近日，一則引人關注的消息在網絡上引發熱議，關于某明星的黑料曝光引起了網友們的廣泛討論。雖然具體細節尚未得到確認，但相關信息的持續更新讓吃瓜群眾們充滿好奇。這些爆料既包含了個人生活的隱私，也涉及到職業生涯的爭議，提醒人們在追逐娛樂八卦時，需保持理性與客觀的態度。
今年年初，DeepSeek在海內外爆火，隨后另一款國產通用型人工智能（GAI）Manus也在網上刷屏。從前些年的ChatGPT，到現在的DeepSeek、Manus，通用型人工智能技能高速開展，并在越來越多的范疇和場景得到運用。
在人工智能快速走進人類日子、學習和作業場景之時，人們也不由要把它比作前史上其他眾所周知的創造，比方火、電燈、內燃機。當然，這一比較僅僅為了出色人工智能將發生的人類認知革新，并非在不同的事物之間畫等號。
那么，人工智能終究有何特色？咱們首要想到的，或許是巨大的貯存才干、高速的核算才干，以及現已展示出來的學習才干。關于這一問題，外交家基辛格也曾作過考慮。基辛格博士被稱為“中國人民的老朋友”，他為中美聯絡作出了嚴重貢獻。在他臨終（2023年11月29日逝世）前，他仍然在考慮國際社會的種種問題。此外人工智能也是他考慮的論題之一，他終身撰寫了22本書，其間最終一本書叫《人工智能年代與人類價值》，是谷歌前CEO埃里克·施密特、微軟前首席研討和戰略官克雷格·蒙迪與他協作完結，兩位業界人士曾在基辛格人生的最終一年與他屢次會晤，環繞人工智能展開討論。
下文經出書方授權節選自《人工智能年代與人類價值》一書。內容為關于人工智能特征的論說。摘編有刪減，標題為摘編者所起。注釋見原書。
紀錄片《人工智能的趣味》（The Joy Of AI，2018）畫面。
原文作者｜ [美]亨利·基辛格 等。
《人工智能年代與人類價值》， [美]亨利·基辛格等著，胡利平、風君譯，中信出書社·方舟作業室，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含義加以解說、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，或是像俾斯麥所表現的那種不行阻撓、不行降服的人類毅力力。天文學家將其描繪為相似于小行星的碰擊——一種悠遠且發生概率很低的預言，人類或許會環繞其安排行星防護——或許外星生命的發現。經濟學家將人工智能比作官僚機構和商場，而國家和社會的領導人則將其與印刷機或公司的出現混為一談——后者乃至逐漸具有了自己的毅力，并在開展前期占有了南亞次大陸，其時國際還沒有認識到它與現有權利結構的不相容性和對其潛在的分配力。
任何立異，不管多么深入，都無法與咱們在構建智能時尋求的開始創意和（咱們所以為的）當時方針——創造比地球就任何人類都更為強壯的智能——混為一談。
《咱們需求談談》（AI We Need To Talk About A.I.2020）劇照。
關于咱們現在的境況，有兩種考量辦法。榜首種是對了解事物的類比。迄今為止，人類最具革新性的技能都增強或擴大了人類的身體功用。輪子減輕了舉動不便帶來的疲乏，而各種類型的發動機則緩解了肌肉撕裂帶來的苦楚。X射線、擴大鏡和燈泡拓寬了可調查實踐的極限，令咱們逾越了天然視力的約束，就像電話以咱們的嗓子無法完結的辦法增大了咱們的聲響相同。人類功用的一切方面都在某種程度上被咱們創造的機器以無機辦法增強、銳化或強化了。那么，人工智能僅僅人類才干的另一種延伸嗎？
第二種思路則暗示，這次的狀況有所不同——人工智能具有某些人類才干所無法包含的共同方面。經過在短短幾十年內制造出等同于進化數千年來所發生的存在，也便是大腦，咱們猛然發現，這已是最終一個需求憑借人類之手進行無機仿制或再創造的器官。
2.榜首特征是速度。
機器智能的構成與人類大腦從青春期到成年期的生物學老練進程相似。
學生在中學階段學習中心科目的根底常識，樹立起根本的國際觀。這種國際觀或許不是特別先進，也并非一向正確，機器也是這樣。機器和人類相同，經過吸收信息并將其轉化為理論以供后續實踐的辦法來進行學習。當機器學習時，算法會抓取很多數據（這些數據來自敞開的互聯網，或是由其他私家供給的更詳細的數據），然后將成果整理成緊縮精簡的概念映射，以供未來運用。正如人類的生物機制將感官輸入映射到銜接大腦處理單元網絡的神經“權重”上相同，機器相同需求逐漸加強自身的核算權重。
神經網絡就像某些高中生，或許很懶。在練習的前期階段，人工智能將做最低極限的作業——只記住答案而非實踐學習。面臨“2+2等于幾”這樣的問題，模型一開始或許會在沒有把握加法根本原理的狀況下，就將答案編碼為“4”。但很快地，當越過了某個臨界點，這種辦法就會潰散，并迫使機器像人類相同籠統提高出更遍及的常識正義。
這正是人工智能與一般核算機的首要差異：它對國際的映射不是經過編程得來的，而是學習出來的。在傳統的軟件編程中，人類創立的算法輔導機器怎么將一組輸入轉化為一組輸出。比較之下，在機器學習中，人類創立的算法只告知機器怎么改善自己，并答應機器自己規劃輸入到輸出轉化的映射。當機器從之前無數次的測驗、失利和調整中“學習”時，它就會晉級自己的算法，以迭代辦法對其在數據中“洞悉到”的方式和聯絡的內部映射進行從頭規劃。
人類練習師會定時向機器反應其輸出成果的準確性和質量。
機器經過“反向傳達”的辦法將他們的批改定見內化：這種技能能讓練習師的修正效果經過機器現已創立的數學聯絡反向傳達，然后改善整個模型。
但是，關于任何給定的模型，人類只能對一小部分或許的輸入和輸出供給反應。當模型在很多的練習測驗中到達必定水平后，其開發人員就會信賴，模型所樹立的映射聯絡將對一切輸入（即使是意外輸入）發生保險而準確的呼應，并且成功的概率很高。
雖然人腦具有高度的并行性，即一起處理不同類型影響的才干，但受限于生物回路的作業速度，人腦的信息處理速度很慢。假如用與核算機相同的性能方針——“時鐘頻率”或處理速度——來剖析人腦回路，那么人工智能超級核算機的均勻處理速度現已是人腦處理速度的1.2億倍。
固然，速度并不是標稱智力的有力方針；極端笨拙之人也能快速考慮。不過，比人腦更快的處理速度帶來了兩個優點：吸取更多的信息，一起處理更多的懇求。人類大腦的大部分一般處于“自動駕駛狀況”，即被動地滿意人體內部的需求，引導咱們的心臟跳動和四肢運動，只需在這種自動駕駛出現毛病時才進行干涉調整。比較之下，人工智能所能到達的速度使其可以以程序化的辦法閃現強壯的才干，然后解出那些比較現在人腦所能解決問題而言更高檔、更困難和更龐大的問題。
3.進程的不行知。
咱們是怎么了解咱們所知的國際運轉規矩的？咱們又是怎么知道咱們所知的都是實在的？
在大多數常識范疇，自從堅持以試驗作為證明規范的科學辦法面世以來，任何沒有依據支撐的信息都被視為不完整和不行信的。只需透明度、可重復性和邏輯驗證才干賦予實踐建議合法性。在這一結構的影響下，近幾個世紀以來，人類的常識、了解力和生產力都得到了巨大的開展，而核算機和機器學習的創造則標志其開展到達了高峰。
但是，在今日這個人工智能年代，咱們面臨著一個特別嚴峻的新應戰：信息無法供給相應解說。如上所述，人工智能的回應可所以對雜亂概念的高度明晰和連接的描繪，并且這種描繪是即時做出的。機器輸出的信息是最根本的和未經潤飾的，沒有顯著的成見或動機，但也沒有附就任何引證來歷或其他理由。但是，雖然任何給定答案都缺少相應理由，但前期的人工智能體系現已讓人類對它那些只此一家、別無分店，好像神諭般的聲明發生了令人難以置信的信賴和依靠。跟著它們的開展，這些新的“大腦”或許不只看似威望，并且的確無懈可擊。
《人工智能》（Artificial Intelligence，2001）劇照。
雖然人類的反應有助于人工智能機器完善其內部算法，但擔任檢測練習數據中的方式并為其分配權重的首要仍是機器。一旦一個模型練習完結，機器也不會發布其所編造的內部數學方式。因而，機器所生成的實踐表征在很大程度上仍是不透明的，乃至對其創造者來說也是如此。現在，人類首要企圖經過獨自查看輸出成果來保證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行捉摸的，因而，有些人工智能體系被稱為“黑盒子”。雖然一些研討人員正企圖將這些雜亂模型的輸出逆向工程化為人們了解的算法，但現在尚不清楚他們能否成功。
簡而言之，經過機器學習練習出來的模型可以讓人類認識到新事物（模型的輸出成果），卻無法讓其了解這些發現是怎么發生的（模型的內部進程）。這就將人類的“常識”與人類的“了解”別離開來，這種體會對人類的任何其他年代而言都是生疏的。現代含義上的人類統覺是從直覺和成果開展而來的，這些直覺和成果則來自有認識的片面經歷、個人的邏輯查驗以及重現成果的才干。這些常識辦法反過來又源于一種典型的人文主義激動：“假如我無法對某事事必躬親，那么我就無法了解它；而假如我無法了解它，那么我就不能知道它是真的。”。
在啟蒙年代出現的這套結構中，這些中心要素——人類個別才干、片面了解力和客觀實踐——都是互相協同的。比較之下，人工智能發生的實踐卻是經過人類無法仿制的進程制造出來的。機器推理不是經過人類的辦法進行的，它逾越了人類的片面經歷，也超出了人類的才干規劃，人類乃至無法徹底出現機器的內部進程。
雖然人工智能模型不能“了解”人類含義上的國際——由于機器顯著沒有認識或主體性——但人工智能具有經過非人類手法準確認知咱們 這個國際的客觀才干。這不只打破了咱們對過去500年人類孜孜以求的科學辦法的依靠，還應戰了人類宣稱只需自己才真實了解實踐，或人類對實踐的了解絕無僅有的說法。
4.它乃至包含了數百個代代。
不同的實體以不同的標準來衡量時刻。在地質時刻標準上，整個人類的存在就像地球長達45億年跨度結尾的一小段突進。假如人類的開展以地質學的速度進行，咱們只會感到停滯不前。相反，作為一個缺少耐性、自視甚高的物種，咱們界說了自己的進化速度。地質上的“年紀”以數千年為單位，而人類的“年紀”則以戔戔一兩個世紀為單位。
人工智能或許會依據一種人工或技能的時刻標準，以自己共同的衡量辦法運轉。人工智能的整個前史不過70年。正如人類遍及以為寒武紀大迸發之前的數億年是一個無比綿長的空白期，然后動物生命和進化進程才忽然迎來迸發相同，人工智能很或許會將1950—2010年這60年描繪為一個相似的緩慢、含糊的虛無期，僅僅到了最終10年才被生命的曙光照亮。
從社會和生物學視點來看，人類的一個代代大約繼續25年。
比較之下，人工智能以非人的速度開展；它的代代更短，只需十分之一的時刻就能完結騰躍。因而，咱們應該預料到，在人類標準時刻里感覺像是一場革新的東西，在技能標準時刻里卻只不過是一場進化。較新的人工智能模型——與從前版別只相隔幾個月——可以對越來越多的敞開性提示做出回應，為到達給定的方針而做出更多的挑選，并在越來越多的方式中采納舉動。
因而，人工智能年代——在人類的時刻里，也許是一百年——可以被更準確地切割標記為“多個”不同年代，更進一步講，依據技能時刻標準，人工智能年代乃至包含了數百個代代。
研討者用AI閱覽古文字。圖片來歷：《天然》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應戰，并且在很大程度上沒有得到注重。人類曾經從未經歷過如此巨大的時刻緊縮，也從未為此做好預備。這種改變的速度之快，無疑帶來了文明和心理上的迷失。跟著新技能對日常日子的影響不斷深化和雜亂化，要確認任何一種運用到底是危機之源，仍是令人欣慰的前進之兆，都將變得更加雜亂難解。
要在實踐國際中厘清這些互相羈絆的問題將變得越來越困難，由于人工智能的多樣性會帶來多種難以捉摸的影響。此外，跟著人工智能變得越發強壯，未來其很或許會出現嚴重進化和多樣化。只需不對機器學習的新根底架構和新技能加以約束，一代又一代的人工智能將層出不窮，其多樣性、廣泛性、才干和雜亂性也會日積月累。就像電能不只能點亮燈泡相同，人工智能也將有多種用處。且正如發生電的辦法有很多種——沖突、傳導、感應——咱們或許也會發現多種創立人工智能的辦法。
例如，催生人工智能最新前進的根底架構被稱為“變換器”（transformer）。它答應機器一起考慮多個詞語之間的聯絡。淺顯而言，曾經的結構是一個詞一個詞地讀取，只捕獲詞1和詞2之間的聯絡，然后再別離捕獲詞2和詞3之間的聯絡，而變換器可以讓模型一起捕獲整個語句以及語句中每個詞之間的聯絡。經過創立并使用一切聯絡的數學表征，人工智能就能猜測出最佳呼應。
5.規劃帶來分辨率的改變。
理性年代或許現已將人類帶到了自身所能了解國際的邊際。
愛因斯坦物理學和量子力學的提出，是人類進入未知范疇的冒險初步，但這場冒險仍然未竟：國際或許有自己的常識規矩，不能經過運用感知來體會，而只能經過理論構思來了解。量子力學描繪的是微觀標準上的國際，正如哈佛大學物理學家格雷格·凱斯汀所說，在微觀標準上，“沒有什么是可猜測的，物體在被觀測到之前也沒有準確的方位”；廣義相對論描繪的則是國際標準上的國際，在這個標準上，一切都是可猜測的，不管其“是否”被觀測到。6兩種理論都沒有失利，但不行能兩者皆為真，并且“還沒有試驗可以證明這兩種理論中的哪一種”占有主導地位。
具有挖苦意味的是，這種不確認性正是現代國際的根底。量子物理學促成了核算機革新等革新。人工智能在當下和將來也會如此。它現現已過咱們沒有徹底了解的機制發生了洞悉力并改變了實踐。很快，它還將致力于探求人類更加無法了解的科學。
紀錄片《科學未解之謎》（Science’s Greatest Mysteries，2022）畫面。
歷時300年的理性年代雖然獲得了巨大的成功，現在卻已停滯不前——咱們在物理一致理論方面顯著的束手無策便是明證。在相對論國際國際和量子國際的中心理論概念提出一個多世紀之后，人類科學更加顯得徘徊無措。咱們在這個年代所體會到的焦慮和掙扎僅僅一個痕跡，標明人類智力或許已挨近某種生物極限。
由于其共同的探求和學習辦法，人工智能將可以在規劃（“標準”）和精度（“分辨率”）方面獲得非人的成果，然后引發根本性革新，這種革新與任何其他人類創造所引發的或源于人類物種自身的革新均不相同。但是，人工智能能否在人類實踐的微觀和微觀兩頭完結諧和，用迄今為止人類經歷徹底生疏的辦法引發一場感知革新？
人類大腦的物理規劃是由咱們的解剖結構決議的。人類的大腦有必要置于人類的頭骨里，而人類嬰兒的頭骨有必要大體上合適經過女人的產道。假如大腦小一點，這樣的人類的認知才干就會處于下風；可假如再大一點，嬰兒或他們的母親就或許無法在臨產進程中存活下來。其他生理上的約束也會對大腦的分量形成實踐約束。除非憑借剖宮產或將來的人工子宮，才有或許打破這種約束，這意味著人類現已到達了某種進化平衡態。
對人工智能來說，今日的模型所具有的才干是在其創立之初未曾預料到的。迄今為止，運用于人工智能的標度律（scaling law，比方，在一個較陳舊的比如中，分配物體長度與面積之間聯絡的規律）似乎是正確的，但咱們并不知道，參數數量呈指數級增加的模型終究能完結什么，由于咱們還沒有找到某些才干會在特定的冪和雜亂度下出現的科學原因。
在動物界，大腦巨細相關于身體巨細的份額與智力并沒有顯著的相關性——海豚、大象和一些鯨類的大腦都比人腦大得多。不過前期科學的確標明，規劃在其間發揮了某種效果，而咱們對此尚不了解。
規劃帶來的首要副效果之一是分辨率。長期以來，人類一向期望將咱們的調查規劃擴大到極小和極遠之處。顯微鏡和望遠鏡是人類調查的典型東西。而不起眼的筆卻鮮有人理睬。這種4000年前創造的書寫東西至今仍然是編纂和傳遞雜亂性的出色東西。其間就包含數學，它也許是最樸實、最通用的人類言語，其自身就足以促進艱深思維的傳遞和技能項目的協作。以字節為單位核算的話，以各種美麗方式出現的言語都有著反常密布的數據結構——這是迄今創造的最有用的數據結構。
原文作者/[美]亨利·基辛格 等。
摘編/羅東。
導語部分校正/柳寶慶。
