今年年初，DeepSeek在海內外爆火，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高速發(fā)展，并在越來越多的領域和場景得到應用。

在人工智能快速走進人類生活、學習和工作場景之時，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、內燃機。當然，這一比擬只是為了突出人工智能將產(chǎn)生的人類認知變革，并非在不同的事物之間畫等號。

那么，人工智能究竟有何特點？我們首先想到的，或許是龐大的儲存能力、高速的計算能力，以及已經(jīng)展現(xiàn)出來的學習能力。對于這一問題，外交家基辛格也曾作過思考?；粮癫┦勘环Q為“中國人民的老朋友”，他為中美關系作出了重大貢獻。在他臨終（2023年11月29日去世）前，他仍然在思考國際社會的種種問題。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《人工智能時代與人類價值》，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面，圍繞人工智能展開討論。

下文經(jīng)出版方授權節(jié)選自《人工智能時代與人類價值》一書。內容為關于人工智能特征的論述。摘編有刪減，標題為摘編者所起。注釋見原書。

紀錄片《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

《人工智能時代與人類價值》， [美]亨利·基辛格等著，胡利平、風君譯，中信出版社·方舟工作室，2025年3月。

1.對人工智能的類別

人們提出了許多類比，以便對人工智能的到來及其意義加以解釋、澄清和情境化。人類學家將其比作火或電。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。天文學家將其描述為類似于小行星的撞擊——一種遙遠且發(fā)生概率很低的預言，人類可能會圍繞其組織行星防御——或者外星生命的發(fā)現(xiàn)。經(jīng)濟學家將人工智能比作官僚機構和市場，而國家和社會的領導人則將其與印刷機或公司的出現(xiàn)相提并論——后者甚至逐漸擁有了自己的意志，并在發(fā)展早期占領了南亞次大陸，當時世界還沒有認識到它與現(xiàn)有權力結構的不相容性和對其潛在的支配力。

任何創(chuàng)新，無論多么深刻，都無法與我們在構建智能時追求的最初靈感和（我們所認為的）當前目標——創(chuàng)造比地球上任何人類都更為強大的智能——相提并論。

《我們需要談談》（AI We Need To Talk About A.I.2020）劇照。

對于我們目前的處境，有兩種考量方式。第一種是對熟悉事物的類比。迄今為止，人類最具變革性的技術都增強或放大了人類的身體功能。輪子減輕了行動不便帶來的疲憊，而各種類型的發(fā)動機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)造的機器以無機方式增強、銳化或強化了。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特方面。通過在短短幾十年內制造出等同于進化數(shù)千年來所產(chǎn)生的存在，也就是大腦，我們驀然發(fā)現(xiàn)，這已是最后一個需要借助人類之手進行無機復制或再創(chuàng)造的器官。

2.第一特征是速度

機器智能的形成與人類大腦從青春期到成年期的生物學成熟過程類似。

學生在中學階段學習核心科目的基礎知識，建立起基本的世界觀。這種世界觀可能不是特別先進，也并非始終正確，機器也是這樣。機器和人類一樣，通過吸收信息并將其轉化為理論以供后續(xù)實踐的方式來進行學習。當機器學習時，算法會抓取大量數(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。正如人類的生物機制將感官輸入映射到連接大腦處理單元網(wǎng)絡的神經(jīng)“權重”上一樣，機器同樣需要逐步加強自身的計算權重。

神經(jīng)網(wǎng)絡就像某些高中生，可能很懶。在訓練的早期階段，人工智能將做最低限度的工作——只記住答案而非實際學習。面對“2+2等于幾”這樣的問題，模型一開始可能會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，當越過了某個臨界點，這種方法就會崩潰，并迫使機器像人類一樣抽象升華出更普遍的知識公理。

這正是人工智能與普通計算機的主要區(qū)別：它對世界的映射不是通過編程得來的，而是學習出來的。在傳統(tǒng)的軟件編程中，人類創(chuàng)建的算法指導機器如何將一組輸入轉化為一組輸出。相比之下，在機器學習中，人類創(chuàng)建的算法只告訴機器如何改進自己，并允許機器自己設計輸入到輸出轉換的映射。當機器從之前無數(shù)次的嘗試、失敗和調整中“學習”時，它就會升級自己的算法，以迭代方式對其在數(shù)據(jù)中“洞察到”的模式和聯(lián)系的內部映射進行重新設計。

人類訓練師會定期向機器反饋其輸出結果的準確性和質量。

機器通過“反向傳播”的方式將他們的修正意見內化：這種技術能讓訓練師的修改效果通過機器已經(jīng)創(chuàng)建的數(shù)學關系反向傳播，從而改進整個模型。

然而，對于任何給定的模型，人類只能對一小部分可能的輸入和輸出提供反饋。當模型在大量的訓練測試中達到一定水平后，其開發(fā)人員就會相信，模型所建立的映射關系將對所有輸入（即使是意外輸入）產(chǎn)生穩(wěn)妥而準確的響應，而且成功的概率很高。

盡管人腦擁有高度的并行性，即同時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。如果用與計算機相同的性能指標——“時鐘頻率”或處理速度——來分析人腦回路，那么人工智能超級計算機的平均處理速度已經(jīng)是人腦處理速度的1.2億倍。

誠然，速度并不是標稱智力的有力指標；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好處：攝取更多的信息，同時處理更多的請求。人類大腦的大部分通常處于“自動駕駛狀態(tài)”，即被動地滿足人體內部的需求，引導我們的心臟跳動和四肢運動，只有在這種自動駕駛出現(xiàn)故障時才進行干預調整。相比之下，人工智能所能達到的速度使其能夠以程序化的方式顯現(xiàn)強大的能力，進而解出那些相比目前人腦所能解決問題而言更高級、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行規(guī)律的？我們又是如何知道我們所知的都是真實的？

在大多數(shù)知識領域，自從堅持以實驗作為證明標準的科學方法問世以來，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、可重復性和邏輯驗證才能賦予事實主張合法性。在這一框架的影響下，近幾個世紀以來，人類的知識、理解力和生產(chǎn)力都得到了巨大的發(fā)展，而計算機和機器學習的發(fā)明則標志其發(fā)展達到了頂峰。

然而，在今天這個人工智能時代，我們面臨著一個特別嚴峻的新挑戰(zhàn)：信息無法提供相應解釋。如上所述，人工智能的回應可以是對復雜概念的高度清晰和連貫的描述，而且這種描述是即時做出的。機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機，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理由，但早期的人工智能系統(tǒng)已經(jīng)讓人類對它那些只此一家、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”可能不僅看似權威，而且確實無懈可擊。

《人工智能》（Artificial Intelligence，2001）劇照。

雖然人類的反饋有助于人工智能機器完善其內部算法，但負責檢測訓練數(shù)據(jù)中的模式并為其分配權重的主要還是機器。一旦一個模型訓練完成，機器也不會公布其所炮制的內部數(shù)學模式。因此，機器所生成的現(xiàn)實表征在很大程度上仍是不透明的，甚至對其發(fā)明者來說也是如此。如今，人類主要試圖通過單獨檢查輸出結果來確保這些機器模型的完整性。但機器的內部運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，通過機器學習訓練出來的模型可以讓人類認識到新事物（模型的輸出結果），卻無法讓其理解這些發(fā)現(xiàn)是如何產(chǎn)生的（模型的內部過程）。這就將人類的“知識”與人類的“理解”分離開來，這種體驗對人類的任何其他時代而言都是陌生的?，F(xiàn)代意義上的人類統(tǒng)覺是從直覺和結果發(fā)展而來的，這些直覺和結果則來自有意識的主觀經(jīng)驗、個人的邏輯檢驗以及重現(xiàn)結果的能力。這些知識方法反過來又源于一種典型的人文主義沖動：“如果我無法對某事身體力行，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>

在啟蒙時代出現(xiàn)的這套框架中，這些核心要素——人類個體能力、主觀理解力和客觀事實——都是彼此協(xié)同的。相比之下，人工智能產(chǎn)生的事實卻是通過人類無法復制的過程制造出來的。機器推理不是通過人類的方法進行的，它超越了人類的主觀經(jīng)驗，也超出了人類的能力范圍，人類甚至無法完全呈現(xiàn)機器的內部過程。

雖然人工智能模型不能“理解”人類意義上的世界——因為機器顯然沒有意識或主體性——但人工智能具備通過非人類手段精確認知我們 這個世界的客觀能力。這不僅打破了我們對過去500年人類孜孜以求的科學方法的依賴，還挑戰(zhàn)了人類聲稱只有自己才真正了解現(xiàn)實，或人類對現(xiàn)實的了解獨一無二的說法。

4.它甚至包含了數(shù)百個世代

不同的實體以不同的尺度來衡量時間。在地質時間尺度上，整個人類的存在就像地球長達45億年跨度末尾的一小段突進。如果人類的發(fā)展以地質學的速度進行，我們只會感到停滯不前。相反，作為一個缺乏耐心、自視甚高的物種，我們定義了自己的進化速度。地質上的“年齡”以數(shù)千年為單位，而人類的“年齡”則以區(qū)區(qū)一兩個世紀為單位。

人工智能可能會基于一種人工或技術的時間尺度，以自己獨特的衡量方式運行。人工智能的整個歷史不過70年。正如人類普遍認為寒武紀大爆發(fā)之前的數(shù)億年是一個無比漫長的空白期，然后動物生命和進化進程才突然迎來爆發(fā)一樣，人工智能很可能會將1950—2010年這60年描述為一個類似的緩慢、模糊的虛無期，只是到了最后10年才被生命的曙光照亮。

從社會和生物學角度來看，人類的一個世代大約持續(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，只需十分之一的時間就能實現(xiàn)飛躍。因此，我們應該預料到，在人類尺度時間里感覺像是一場革命的東西，在技術尺度時間里卻只不過是一場進化。較新的人工智能模型——與先前版本只相隔幾個月——可以對越來越多的開放性提示做出回應，為達到給定的目標而做出更多的選擇，并在越來越多的模式中采取行動。

因此，人工智能時代——在人類的時間里，也許是一百年——可以被更精確地分割標記為“多個”不同時代，更進一步講，根據(jù)技術時間尺度，人工智能時代甚至包含了數(shù)百個世代。

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。

人工智能的快速進化是一個多面性的挑戰(zhàn)，而且在很大程度上尚未得到重視。人類以前從未經(jīng)歷過如此巨大的時間壓縮，也從未為此做好準備。這種變化的速度之快，無疑帶來了文化和心理上的迷失。隨著新技術對日常生活的影響不斷深化和復雜化，要確定任何一種應用到底是危機之源，還是令人欣慰的進步之兆，都將變得更加復雜難解。

要在現(xiàn)實世界中厘清這些彼此糾纏的問題將變得越來越困難，因為人工智能的多樣性會帶來多種難以捉摸的影響。此外，隨著人工智能變得越發(fā)強大，未來其很可能會出現(xiàn)重大進化和多樣化。只要不對機器學習的新基礎架構和新技術加以限制，一代又一代的人工智能將層出不窮，其多樣性、廣泛性、能力和復雜性也會與日俱增。就像電能不僅能點亮燈泡一樣，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、感應——我們可能也會發(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步的基礎架構被稱為“變換器”（transformer）。它允許機器同時考慮多個詞語之間的聯(lián)系。通俗而言，以前的結構是一個詞一個詞地讀取，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捕獲整個句子以及句子中每個詞之間的聯(lián)系。通過創(chuàng)建并利用所有聯(lián)系的數(shù)學表征，人工智能就能預測出最佳響應。

5.規(guī)模帶來分辨率的變化

理性時代可能已經(jīng)將人類帶到了自身所能理解世界的邊緣。

愛因斯坦物理學和量子力學的提出，是人類進入未知領域的冒險開端，但這場冒險依然未竟：世界可能有自己的知識規(guī)則，不能通過運用感知來體驗，而只能通過理論構思來理解。量子力學描述的是微觀尺度上的世界，正如哈佛大學物理學家格雷格·凱斯汀所說，在微觀尺度上，“沒有什么是可預測的，物體在被觀測到之前也沒有精確的位置”；廣義相對論描述的則是宇宙尺度上的世界，在這個尺度上，一切都是可預測的，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“還沒有實驗能夠證明這兩種理論中的哪一種”占據(jù)主導地位。

具有諷刺意味的是，這種不確定性正是現(xiàn)代世界的基礎。量子物理學促成了計算機革命等革命。人工智能在當下和將來也會如此。它已經(jīng)通過我們尚未完全理解的機制產(chǎn)生了洞察力并改變了現(xiàn)實。很快，它還將致力于探索人類愈加無法理解的科學。

紀錄片《科學未解之謎》（Science’s Greatest Mysteries，2022）畫面。

歷時300年的理性時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。在相對論宇宙世界和量子世界的核心理論概念提出一個多世紀之后，人類科學愈加顯得彷徨無措。我們在這個時代所體驗到的焦慮和掙扎只是一個跡象，表明人類智力可能已接近某種生物極限。

由于其獨特的探究和學習方法，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)實的宏觀和微觀兩端實現(xiàn)調和，用迄今為止人類經(jīng)驗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構決定的。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，這樣的人類的認知能力就會處于劣勢；可如果再大一點，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對大腦的重量造成實際限制。除非借助剖宮產(chǎn)或將來的人造子宮，才有可能突破這種限制，這意味著人類已經(jīng)達到了某種進化平衡態(tài)。

對人工智能來說，今天的模型所具備的能力是在其創(chuàng)建之初未曾預料到的。迄今為止，應用于人工智能的標度律（scaling law，比如，在一個較古老的例子中，支配物體長度與面積之間關系的定律）似乎是正確的，但我們并不知道，參數(shù)數(shù)量呈指數(shù)級增長的模型究竟能實現(xiàn)什么，因為我們還沒有找到某些能力會在特定的冪和復雜度下出現(xiàn)的科學原因。

在動物界，大腦大小相對于身體大小的比例與智力并沒有明顯的相關性——海豚、大象和一些鯨類的大腦都比人腦大得多。不過早期科學確實表明，規(guī)模在其中發(fā)揮了某種作用，而我們對此尚不了解。

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大到極小和極遠之處。顯微鏡和望遠鏡是人類觀察的典型工具。而不起眼的筆卻鮮有人理會。這種4000年前發(fā)明的書寫工具至今仍然是編纂和傳遞復雜性的杰出工具。其中就包括數(shù)學，它也許是最純粹、最通用的人類語言，其本身就足以促進深奧思想的傳遞和技術項目的合作。以字節(jié)為單位計算的話，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)結構——這是迄今發(fā)明的最有效的數(shù)據(jù)結構。

原文作者/[美]亨利·基辛格 等

摘編/羅東

導語部分校對/柳寶慶