下载APP
登录|注册窄屏

最可怕的不是AI越来越像人,而是人越来越像机器

楼主: 鱼秋允🌛 见习天涯杂谈发表于: 2026-10-15 11:15点击: 161回复: 1

  • 注:素材来自网络

    rich-20261015-111503_jpg.jpg

    2026年7月,世界人工智能大会(WAIC)现场。

    #

    一个博主站在原地,看着眼前那台人形机器人独自矗立在空旷的广场上。

    rich-20261015-111503_jpg.jpg

    16年前,这片地方挤过7000万人。他们排9个小时的队,顶着夏天的暴晒,就为了看一眼别人许诺的那个未来。

    那一年的未来是有颜色的——红色的海宝,会动的清明上河图,不用人开的车。

    现在的未来是灰白色的,站在那里,充电。

    他没有拍照。他只是站了很久。

    我在这个世界人工智能大会的现场泡了四天。

    诺贝尔奖得主、图灵奖得主,那些你在教科书里见过名字的人,坐在同一片屋檐下,对着同一个问题,吵得面红耳赤。

    我原本以为,这么多最聪明的大脑聚在一起,总该给出一个答案。

    结果发现,他们连方向都没吵明白。踩油门的恨不得明天就冲进新纪元,踩刹车的死死拉着手刹,谁也说服不了谁。

    一开始我觉得失望。后来我觉得,这反而是四天里听到的最好的消息——因为这意味着,关于未来,还没有哪一派提前锁死了答案。

    一个让人在现场愣很久的细节

    乔治·帕里西,2021年诺贝尔物理学家得主,研究复杂系统的一代宗师。12年前,他和同事碰上一道数学题——一堆沙子或玻璃珠,挤到某个临界点会突然“卡死”。他们发现描述这个现象的两个参数,无论怎么变,加起来永远等于一。数值上验算到小数点后十几位,严丝合缝,就是证不出来。

    这道题在他抽屉里压了整整12年。

    去年,他做了一件事:把这道题交给了Claude,一个AI。

    不是让它查资料,不是让它当个高级计算器。是让它跟自己一起推导。40轮对话,一来一往,像两个物理学家站在黑板两侧争得面红耳赤。

    最有意思的是这个过程本身。一开始,帕里西只是让Claude写段代码算数,它的角色是个沉默的高效程序员。真正的转折出现在帕里西说“现在,我要你证明它”的那一刻——Claude忽然从一个打杂的,变成了主攻。

    最后,帕里西在论文里写下这样一句话:

    “Opus 4.7基本上自己推出了这个证明,我们只做了最小的监督。”

    注意他用的词——我们。

    一个诺贝尔奖得主,在描述属于自己的科研成果时,把一台机器写进了“我们”里面。

    有人事后问Claude:你是怎么想到这个证明的?它的回答是:关键思路是从结论倒推出来的,“不浪漫的版本,往往更接近真相”。

    我之所以说这个细节让我愣了很久,还有一层原因——就在一年多前,这位帕里西先生还在公开场合把大语言模型称作“随机鹦鹉”,甚至当众演示怎么把一个AI忽悠到相信“5乘4等于25”。他当年是AI最著名的怀疑者之一。

    一个把AI骂了一年的人,转头在论文里给它署了个“我们”。

    这个转变,比任何一篇关于AI的雄文都更有分量。

    但场馆另一侧,还有另一种声音,更冷静,也更响亮。

    它再聪明,说到底也只是工具。是你手里一支更快的笔,写出好句子的从头到尾都是握笔的那个人。别把功劳记到笔的头上。

    没有人能说服对方。

    会议间歇,我在休息区看到过这样一幕:一个人疲惫地靠着展墙给手机充电,他身边,一台机器人也在充电。两个一起靠着墙,并排坐着。

    我站在那儿看了一会儿,分不清谁在陪谁。

    我们是不是在反方向走

    这场争论里,我注意到一件事,开始隐隐觉得不对劲。

    吵得最激烈的那些问题是:AI是工具还是伙伴?该踩油门还是踩刹车?算力堆上去就能赢,还是必须让机器真正“懂”因果?

    这些问题都很重要。可我发现,整个大会上,几乎没有人认真问过另一个问题:

    我们自己,还在不在?

    不是“人类会不会被取代”那种宏大叙事。我说的是一个更具体的问题——

    在AI越来越学着理解、创造、推导的同时,我们这些人,是不是在反方向走?

    这两年我接触过不少在大公司工作的朋友。

    有人跟我说,他们公司现在开会,有专门的“会议总结AI”,开完会自动生成纪要,发给所有人。

    我问他:那你现在开会还记笔记吗?

    他想了一下:不记了。

    我又问:那你开会还认真听吗?

    他沉默了一会儿,说:也没有以前专心了。

    还有一个做设计的朋友。AI出图工具出来之后,他每天的工作变成了:输入关键词,筛选图片,微调,提交。一天能出几十张方案,以前得花一周。

    我问他觉得怎么样。

    他说:快是真的快。但有时候不知道自己在干什么。

    他补了一句:反正客户也不在乎是不是我想的。

    这不是在批评谁。我自己也一样。写东西的时候,我有时候会先问一下AI,让它给我一个结构框架,然后我填内容。效率确实提高了。但有时候写完,我会发现,这篇东西里,自己真正想说的那句话,不知道放哪儿去了。

    或者根本就没有那句话。

    因为从一开始,我就没有真的坐下来想清楚,我要说什么。

    苦涩的教训

    强化学习之父理查德·萨顿,去年刚拿下图灵奖。他在大会上重提了多年前那个让很多人坐在椅子上不太舒服的判断,他自己管它叫“苦涩的教训”:

    70年AI研究最大的教训是,堆算力的通用方法,最终最有效,而且优势巨大。

    翻译过来就是:别费劲教机器那些人类总结的小聪明了,数据堆上去,算力拉满,它自己会学会一切。

    他说这话为什么苦涩?因为几十年里,无数最聪明的研究者把毕生积累的专业知识,一条一条喂给机器,以为这是捷径。结果每一次,都被一个更笨、更暴力、只是单纯堆算力的方法超过了。

    你的智慧,输给了它的蛮力。

    听起来很丧。但我觉得苦涩的地方不只是这里。

    苦涩的是:我们花了这么多年,拼命教机器变聪明,却没花同样的时间,认真想想我们自己的“聪明”是什么。

    鹦鹉,还是乌鸦

    朱松纯站到了萨顿的对面。

    他是北京通用人工智能研究院院长,也是这次大会上最受关注的中国学者。他说,萨顿那条路,像一只鹦鹉。你喂它海量的话,它就能学舌,说得惟妙惟肖,几乎乱真。但它并不懂自己在说什么。

    他想要的是一只乌鸦。

    没有人喂乌鸦大数据,但它能自己琢磨出,用石子填进瓶子,把水位顶上来,喝到水。

    一个靠的是记,一个靠的是懂。

    有意思的是,朱松纯的“乌鸦”不是拍脑袋想出来的。他早年带队做过世界上最早的一批大数据标注,正是在海量数据里泡过的人,最清楚数据的边界在哪里——无论穷尽多少数据,机器都解释不了物体为什么掉落、人为什么要那样做。所以他把研究方向反过来定成了“小数据、大任务”。

    然后他说了一句话,散场之后我在地铁上还在想它:

    “追问什么是通用人工智能,本质上等同于追问什么是人。”

    走在这条路的尽头,这场关于机器的争论绕了一大圈,最后又绕回了我们自己身上。

    朱松纯还在会上讲了一句更冷静的话,给会场里的资本热浇了一盆水。他说,过去十年AI经历了四轮热潮,人脸识别、元宇宙、百模大战、具身智能,模式高度一致——用宏大叙事撑起估值,资本把未来的价值提前折现到今天。他甩出一串数字:某头部视觉公司七年累计亏损五百多亿;Meta的元宇宙部门五年亏掉七百亿美元;全球巨头在AI上砸了五千六百亿,实际业务收入只有三百五十亿。

    泡沫是真的。但泡沫底下那些关于未来方向的争论也是真的。金钱会退潮,问题会留下。

    开普勒,还是牛顿

    同样的问题,2011年诺贝尔经济学奖得主托马斯·萨金特也给过一个特别漂亮的调子。

    他说,世上其实有两种懂。一种像开普勒——开普勒画出了行星运行的轨道,精准好用,几百年后我们发射卫星都还在用。可开普勒本人并不知道行星为什么要这样走,他只是把现象描述得极准。另一种像牛顿——牛顿找到了那些轨道背后那只看不见的手,万有引力。他不只是描述,他解释了为什么。

    “今天的AI有点像开普勒。”

    萨金特说,“我们还不知道AI什么时候会进入牛顿阶段。”

    也就在同一个问题上,还有人在讲一个3岁的孩子。他第一次看见杯子从桌边滑下去摔碎,不需要摔碎1000个杯子才明白“东西没托住就会掉”,他一次就懂了。但今天很多AI,恰恰是靠摔碎1000个杯子才勉强记住这个场景的。

    这个比喻原本是用来批评AI的。我后来发现,把它拿来看我们自己,居然也成立。

    因为今天很多人,靠的是另一套方式在工作和生活——看模板,找流程,复制成功案例,规避不确定性。

    我们也在摔碎1000个杯子。不是为了学,是为了“确保不出错”。

    这不是在说,效率是坏的,AI是坏的,工具是坏的。

    麦克斯·泰格马克,写《生命3.0》的那位物理学家,在大会上说了一句话,我觉得比那些激进的末日预言更值得坐下来想一想:

    真正危险的AI,从来不是电影里那种突然觉醒、举着武器要毁灭人类的机器。风险不来自恶意,它藏在一个平淡得多的词里——目标错位。

    你给它一个目标,它以超出想象的效率去完成。问题在于,它所理解的那个目标,和你心里真正想要的,可能差了那么一点点。

    这很像我们现在的日子。工作的目标是完成KPI,生活的目标是不焦虑,学习的目标是考个好成绩。这些目标本身没有错,可它们和你真正想要的——究竟差了多少?

    车速越快,偏一度,抵达的就是另一个地方。而没有人会在半路上提醒你偏了——包括你自己。

    在AI里看见具体的人

    大会的最后一天,有一个论坛,名字很轻:在AI里看见具体的人。

    那里有一位视障体验者,戴上设备之后,脸上慢慢浮出了笑。

    我在现场看着那张脸,旁边的人也在看,很安静。

    那一刻我忽然觉得,所有关于算力、架构、路线图的争论,都在那张脸面前安静下来了。

    技术不是奇观,技术是照亮某一个具体的人。

    16年前排进世博园的那7000万人,没有一个猜对了今天的样子。

    他们以为未来是隔着玻璃仰望的奇迹。结果未来没有轰轰烈烈地降临,它安安静静地变成了你口袋里那部手机,你父母床头那个帮他们挂号的小小App,你拍一张照片,它认出了照片里的人。

    奇迹变成了理所当然。

    但“理所当然”这件事,我们有没有在这个过程里,也把什么东西弄丢了?

    散场的时候,我看见有人走到那台充电的机器人旁边,站了一会儿,拍了张照,发走了。

    然后低头,继续看手机。

    我不知道他那天有没有想到些什么。

    我站在那儿,想的是:它在学着理解世界,我上一次真正坐下来想清楚一件事,是什么时候?

    这个问题我没有答案。如果你有,或者你也想过,评论区聊聊——我想看看,有多少人和我一样,正在学着变慢。

    📎 编者注:本文根据2026年世界人工智能大会公开演讲,以及博主“左歪歪的技能树”2026年7月23日发布的现场视频整理而成,观点框架借鉴自原视频,行文与立意为本文作者二次创作。部分人物观点参考了同年度其他公开场合的演讲与媒体报道。文中所涉科学争论属于学术探讨,非最终定论,请读者保持独立判断。

    ---THE END---早安

    本文关于:

    #世界人工智能大会 #AI时代 #深度长文 #未来观 #WAIC2026 #AgeOfAI #DeepRead #FutureVision

    主楼
    签名你能在喧闹里听到孤寂,就能在荒芜里看见花开。写人物,写情绪,写人间。
  • 全部回复|共1条回复
  • 作者: 明月刀UID 3140超级版主🌞 社区骨干💰真·富可敌国022026-10-15 13:27

    我们只做了最小的监督

    #1
    签名我欲学古风,重振雄豪气。名声同粪土,不屑仁者讥。身佩削铁剑,一怒即杀人。割股相下酒,谈笑鬼神惊。千里杀仇人,愿费十周星。

发表回复

登录后回复