生成式AI將如何改變教育？

生成式AI會增加失業(yè)率嗎？

生成式AI將會帶來哪些風(fēng)險？

哪些行業(yè)和職業(yè)將會繁榮，哪些將會衰落？

生成式AI的發(fā)展如火如荼，創(chuàng)造了新的計算機系統(tǒng)，在各行各業(yè)發(fā)揮重要作用，加速了科學(xué)、藝術(shù)和人類知識的進步，與此同時也將帶來新的危險。

財之道叢書新書《生成式AI：人人都需要知道的》涵蓋了人工智能的歷史以及生成式AI的原理和應(yīng)用、可能的影響和風(fēng)險、法律地位、公共政策等多個方面，內(nèi)容全面而深入。

本文摘編自《生成式AI：人人都需要知道的》

有刪減

AI

什么是“人工智能”？

文 / [美]杰瑞·卡普蘭

這是一個易問但難答的問題，原因有兩點。首先，關(guān)于智能是什么，人們幾乎沒有共識。其次，至少到目前為止，人們幾乎沒有理由相信機器智能與人類智能有太大的關(guān)聯(lián)，即使兩者看起來很像。

人們提出了人工智能的許多定義，每個定義都有自身的傾向性，但多數(shù)大致圍繞著這樣一個概念：創(chuàng)建計算機程序或機器，使其能夠做出智能的行為，而我們認為這種智能應(yīng)當(dāng)由人類表現(xiàn)出來。人工智能之父約翰·麥卡錫在 1955 年將這一過程描述為“使機器以如果人類這么做就會被稱為智能的方式來行動”。

但是，這種看似合理的 AI 特征描述方法存在嚴(yán)重缺陷。想想看，我們很難定義人類智能，更不用說測量了。我們的文化傾向于將事物簡化為數(shù)字來測量，以便進行直接比較，這往往會造成一種虛假的客觀性和精確性。而試圖量化像智能這樣主觀而抽象的東西，顯然就屬于這一類。我們能說幼小的薩莉的智商就比約翰尼的智商高出 7 分嗎？請找一個更公平的方法來決定誰能得到寶貴的最后一個幼兒園名額吧。舉個試圖拆解這種過度簡化的例子，發(fā)展心理學(xué)家霍華德·加德納（Howard Gardner）提出了一個有爭議的框架，即從“音樂 - 節(jié)奏”到“身體 - 運動”再到“自然主義”的八維智能理論。

盡管如此，畢竟在許多語境下，說一個人比另一個人聰明是有意義的。況且，有些關(guān)于智能的指標(biāo)已經(jīng)被廣泛接受，并與其他指標(biāo)高度相關(guān)。例如，學(xué)生加減數(shù)字的速度和準(zhǔn)確性，被廣泛用作衡量邏輯及量化能力的標(biāo)準(zhǔn)，更不要說其關(guān)注細節(jié)的能力。但將這一標(biāo)準(zhǔn)應(yīng)用于機器有意義嗎？一個 1 美元的計算器即使沒有雙手，也能在這項任務(wù)上完勝人類。現(xiàn)在代指計算器的單詞“calculator”，在第二次世界大戰(zhàn)前就是指熟練的專業(yè)人員——有趣的是，這些人通常是女性，因為人們相信女性能夠比大多數(shù)男性更細致地完成這項煩瑣的工作。那么，計算速度是否說明機器擁有超強的智能呢？當(dāng)然不是。

大多數(shù) AI 研究人員認為，如何解決問題與是否解決問題同樣重要，這使得將人類智能與機器智能比較變得更加復(fù)雜。要理解其中的原因，請看一個簡單的計算機程序如何玩“井字棋”（tic-tac-toe）：一對玩家在 3 乘 3 的網(wǎng)格上交替放置“×”和“○”，直到一方在一行、一列或一條對角線上填上三個“×”或“○”（或者所有網(wǎng)格都被填滿，即游戲為平局）。

井字棋共有 255168 種不同的對局，而在如今的計算機世界里，生成所有可能的序列并標(biāo)記出能贏的，然后查表來下每一步棋以做到完美比賽，是一件相當(dāng)簡單的事情。 但大多數(shù)人不會把這樣一個瑣碎的程序當(dāng)成人工智能?，F(xiàn)在想象一種不同的方法：一個先前對游戲規(guī)則沒有概念的計算機程序，通過觀察人類玩游戲，不僅能了解贏的含義，還能了解什么策略最成功。例如，該程序可能會在玩井字棋中學(xué)到，當(dāng)一名棋手在一行內(nèi)下了兩子后，另一名棋手總會下一步阻擋棋，或者該程序可能會學(xué)到，占領(lǐng)連線中有空格的三個角經(jīng)常贏。通常，一個程序之所以能被稱為人工智能，是因為它能夠在沒有任何指引或指令的情況下獲得所需的專業(yè)知識。

現(xiàn)在，并不是所有的游戲，當(dāng)然也不是所有有趣的問題，都可以像井字棋那樣通過枚舉來解決。相比之下，國際象棋大約有10的120次方種不同的對局，這一數(shù)量遠遠超過宇宙中原子的數(shù)量。因此，AI 研究的大部分內(nèi)容可以看作是在試圖找出可接受的解決方案，所針對的問題均是出于理論和實際上的各種原因而無法進行確定性分析或枚舉的。

無論如何，從大量可能性中選擇答案與通過洞察力和創(chuàng)造力找出答案之間，存在著一種并不直觀但切實可行的等價關(guān)系。這種悖論的常見比喻是，足夠多的猴子在足夠多的鍵盤上敲打，最終會敲出莎士比亞的全部作品，但換成更現(xiàn)代的說法是，給定時長下的每種可能的音樂演奏，都可以用一個有限的 MP3 文件中的某一個來表示。從中選擇一個特定音樂文件的能力，是否等同于錄制這段音樂的創(chuàng)造性行為呢？二者當(dāng)然不同，但前者的技能也許同樣值得我們喝彩。

在給學(xué)生的算術(shù)題打分時，我們不會考慮他們是如何完成作業(yè)的——我們假定他們只用了自己的大腦和像鉛筆、紙這樣的必要工具。那么，當(dāng)用一臺機器作為測試對象時，我們又為什么要關(guān)心它是如何完成的呢？因為我們想當(dāng)然地認為，執(zhí)行這項任務(wù)的人正在使用某些與生俱來或后天習(xí)得的能力，原則上可以將這些能力應(yīng)用于廣泛的類似問題上。然而，僅憑機器在同樣任務(wù)中表現(xiàn)出相同或更高水平，我們并不相信這就表明了機器能解決這一類問題。

但是，用人類能力來衡量 AI 還有另一個問題。機器能夠完成許多人類根本無法完成的任務(wù)，而許多這樣的表現(xiàn)確實會讓人感覺這是智能的展現(xiàn)。一個安全程序，可能會基于在短短 500 毫秒內(nèi)異常的數(shù)據(jù)訪問請求而懷疑受到了網(wǎng)絡(luò)攻擊；一個海嘯預(yù)警系統(tǒng)，可能會基于能反映復(fù)雜海底環(huán)境的微小海平面高度變化而發(fā)出警報；一個藥物發(fā)現(xiàn)程序，可能會通過在成功治療癌癥的化合物中發(fā)現(xiàn)未曾注意的分子排列模式而提出新型混合劑。

這些系統(tǒng)展示出的行為，將變得越來越常見，并且不適合與人類能力進行比較。無論如何，我們還是傾向于將這類系統(tǒng)視為人工智能。

《生成式AI：人人都需要知道的》

作者 [美]杰瑞·卡普蘭

譯者 陳昊

出版日期 2025.09

博庫購書鏈接

當(dāng)當(dāng)購書鏈接

內(nèi)容簡介

本書由人工智能領(lǐng)軍人物、斯坦福大學(xué)教授杰瑞·卡普蘭撰寫，作者具有豐富的學(xué)術(shù)和實踐經(jīng)驗，以易懂的語言解釋復(fù)雜的技術(shù)概念，讓讀者更容易理解人工智能的相關(guān)知識，同時對于人工智能的哲學(xué)問題也進行了探討，具有一定的啟發(fā)性。

[美]杰瑞·卡普蘭，美國人工智能專家、連續(xù)創(chuàng)業(yè)者、技術(shù)創(chuàng)新者、教育家、暢銷書作家和未來學(xué)家。發(fā)明了幾項突破性的技術(shù)，創(chuàng)立了許多科技創(chuàng)業(yè)公司。目前是斯坦福大學(xué)的兼職講師，教授人工智能的社會影響和經(jīng)濟影響。著有《人工智能時代》等。

陳昊，九三學(xué)社社員，復(fù)旦大學(xué)碩士，曾任某公司副總經(jīng)理，現(xiàn)任某全國重點實驗室綜合辦副主任、高級工程師，《半導(dǎo)體產(chǎn)業(yè)全景介紹》系列視頻創(chuàng)作者。

↓ 點擊名片，關(guān)注浙江人民出版社↓