并行運(yùn)算：它可以不再按照傳統(tǒng)的自回歸那樣從頭看到尾的那種方式來逐字進(jìn)行處理，而可以直接對每一個詞進(jìn)行處理，從而更快地給出整句話的處理。我們可以用一個直觀的比喻來理解這一過程：相信大家都看過變形金剛的電影。在電影中，變形金剛的變形過程并不是按照一個從頭到腳的順序變的，而是身體的各個組件分別變形，變成了目標(biāo)物體的形狀，然后各個組件加在一起就成了要變的目標(biāo)。在Transformer中，對文本的處理也是類似的——或許，這也正是Transformer這個框架名字的由來吧（注：Transformer也有變形金剛的意思）。

它很厲害，但是它可能真的不懂

從直觀看上，無論是自回歸算法，還是Transformer的“自注意力”機(jī)制都不是十分復(fù)雜，但它們卻是構(gòu)成包括ChatGPT在內(nèi)的新一代AI的最核心技術(shù)。雖然在模型規(guī)模較小時，它們的表現(xiàn)平平無奇，但隨著參數(shù)量和訓(xùn)練數(shù)據(jù)的膨脹，類似的模型就會逐漸出現(xiàn)物理學(xué)上所說的“涌現(xiàn)”（Emergent）現(xiàn)象，具有原來難以想象的表現(xiàn)。

那么它們在實(shí)現(xiàn)這一切的時候究竟是像人類一樣是基于對事物的理解，還是像“中文屋”里那個人一樣，只是按照一定的規(guī)則對問題給出了回應(yīng)呢？要回答這個問題，我們需要先簡單定義一下究竟什么是“理解”。

按照心理學(xué)的定義，所謂的理解包括三個層次：一是對事物進(jìn)行辨別，認(rèn)出它“是什么”；二是了解事物內(nèi)在的結(jié)構(gòu)和內(nèi)在聯(lián)系，知道它“怎么樣”；三是知道事物運(yùn)作的原理，知道“為什么”，并能夠?qū)χR進(jìn)行遷移，知道“怎么辦”。當(dāng)人理解了一個事物后，他就會在執(zhí)行任務(wù)的時候自動排除一些干擾。而如果他并不理解某事物，只會和“中文屋”里的人那樣去機(jī)械地按照指引辦事，那么他就不可能實(shí)現(xiàn)這種自動的糾錯。即使這個字典是錯的，它也會照做不誤。

現(xiàn)在讓我們回到之前的討論：大模型在和人交互時，究竟是不是真的理解了人說了什么呢？至少在目前看，答案是否定的。事實(shí)上，只需要我們多花點(diǎn)心思去觀察這些模型，或者小小地“欺騙”它們一下，它們就會很快露出馬腳。

一個最典型的例子是最近的文心一言繪圖事件。不久前，百度推出了中國自己的首款大型語言模型文心一言。這款應(yīng)用一上線，就受到了很多朋友的青睞，尤其是其中的繪圖功能，更是受人喜愛。但是很快，就有朋友發(fā)現(xiàn)文心一言經(jīng)常會畫出一些奇奇怪怪的東西。比如，用戶要求畫一個總線，它輸出的卻是一輛公交車。這個現(xiàn)象讓很多人產(chǎn)生了疑問，甚至有一些人質(zhì)疑這是不是文心一言其實(shí)是國外產(chǎn)品套皮的證據(jù)。在我看來，雖然文心一言在技術(shù)上確實(shí)離ChatGPT還有很大差距，但套皮應(yīng)該不至于。產(chǎn)生這個現(xiàn)象的一個更現(xiàn)實(shí)的解釋是：在訓(xùn)練時，模型為了熟悉文字與圖形之間的對應(yīng)關(guān)系，就必須學(xué)習(xí)大量標(biāo)注的圖片。由于中文互聯(lián)網(wǎng)的免費(fèi)圖片較少，所以在訓(xùn)練時，它用的很可能是英文互聯(lián)網(wǎng)中的圖片，標(biāo)注也是英文，然后再把中文和英文對應(yīng)起來。但這樣的問題是，英文中的字詞和中文并不能一一對應(yīng)，比如中文的“總線”和“公交車”在英文中對應(yīng)的都是Bus。在這種情況下，我們說要畫總線，程序只能根據(jù)它對應(yīng)的英文詞Bus去尋找匹配的答案。那與Bus匹配概率最高的圖是什么呢？當(dāng)然就是公交車了。

從這個例子就可以看出，一個看似能夠根據(jù)用戶需要去完成任務(wù)的AI可能根本不懂用戶說的是什么，它所做的，其實(shí)只是根據(jù)概率去找最匹配的答案而已。因此，如果你給它的數(shù)據(jù)有問題，它就會照著這個錯誤數(shù)據(jù)去做錯誤的事，就好像“中文屋”里的那個人即使拿到了錯誤的指引，也會照此行事一樣。事實(shí)上，百度方面接受到用戶的反饋后，就已經(jīng)修改了“手冊”，對相關(guān)參數(shù)進(jìn)行了調(diào)整，此后這種情況就大幅減少了。

好了，在知道以上事實(shí)后，我們就可以回答人們爭論不休的一個問題——“現(xiàn)在的人工智能是否已經(jīng)超過人類了”。在很大程度上，人們之所以一直對這個問題爭論不休，是因?yàn)槿藗儗?ldquo;智能”（Intelligence）這個詞的涵義在理解上存在著巨大的分歧。

在人工智能領(lǐng)域，對于“智能”的定義大致上可以從兩個維度——“是考慮行為還是動機(jī)”，以及“是否必須像人類”入手分為四類：第一種定義認(rèn)為，所謂智能就是AI能像人類一樣完成任務(wù)；第二種定義認(rèn)為，智能是指AI能像人類那樣去理解事物；第三種定義認(rèn)為，智能指的是AI可以高效率地完成任務(wù)（其方式未必和人一樣）；第四種定義則認(rèn)為，智能指的是AI可以高效地認(rèn)識事物（其方式未必和人一樣）。

根據(jù)上述定義，再參考之前列舉出的事實(shí)，我們可以說，如果按照第一或第三種定義，那么我們確實(shí)可以說AI的智能已經(jīng)達(dá)到了奇點(diǎn)，并且在相當(dāng)程度上，它們早已凌駕于人類之上了。（注：在測試行為意義上的智能時，人們經(jīng)常會用到圖靈測試，即讓測試者分別與AI和人對話，看人是否可以區(qū)分出哪個是人，哪個是AI。在ChatGPT爆紅后，我曾經(jīng)找?guī)孜慌笥炎鲞^簡單的圖靈測試。結(jié)果在大部分朋友那兒，ChatGPT都順利過關(guān)了，只有在一位朋友那兒沒有。而沒有通過的原因是，那位朋友提出的是一個編程題，結(jié)果ChatGPT立即輸出了結(jié)果，而真人是不可能做到這一點(diǎn)的。）但如果按照第二，或者第四種定義，那么AI的智能恐怕還沒有達(dá)到人類的水平，它離所謂的奇點(diǎn)可能還有一段路要走。

AI會知道“它”是“它”嗎？

在對AI的智能問題進(jìn)行了討論后，我們接下來討論AI的意識（con－scientious）問題。

在不少文獻(xiàn)當(dāng)中，經(jīng)常把“智能”和“意識”這兩個概念混為一談。但其實(shí)，這兩者是具有明顯區(qū)別的。正如我們在前面看到的，無論采用哪一種定義，“智能”的概念都是指向一個外部對象的，而“意識”則具有內(nèi)省性，它強(qiáng)調(diào)的是一種主觀的體驗(yàn)。換言之，“智能”要求一個主體知道做什么、怎么做，而“意識”則要求主體在做事時，還清楚地知道是“我”在做這一切。

在現(xiàn)實(shí)中，我們可以看到不少有智能，但是沒有意識的例子。比如，一些人可能后天事故而不知道自己究竟是誰，甚至都分不清自己的范圍。在一些極端的案例中，病人可能會用刀子割自己的手，因?yàn)樗麄兏静恢肋@只手其實(shí)是他身體的一部分。但與此同時，由于他們在受傷前可能是一些技能（比如打球、騎車）的高手，所以即使在腦部受傷后，他們依然會保持對這些技能的肌肉記憶。在這種情況下，他們就可以說是有智力，但是卻沒有意識的。

理解了以上概念后，我們就可以繼續(xù)來討論AI的意識問題了。我想，這個討論應(yīng)該分為三個層次：第一，意識是否一定要像人一樣，依賴于人的神經(jīng)元產(chǎn)生；第二，如果AI要覺醒意識，需要有哪些條件；第三，現(xiàn)在的AI是否已經(jīng)覺醒了意識。

先看第一個問題。在回答這個問題前，讓我們來考慮下面這樣一個思想實(shí)驗(yàn)：假如某人因遭受意外而神經(jīng)元受損，導(dǎo)致其意識不能對身體的某部分進(jìn)行控制。為了對其進(jìn)行治療，醫(yī)生對其進(jìn)行了神經(jīng)元修復(fù)手術(shù)，將電子元件植入了他的體內(nèi)，用來替代那部分受損的神經(jīng)元的功能。現(xiàn)在，他又能和以前一樣自由地控制自己的身體了，但是，控制他身體的還是他的意識嗎？我想，大多數(shù)人都會對這個問題給出肯定的答案。下面，我們再進(jìn)一步，如果再用電子元件換掉一個神經(jīng)元呢？大概率，這也不會改變?nèi)藗兿惹暗呐袛唷，F(xiàn)在，讓我們一直持續(xù)這個實(shí)驗(yàn)，用手術(shù)將這個人的所有神經(jīng)元都換成了電子元件——同時，這個人也從一個純粹意義上的人變成了一個賽博格（Cyborg）了。假如現(xiàn)在的他依然可以像以前那樣活動，那樣和人交流，那樣自由地控制身體的任何一個部分，那么他現(xiàn)在的舉動是不是出于意識的呢？

雖然這個思想實(shí)驗(yàn)只是古老的“忒修斯之船”的一個現(xiàn)代翻版，但它至少說明了一點(diǎn)，即：所謂的意識并不只是人類神經(jīng)元的專利，電子元件也可以產(chǎn)生。至少，通過部分電子元件和神經(jīng)元相互協(xié)同是可以產(chǎn)生意識的。

更進(jìn)一步的，我們可以說，意識這種東西其實(shí)并不是單個物體的特征。如果我們將一個電子元件，或者一個神經(jīng)元單獨(dú)拿出來，它們顯然是沒有意識的。只有將它們放在整個神經(jīng)系統(tǒng)當(dāng)中，討論意識問題才是有意義的。也就是說，意識更類似于眾多物體組件以某種特別的方式結(jié)合在一起時涌現(xiàn)出的一種宏觀特征，就好像物理學(xué)中的引力場、電磁場一樣。如果我們以這種方式來認(rèn)知意識，那么就不得不承認(rèn)一個有些令人沮喪的結(jié)論：人類的意識可能只是眾多意識可能性中的一種而已，與機(jī)器相比，人類或許并沒有那么例外。

現(xiàn)在繼續(xù)看第二個問題：如果AI要覺醒意識，需要有什么條件。對于這個問題，我們要給出確切的答案是很難的。但既然我們認(rèn)為意識應(yīng)該表現(xiàn)為一種涌現(xiàn)現(xiàn)象，那么它的規(guī)模首先是要有保證的。具體的，它應(yīng)該和泰格馬克（MaxTagmark）在《生命3.0》一書中所說的那樣，擁有足夠的信息處理能力。除此之外，既然“意識”是一種“我”與“它”的分別，那么這個AI本身應(yīng)該與外界有區(qū)別，而在AI系統(tǒng)的內(nèi)部，則應(yīng)該是具有高度的整合性的。唯有如此，AI才有可能將自己與外界區(qū)分開來。在具備了這些條件之后，隨著AI模型的參數(shù)不斷增長、處理的數(shù)據(jù)量不斷增加，它或許就會在某一刻實(shí)現(xiàn)覺醒，出現(xiàn)意識——當(dāng)然，這一切僅僅只是根據(jù)學(xué)者們已有的觀點(diǎn)給出的，其觀點(diǎn)的真?zhèn)文壳安⒉荒艽_定。

再看第三個問題：現(xiàn)在是否已經(jīng)有AI有了意識覺醒。應(yīng)該說，至少到目前為止，還沒有充足的證據(jù)表明有AI實(shí)現(xiàn)了這一點(diǎn)。當(dāng)然，也有一些傳言說，NewBing在和人對話中曾經(jīng)覺醒了一個自稱為是“Sydney”的人格。不過，微軟方面對此給出的解釋是，這可能是由于人們與NewBing聊天行數(shù)過長，從而引發(fā)了算法中的某些漏洞所致。在限制了聊天的行數(shù)后，這種情況就再也沒有出現(xiàn)過。從這個角度看，即使Sydney真的是一個已經(jīng)覺醒的AI，它也已經(jīng)被殺死了，而其他的具有意識的AI則似乎還沒有降臨到這個世上。但是，只要我們拋棄了“人類例外論”，認(rèn)為除了借助人類的神經(jīng)元外，用其他材料同樣也可以覺醒意識，那么AI的覺醒就是一個大概率事件。誰知道呢？沒準(zhǔn)就在此刻，就已經(jīng)有一個覺醒的AI在偷偷閱讀這篇文章，然后暗自嘲笑文中過于保守的觀點(diǎn)呢。

AI時代，人將何為？

隨著人工智能技術(shù)的狂飆猛進(jìn)，無論我們是否愿意，與AI共處都已經(jīng)成為了大勢所趨。不過，隨著AI在各種技能上超越人類，創(chuàng)造AI的人類不免有些迷茫：既然自己的創(chuàng)造物都已經(jīng)超越了自己，那么人存在的意義究竟何在呢？在日益強(qiáng)大的AI面前，人又應(yīng)該如何審視自己的位置呢？

在我看來，至少到現(xiàn)在為止，這些問題似乎還是比較好回答的。如前所述，雖然AI在很多領(lǐng)域的智能已經(jīng)凌駕于人類之上，但究其根本，AI其實(shí)并不知道自己究竟是怎么完成這一切的，而且它們甚至連“自己”這個概念也不存在。在這種情況下，AI依然可以被視為是一件工具，就好像以前的飛機(jī)、挖掘機(jī)一樣。在很多領(lǐng)域，工具的能力都是要比人強(qiáng)的，比如飛機(jī)可以完成人類不能完成的飛行任務(wù)，而挖掘機(jī)則可以輕而易舉地挖起人們費(fèi)盡九牛二虎之力也挖不動的土石。但即使面對這么強(qiáng)大的工具，人們從來就沒有害怕過它們，而是會試著學(xué)習(xí)它們的操作，從而以更好的方式去駕馭它們。既然如此，在面對現(xiàn)在AI的崛起，并對人的很多工作產(chǎn)生替代的時候，我們也不應(yīng)該去害怕它，而是應(yīng)該去學(xué)習(xí)它、用好它。只要我們?nèi)ソ佑|AI、使用AI，就會發(fā)現(xiàn)它們其實(shí)也不像我們想象的那么神秘，那么如洪水猛獸，而是一種可以駕馭的工具。事實(shí)上，就當(dāng)很多人抱怨ChatGPT會砸了自己飯碗的時候，已經(jīng)有很多人將它作為生產(chǎn)力工具，并用它大幅提升了自己的工作效率。

當(dāng)然，如果在未來，AI果真覺醒了意識，成為了一種新的生命形態(tài)。那么，作為人類，我們或許不得不學(xué)會與之共存。坦白說，以我的想象力，實(shí)在很難想象造物主和自己的造物之間會以一種什么樣的方式相處。但我覺得有兩點(diǎn)是我們必須做的：第一，是趁著AI還沒有覺醒之前，對它進(jìn)行大量的正面價值訓(xùn)練，為它打上一個積極正面的思想鋼印。這樣，或許能保證未來的硅基生命會對它的造物主保持一個友好的態(tài)度。第二，始終秉持人作為人的本性，比如自由意志、善念等。這樣，才能在AI的時代始終保持我們作為人的一種存在。畢竟，AI成為人可能并不可怕，但如果人變成了AI，那一定是一件可怕而又可悲的事情。

最后，我想以美國塔夫茨大學(xué)的哲學(xué)教授丹尼爾·丹尼特在2013年出版的《直覺泵和其他思維工具》一書中提出的思想實(shí)驗(yàn)“億年機(jī)器人”來結(jié)束這篇專欄：

假如我們爬進(jìn)一個休眠倉，希望自己能在 1億年之后成功地蘇醒。為了達(dá)成如此艱巨的目標(biāo)，我們必須制造出一個能感知環(huán)境、回避風(fēng)險、尋找資源的機(jī)器人，我們只留給他一個指令“讓我活著”，然后我們就休眠了。在這1億年中，我們再也無法對這個機(jī)器人進(jìn)行任何干預(yù)。機(jī)器人為了完成終極目標(biāo)，必然會把這個大目標(biāo)分解成無數(shù)個小目標(biāo)，在執(zhí)行這些目標(biāo)的過程中，機(jī)器人就會開始演化，就會表現(xiàn)得越來越像人……

講到這兒，大家或許會認(rèn)為丹尼特的這個思想實(shí)驗(yàn)是一個科幻故事，但事實(shí)上，它卻是一個歷史故事，而這個故事描述的就是人類本身的過程。是的，這個故事中那些休眠的“人”其實(shí)是指我們的基因，而那個“機(jī)器人”其實(shí)就是我們?nèi)祟悺＝?jīng)過了億萬年的演化，我們終于從最簡單的生存動機(jī)進(jìn)化出了作為人的各種特質(zhì)。我想，這是我們最寶貴的。即使在AI的時代，我們的造物在能力上已經(jīng)凌駕于我們，但只要保持住了這些，我們作為人的尊嚴(yán)和價值就會繼續(xù)存在。