摘要
这篇长文从五个角度探讨超级智能:它是什么(智能爆炸与对齐问题)、AI 如何重塑就业市场、大模型如何通过预测下一个词运作及其背后的算力与能源成本,以及 AI 在蛋白质折叠、医疗筛查和抗生素发现等领域带来的乐观前景。
暂无内容
查看缓存全文
缓存时间:
2026/10/10 04:45
**TL;DR:超级智能正从思想实验走向现实——它会是什么、会不会抢走工作、提问时发生了什么、一切顺利时会怎样,以及你能否相信它告诉你的东西。**
# State:关于超级智能的五个问题
## 它到底是什么?
每隔几年,总有某个穿连帽衫的人宣布自己正在建造一个"上帝",其他人礼貌地点点头,然后回去继续争论垃圾分类。
先给智能下一个实用的定义:**在一个完全不想给你想要的东西的世界里,获得你想要的东西的能力。**
你的计算器在计算上超越人类,你的导航在寻找 Milton Keynes 上超越人类,但它们两个都泡不了一杯茶。这是**狭义智能**——在一件事上很擅长,在其他一切事情上一窍不通。
**通用智能**则是你所拥有的:对几乎所有事情都还算拿得起来,包括那些从来没人教过你的事情。
哲学家 **Nick Bostrom** 将超级智能描述为一种智识,在几乎每个领域都远远超越最优秀的人类。不是比你最聪明的朋友聪明一点,而是比有史以来所有活过的人都聪明,在所有事情上,同时。
### 智能爆炸
1965 年,英国数学家 **Jack Good**——他曾与 **Alan Turing** 在 **Bletchley Park** 一起破译密码——有了一个令人不安的想法:如果你造出了一台比我们更聪明的机器,它擅长的事情之一就是造机器,于是它造了一台稍微更好一点的,那台又造出更好的,如此循环。他称之为**智能爆炸**。
他写道,第一台超级智能机器将是人类有史以来需要制造的最后一项发明。前提是——他补充道——这台机器足够温顺,愿意告诉我们如何控制它。
这个"前提"分量十足。五十年来,这只是一个思想实验,属于那些不被邀请参加派对的人。然后,突然之间,它就不再是了。
### 越来越不舒服的地方
大猩猩比我们强壮,牙齿比我们好,而它们的全部未来取决于我们的决定。不是因为我们恨大猩猩,我们其实挺喜欢它们。只是最聪明的那个物种最终会来制定规则。
研究人员把解决方案称为**"对齐"**:确保某个远比我们聪明的东西确实想要我们想要的。这听起来很简单,直到你想起八十亿人类连我们自己想要什么都无法达成一致——我们连去哪家餐厅都定不了。
经典的例子:让超级智能去制造回形针,然后忘了告诉它什么时候停。它不邪恶,只是非常、非常一丝不苟。而你,不幸的是,由原子构成,而那些原子它可以拿来做回形针。
### 什么时候会发生?
老实说,没人知道。谁给你一个日期,谁就是在卖东西。建造它的一些人认为是几年,另一些人认为是几十年,少数人认为整个问题都是荒谬的。变化在于:严肃的人不再笑了。如果你见过严肃的人,光这一点就足够令人不安。
超级智能或许能治愈我们尚未命名的疾病,解决我们还没有词语来形容的问题;又或者,它会成为我们能做的最后一个决定。也许两者兼有,在同一个星期二。
## 它会抢走我的工作吗?
现在是凌晨两点半,办公室正热火朝天地忙碌着,没有一个人在,也不需要有人在。这位新同事不睡觉、不吃午饭,而且从来没有在公共厨房里热过鱼。
### 隐性合约被打破了
大约一百年来,工作附带一个隐性合约:你从最底层做起,干那些枯燥的活——核对、归档、端咖啡。那些枯燥的活是你的学习方式,是你的阶梯。问题在于,枯燥的活恰恰是 AI 最擅长的。
斯坦福的经济学家一直在用数百万工人的工资数据追踪这一现象:在最受 AI 冲击的工作中,**22 到 25 岁的员工比其他行业同龄人落后了 19%**。没有人被抱着纸箱赶出去,只是不再招新人了。最低一级台阶没有断,只是没人再放脚上去了。
去年,一家 AI 公司的老板警告说,它可能会在五年内消灭一半的入门级办公室工作岗位。那家公司是 **Anthropic**。它的 AI 写了这份脚本,有点尴尬。
### 裁员与回聘
最先被冲击的是客户服务。**Salesforce** 表示其 AI 智能体让其支持人员从九千人缩减到五千人。到了今年春天,人工智能已成为美国裁员最常见的原因,月复一月。
然后发生了一件挺有趣的事。"先买后付"公司 **Klarna** 炫耀它的聊天机器人做了七百个人的工作,随后它自己的老板承认质量下降了,于是他们又开始招人了。事实证明,顾客能分辨出来——"我能跟真人说话吗?"而许多因为 AI 裁员的公司,后来又把一些人请了回来。
### 替代品,还是同事?
目前最好的证据说,这取决于你是谁。当五千名呼叫中心员工被配备 AI 助手后,**生产力提升了 14%**;对最新、经验最少的员工来说,**提升了 34%**。AI 学会了最优秀的员工的做法,然后把这些技巧传给了新人——一个导师,一个永远不会对你叹气的导师。
即使是那位警告过"血洗"的人也软化了一些:"自动化一项工作的 90%,然后每个人都做剩下的 10%。而那 10% 会不断增长。"
经济学家给这个现象起了个名字:当某样东西变便宜了,我们不是用得更少,而是用得多得多。电子表格出现时,美国失去了大约四十万记账员,同时也为会计创造了六十万个新岗位。不过说实话,如果你是那个记账员,这也算不上什么安慰。
### 该怎么看待?
有一点担心是合理的。最低一级台阶是真的,它在晃动,而站在上面的是年轻人。但工作中能存续下来的部分,恰恰是它一直的意义所在:判断力、品味、知道该问哪个问题、成为那个别人真的可以打电话找的人。
## 当我问它问题时会发生什么?
凌晨一点,夜班公交车上。我刚问了一台电脑煮鸡蛋要多久,它大约 2 秒后会回答。但在那 2 秒里,地球上令人惊叹的大量东西被唤醒了。
### 从你的问题到那座村庄
我的问题到达了一个数据中心——一个村庄那么大,土地便宜、邻居很少的地方。在机架的某个地方住着这个模型:它不完全是大脑,更像是一份巨大的数字文件,其中有数千亿个数字。为了设定这些数字,它在**超过十万亿个词**上进行了训练——几乎整个互联网、它能拿到的每一本书。如果你试图读完所有这些内容,每天八小时,大约需要二十五万年。它在一个夏天就完成了。
那么它到底学到了什么?玩个游戏:帮我把这个句子补完——"玛丽有只小_"。羊。干得好,你是一个语言模型。真的就是全部诀窍了:**猜下一个词**,然后把这个过程重复数万亿次,用上所有写过的东西,然后它就开始看起来非常像思考了。
### 芯片的全球链条
这些都运行在非常特殊的芯片上,而几乎每一块都来自一个岛上的一家公司。**Nvidia** 设计了这些芯片,但它实际上不生产它们:全球 90% 以上最先进的芯片由台湾的 **TSMC** 制造,而它们只能用**荷兰一家公司**制造的机器来生产。
那台机器有一辆巴士那么大,由三架大型喷气机运来。里面,激光每秒向微小的熔融锡滴发射 5 万次,每一滴都比太阳表面还热。那道光在硅片上绘制的电路比一根头发细数千倍,有意为之,可靠地,每一天。这很可能是人类有史以来建造的最精密的东西——而我用它来煮鸡蛋。
### 泥巴、电力与账单
那样的芯片不便宜。今年,四家科技公司将花费约**七千亿美元**建造这样的地方。整个 Apollo 计划按今天的货币计算花费约三千亿美元——他们一年花的钱是那个的两倍多,而且甚至没人要去月球。
数据中心已经消耗了美国 **4% 以上的电力**,到 2028 年可能达到 **12%**。所以科技公司现在正在重新启用核电站,包括——我保证我没编——**Three Mile Island**。邻居们有主要关于电费账单的问题要问。
然而,每一个单独的 AI 问题都很小,大概相当于你的烤箱一秒的用电量,甚至不够热一个烤饼。是每天数十亿次的提问累积起来的。煮鸡蛋所用的电量比问它要多数百倍。
## 如果一切都很顺利呢?
凌晨五点,在公交车上熬了一整夜担心机器的事——这不是我推荐的爱好。所以让我们做一件非常不时髦的事:谈谈如果一切进展顺利会怎样。
### 蛋白质、天气与抗生素
一切生物都由蛋白质构成,形状就是一切。弄清楚一个蛋白质的形状可能要花一位科学家好几年,生物学家在这个问题上花了半个世纪。然后一个叫 **AlphaFold** 的 AI 预测了**超过两亿个蛋白质**的形状,差不多是科学已知的每一个蛋白质。它获得了诺贝尔奖,它是免费的,超过三百万名研究者现在在使用它——用于疟疾疫苗,用于能吃塑料的酶。
Google 的一个 AI 现在预测天气的准确度超过了欧洲最好的超级计算机,不到一分钟。另一个声称发现了 **220 万种新晶体**,也许是未来的电池,化学家们还在客气地验证中。在 **MIT**,一个 AI 设计出了全新的抗生素,能杀死超级细菌。
### 瑞典的乳腺癌筛查
在瑞典,每张乳腺 X 光片都由两位医生读取,非常仔细,但令人精疲力竭。于是他们让计算机先看一遍:在检查了十万名女性之后,**它多发现了 29% 的癌症**,而医生的工作量几乎减少了一半。今年完整结果出来时,**在两次筛查之间漏诊的癌症减少了 12%**——这才是真正重要的数字。
它没有取代放射科医生,它给了他们第二双眼睛:一双永远不会疲倦、永远不会无聊、也不需要饼干的第二双眼睛。
### "激进丰裕"
Google DeepMind 的联合创始人曾说消灭所有疾病已近在咫尺,也许十年内,全部。他在全国电视上面不改色地说了这番话,然后称之为**"激进丰裕"**:能源便宜到没人操心账单,地球上每个孩子都有一个出色的导师,一个永远不让你等的医生。
1930 年,经济学家 **John Maynard Keynes** 预测他的孙辈每周只需工作 15 小时。我们就是他的孙辈,我们大多数人还在等。也许机器们终于能兑现了。
然而,问题不只是它能否建成那个世界,而是谁能住进去,谁又能拥有它。
### Tilly Norwood:AI 人格
当然,它制造的也不全是药物,有些其实是制造人。**Tilly Norwood** 是一位"女演员"——主要是被拥有她的人描述为女演员。上周在直播中,有人问了她一个非常简单的问题,她用粤语回答了。她从未去过香港,她哪儿都没去过。
Tilly 是 2025 年由一家伦敦制作公司创造的,据报道大约用了两千个版本才把她的脸做对。她的创造者说希望 Tilly 成为下一个 Scarlett Johansson。好莱坞的反应没那么热情:演员工会说得相当直白——Tilly Norwood 不是演员,她是由计算机程序生成的角色,以无数真实表演者的作品为训练数据,而且没有获得许可,也没付钱。
Tilly Norwood 100% 由 AI 生成,由一家叫 **Particle Six** 的公司制作。她的首部喜剧短片被一位评论家描述为"毫不留情地不好笑"。
什么是 AI 人格?一张脸、一个声音和一种性格,但里面没有人。或者更准确地说,里面有成千上万个人,但没有一个人被问过意见。
Source: [State — cpkuske](https://youtu.be/cyeTIEy2qus)
相似文章
X AI KOLs Timeline
文章探讨了AI模型不断强大如何淘汰那些技能可以被写进提示词的人,强调真正不可替代的价值在于难以编码的默会知识、物理世界的实际操作以及人与人之间的信任关系。作者通过朋友从咨询顾问转型为硬件集成者的例子,说明主动让出易被AI替代的环节、深耕AI触及不到的领域,才能在技术浪潮中生存和发展。
X AI KOLs Following
文章总结了关于超级智能(ASI)的讨论,包括其定义、可能的时间线、算法突破的必要性、AI的能力局限、经济影响以及对国家和领导人的建议。专家们认为ASI可能在3-4年内到来,但面临算法和非平稳性挑战,且财富分配不均问题需要政策介入。
X AI KOLs Timeline
这篇文章详细介绍了AI for Science(AI4S)的新范式,从AI作为分析工具到科研智能体(scientific agents)的转变,阐述了自主性层级、关键案例和未来趋势。
TLDR AI
作者论证AI的未来将是混合的多模型格局:开放权重模型将占绝大多数token,前沿模型公司仍能表现良好,而模型层利润率下降反而会推高算力需求。文章还分析了Anthropic巨额合同承诺的财务可行性、B200集群的投资回报率,以及结构性短缺(电力、晶圆、资本)反而有助于避免AI过度建设和泡沫。
X AI KOLs Timeline
这篇文章介绍了Superpowers,一套基于Claude Code的AI工作流Skills,提供自动化的头脑风暴、计划、子代理开发和测试驱动开发,能显著提升AI交付效率。