人工智能的正确发展路径是什么?
摘要
麻省理工学院举办了一场探讨人工智能社会影响的研讨会,记者Karen Hao与学者Paola Ricaurte在会上呼吁,业界应逐步摆脱对超大规模AI开发的依赖,转而采用如AlphaFold等更小、更具任务针对性的模型。这类模型通过运用精心筛选的数据集解决具体问题,同时大幅降低环境成本。
<p>谁将从人工智能中受益?这个在过去几年AI热潮中尤为突出的基本问题,在周三于麻省理工学院(MIT)举行的一场会议上成为焦点。演讲者与与会者深入探讨了AI影响的多重维度。</p>
<p>在其中一场主旨演讲中,15届校友兼记者Karen Hao呼吁改变AI的发展轨迹,包括逐步摒弃以“通用人工智能”为名,对数据使用、数据中心及模型进行海量扩张的做法。</p>
<p>“这种规模完全没有必要。”已成为AI讨论领域代表性声音的Hao表示。“你并不需要如此庞大的AI规模和算力才能实现其益处。”她补充道,“如果我们真正希望AI能够惠及大众,就必须迫切地转变这种思路。”</p>
<p>Hao曾就职于<em>The Wall Street Journal</em>和<em>MIT Technology Review</em>,并于2025年出版了著作“Empire of AI”。她长期深度报道人工智能行业的崛起。</p>
<p>在发言中,Hao列举了目前顶级AI公司用于开发大语言模型的惊人体量数据集。她还强调了这种规模化扩张背后的代价,例如超大型数据中心巨大的能耗与排放,以及其对大量水资源的消耗。结合自身的采访经历,Hao还指出,全球零工经济从业者为这些超大规模模型手动输入数据所承受的身心代价。</p>
<p>相比之下,Hao提出,AI的另一条可行路径可以参考获诺贝尔奖的蛋白质结构识别工具AlphaFold。她说,这代表了这样一种理念:“小型、针对特定任务的AI模型致力于解决边界清晰的问题,从而充分发挥AI的计算优势。”</p>
<p>她补充道:“它是在高度精简筛选的数据集上训练而成的,这些数据仅聚焦于当前问题:蛋白质折叠与氨基酸序列。……由于数据集小、模型小,根本不需要高速超级计算机的支撑,但它依然能释放出巨大的应用价值。”</p>
<p>在第二场主旨演讲中,学者Paola Ricaurte强调了以目标为导向的AI开发模式的必要性,并梳理了评估AI实用价值的几个核心概念框架。</p>
<p>“如果技术无法回应那些将使用它们的社会群体,那么开发它的意义何在?”Ricaurte说道。</p>
<p>她是Tecnologico de Monterrey教授,也是Harvard University’s Berkman Klein Center for Internet and Society高级研究员。此外,Ricaurte还曾在Global Partnership for AI、UNESCO’s AI Ethics Experts Without Borders以及Women for Ethical AI项目等专家委员会任职。</p>
<p>本次活动由MIT Program in Women’s and Gender Studies主办。该项目主任兼人类学教授Manduhai Buyandelger致开幕辞。</p>
<p>本次活动主题为“Gender, Empire, and AI: Symposium and Design Workshop”,在MIT Schwarzman College of Computing会议厅举行,逾300人出席了主旨演讲环节。活动还安排了小组讨论环节,并在下午时分围绕六个左右的不同主题领域开展了设计研讨。</p>
<p>在演讲中,Hao批评了当前AI讨论往往模糊不清的现状,认为这阻碍了业界对该行业发展方向进行更深入、理性的探讨。</p>
<p>“谈论AI时的一个挑战在于,‘人工智能’这个术语本身缺乏明确界定。”Hao表示。“它就像‘交通’这个词一样,可能指代从自行车到火箭的任何事物。”因此她指出,“当我们讨论如何获取其益处时,必须非常具体。我们究竟在谈论哪些AI技术?我们又希望更多推广哪些技术?”</p>
<p>在她看来,体积更小巧的工具——用她的比喻来说更像自行车——在日常生活中反而更加实用。作为另一个例子,Hao提到了Climate Change AI项目,该专注于开发有助于提升建筑能效、追踪碳排放、优化供应链、预测极端天气等的工具。</p>
<p>“这正是我们应该努力构建的AI愿景。”Hao说。</p>
<p>最后,Hao鼓励与会者积极参与AI相关的讨论与实践项目。她表示,技术的发展轨迹尚未定型,公众的介入至关重要。</p>
<p>Hao引用作家Rebecca Solnit的话向听众表示:“希望植根于我们对未来结果的不确定性之中,正是在这种不确定的广阔空间里,才孕育着行动的可能。”她还强调,“在塑造技术发展道路的过程中,你们每个人都能发挥积极作用。”</p>
<p>Ricaurte同样鼓励与会者在AI相关事务中保持积极主动的态度。她指出,只有切实回应所有公民迫切的日常需求,技术才能发挥最佳效能。</p>
<p>“我们有责任让希望成为现实。”Ricaurte说道。</p>
查看缓存全文
缓存时间: 2026/04/21 01:12
# 什么是AI的正确发展路径?
Source: https://news.mit.edu/2026/right-path-for-ai-karen-hao-paola-ricaurte-0320
谁从人工智能中受益?这一问题在过去几年AI浪潮中变得尤为突出,也在周三于麻省理工学院(MIT)举办的一场会议上成为核心议题。与会演讲者与听众深入探讨了AI影响的众多维度。
在会议的主题演讲之一中,记者凯伦·好(Karen Hao ’15)呼吁改变AI的发展轨迹,包括减少对数据使用、数据中心以及在“通用人工智能”框架下开发工具所依赖模型的规模扩张。
“这种规模是不必要的。”已成为AI讨论中重要声音的Hao表示。“实现这些收益并不需要如此规模的AI和算力。”她补充道:“如果我们真的希望AI能广泛惠及大众,就必须迫切地摒弃这种做法。”
Hao曾供职于*The Wall Street Journal*和*MIT Technology Review*,并于2025年出版了《AI帝国》(Empire of AI)一书。她长期致力于报道AI产业的蓬勃发展。
在她的发言中,Hao揭示了目前各大AI公司用于开发大型语言模型的数据集的惊人规模。她还强调了这种规模扩张背后的一些权衡取舍,例如超大规模数据中心巨大的能耗与排放,以及其对大量水资源的消耗。结合自己的实地调查,Hao还指出全球零工经济从业者为超大规模模型手动录入数据所付出的沉重人力代价。
相比之下,Hao提出,AI的另一条可行路径或许可以参考获诺贝尔奖的AlphaFold工具——该工具主要用于解析蛋白质结构。“这体现了‘小巧且针对特定任务的人工智能模型解决边界清晰的问题,从而充分发挥AI计算优势’的理念。”Hao说道。
她补充说:“它基于高度精选的数据集进行训练,这些数据仅与当前问题相关:蛋白质折叠和氨基酸序列。……由于数据集规模小、模型轻量,因此无需借助高速超级计算机,但它依然能释放出巨大的效益。”
在第二场主题演讲中,学者葆拉·里卡尔特(Paola Ricaurte)强调了以目标为导向的AI方法的重要性,并概述了评估AI实用价值的若干关键概念。
“如果一项技术无法回应使用它的社区的需求,那么开发它就毫无意义。”Ricaurte表示。
她是墨西哥蒙特雷科技学院(Tecnologico de Monterrey)的教授,同时也是哈佛大学伯克曼互联网与社会中心(Berkman Klein Center for Internet and Society)的兼任研究员。Ricaurte还曾参与多个专家委员会的工作,包括Global Partnership for AI、UNESCO的AI Ethics Experts Without Borders以及Women for Ethical AI项目。
本次活动由MIT妇女与性别研究项目(MIT Program in Women’s and Gender Studies)主办。该项目主任、人类学教授Manduhai Buyandelger发表了开幕致辞。
本次活动主题为“Gender, Empire, and AI: Symposium and Design Workshop”,在MIT Schwarzman College of Computing的会议室举行,超过300人参加了主题演讲环节。活动还设有分组讨论环节,并在下午安排了涵盖六个不同主题领域的设计研讨课程。
Hao在演讲中批评了AI话语体系往往缺乏明确性的特点,指出这会阻碍人们对产业发展方向进行深入思考。
“讨论AI的一大难点在于‘artificial intelligence’这个术语完全缺乏具体指向性。”Hao表示。“这就像‘transportation’一词一样,它可以指代任何事物,从bicycle到rocket都有可能。”她解释道,“因此,当我们谈论享受其红利时,必须非常具体。我们究竟指的是哪些AI技术?我们又希望哪些技术得到更多推广?”
在她看来,体量较小的工具——打个比方,更接近于bicycle——在日常使用中更具实用性。作为另一个例子,Hao提到了Climate Change AI项目,该项目专注于开发有助于提高建筑能源效率、追踪碳排放、优化供应链、预测极端天气等方面的工具。
“这才是我们应该致力构建的AI愿景。”Hao说。
最后,Hao鼓励在场观众积极参与AI相关的讨论与项目,她表示该技术的发展轨迹尚未定型,公众的介入至关重要。
引用作家Rebecca Solnit的话,Hao向观众指出:“Hope locates itself in the premise that we don’t know what will happen, and that in the spaciousness of uncertainty is room to act.”她还强调:“Each and every one of you has an active role to play in shaping technology development.”
Ricaurte同样鼓励与会者主动参与AI事务,她指出,只有当所有公民迫切的日常需求得到满足时,技术才能发挥最大效用。
“We have the responsibility to make hope possible,” Ricaurte表示。
相似文章
我们如何让 AI 实验室专注于解决真正的问题?
本文批评 AI 实验室将商业利益(如广告投放)置于解决气候变化和能源等全球性重大挑战之上。文章主张,社会应要求将 AI 资源导向有利于社会的目标,而非受利润驱动的应用场景。
AI 用于科学需要推理,而不仅仅是数据
这篇《麻省理工科技评论》文章认为,基于海量数据集的AlphaFold式深度学习并非加速科学发现的理想模板,而具备推理和实验能力的AI智能体将推动未来的突破。
AI可能重塑机构而非取代工作
文章认为,下一场重大AI辩论应聚焦于代表性和机构架构,提出三个层次(感知、核心、驱动)来应对AI系统如何捕获现实、推理及合法行动的问题,而非仅仅模拟智能。
探索人工智能的社会影响
MIT AI and Society Forum 召集了专家,讨论人工智能在劳动、工作、公民话语和艺术方面的社会影响,包括经济学家和计算机科学家的主题演讲、小组讨论,以及一场探索生成式AI在艺术中的应用的音乐表演。
这波AI到底要走向何方?
作者反思了AI行业释放的混乱信号,指出高额投入并未带来相应的生产力提升,而Anthropic一边限制Claude Code的访问权限、一边大规模融资,让人怀疑AI革命性宣言的真实方向。