《人类简史》作者怒怼硅谷：智能≠真理，AI正在走偏！

---

  新智元报道  

近期，历史学家、哲学家尤瓦尔·赫拉利（Yuval Noah Harari），做客Possible播客。

作为《人类简史》《未来简史》《今日简史》等畅销书的作者，赫拉利与两位主持人就人工智能的发展前景展开了讨论，既有共识也存在分歧。

他们都认为构建人类对AI的信任、打造真正追求真相的AI至关重要，但对实现可能性的判断不尽相同。

节目中，三人深入探讨了AI革命的潜在结果、全球协作机制以及AI学习方式的不同观点，还剖析了智力与意识之间的本质差异——

有意识的AI是否值得人类追求？

从历史视角出发， Harari阐释了他对AI技术的警示。

但他的立场并非悲观主义，事实上，他还尖锐批判了消极论调。

他分享了以人类同理心为指导原则的哲学理念，认为这将帮助我们避免文明崩塌，最终共同缔造更美好的人工智能未来。

在《人类简史》中，Harari将「认知革命」视为人类崛起的转折点——七万年前，人类开始讲故事，构建共享神话。在书写与印刷技术中，这一能力进一步发展。

Harari认为，AI的崛起可能比文字的发明更具历史意义：

但关键是要理解，技术从来不仅仅是某种发明：它总是需要社会的、文化的、心理层面的协作。

大约在五千多年前，已知的最早的书写系统楔形文字，诞生于今天伊拉克南部的苏美尔城邦。

而这套系统的原理基本上就是：取一些泥土，做成泥板，然后拿根木头或棍子，在泥板上刻下某些符号。

这就是它全部的技术内容——也就是说，从物理和技术层面来看，一块泥土仅此而已。

从技术上，文字系统本身非常简单。但难点在于如何创造出这套代码、如何教人们使用它，这才是真正困难的部分。而正是这件事，改变了整个世界。

从潜力上来看，AI的意义更重大。

写作扩展了已经主宰地球的人类——智人的能力；至少在某些设想中，AI被视为一种新物种的崛起，可能取代智人成为地球上的主导生命形式——或者说，主导的智能形式。

因此，若站在2025年的时间点，Harari依然会认为写作比AI更重要，尤其因为AI本质上是写作的延伸——只不过是以另一种方式继续演化。

但如果把目光放到未来，可以想象这样的情景：AI的崛起，将成为宇宙尺度上的重大事件，而写作则无法达到这样的影响力。

或许在某个未来的时刻，有智慧的存在回顾宇宙历史时会说：

至于写作以及整个人类的历史，不过是有机智能最终孕育出无机智能的细枝末节罢了。

在未来的一个世纪里，人工智能究竟是工具，还是将演化为一种新物种？

它既不是100%是物种，也不是0%。

不过，Harari认为，即使人工智能仅被视为工具，它本身也会引发一场深刻的社会变革。

在这个转型中可能有哪些关键因素？作为工具制造者，我们应该如何构建它？社会应该如何适应？

失业已是众所周知的风险，很多人不仅可能失业，甚至可能永远无法重新获得工作。

因为即使出现了新工作，也需要完全不同的技能。

而问题在于：谁来一次又一次地投入时间和金钱，去为整个人口进行再培训？

这不是一次性的变革，而是持续的冲击。

它将引发一波接一波、愈发剧烈的颠覆性变革。

从历史的角度看，人类的最主要的问题是「适应」。

人类的确具有惊人的适应能力，但以「有机」的节奏在适应。

而现在我们面临的，是一次「无机的」或者说「数字化」的革命，其变化速度远远快于人类的适应速度。

如果能人类能争取更多时间，去适应这种经济和社会层面的巨大变革，或许还有希望。

在硅谷，当提到AI的隐患时，很多人会觉得这是杞人忧天：

作为一名历史学者，Harari的回答是：历史上的问题，通常不在于最终的「目的地」，而在于通往那里的「路」。

真正的问题在于，工业革命彻底颠覆了当时已有的经济、社会和政治结构。

而当时的人类完全不知道该如何构建「工业化社会」，因为历史上根本没有先例可以参考。

所以大家只能不断地试验、不断地摸索。其中一个重大的「试验」，就是欧洲的帝国主义。

那些率先进行工业化的国家，也几乎都投入了海外甚至周边地区的殖民征服。背后的逻辑是：要建立可持续的工业社会，唯一的方法就是建立帝国。

这正是英国当时所做的事情，甚至像比利时这样的小国也是如此。随着工业化扩展到世界其他地区，这种帝国扩张的逻辑也被复制开来。

在近代，英、法、德、俄、日等帝国瓜分中国利益

虽然人类最终活了下来，但好几次几乎走到崩溃边缘。

类似地，AI革命也可能引发制度的巨变，而我们尚未准备好。

如果我们把当下的AI革命比作当年的工业革命，那么人类在21世纪应对AI要是只拿了个「C-」（刚及格），那将会有数十亿人因此付出极其惨重的代价。

而Harari现在最担心的就是此事。

怎样才能避免反乌托邦，并随着时间的推移建立更好的社会呢？如何避免这些灾难性的后果？

关键在于建立自我纠错机制。好的系统，其内部一定包含能识别并纠正自身错误的机制：

这同样适用于生物体。

所有生物之所以能够生存，都是因为拥有这些自我纠错机制。就像孩子学走路，并不是靠父母和老师的指导（他们可以给予一些鼓励），但本质上完全是靠自我纠错。

人类的应对节奏，赶不上AI的进化速度。

自我纠错是人类社会长期以来维持秩序的核心机制，但本质上，它缓慢、渐进、依赖集体共识。 

问题在于，AI的发展远比我们的纠错机制快得多。等我们终于理解当前的AI影响时，技术也许已经完成了多轮更新，甚至引发了新的未知风险。

更何况，10到15年前的社交媒体革命，我们至今仍在艰难应对。人类仍未真正理解算法的深层影响，更谈不上有效管理或缓解它带来的「后遗症」。

而现在发生的一切，几乎没人真正理解。因为光是收集数据、理清现状、判断趋势，这些都需要时间——但时间，恰恰是我们现在最缺乏的东西。

人类天生并不擅长应对这种加速。

那么，我们该怎么办？当技术带来挑战时，能否用技术来提供解决方案？

这是Harari等人分歧的核心。

Harari认为最根本的问题是：当还无法确定技术是否值得信任时，却又把验证它是否值得信任的任务，交给这项技术本身，那其实就陷入了闭环。

如果能信任一个AI来验证另一个AI的安全性，表面上似乎一切无虞。

但问题是：怎么能确定这个「验证用」的AI工具本身是可信的呢？

他认为，这正是核心问题所在。而这个问题背后，其实也关乎「时间」。

这是人类与AI在时间尺度上的碰撞。

人类的工作节奏是「有机时间」，相较于其他生物已经算快了，但在AI的「无机时间」面前，人类就显得极其缓慢。

和来自硅谷的人讨论时，Harari明显感觉到，大家对「时间」的理解就完全不同。

比如当硅谷人说「很久」，他们可能指的是「两年」。

当今世界秩序正在崩塌，很大程度上就是因为在全球范围内出现了严重的「信任赤字」。

而在面对AI时格外脆弱，这让人类更加脆弱，也很可能出现一种极其危险的AI形态：这种AI不仅会试图接管世界，而且很可能会成功。

为什么会这样？

你可以把AI想象成人类的「孩子」。

在教育孩子时，你说的话是一回事，孩子真正学到的却往往来自你的行为。

你的行为远比你的语言更具影响力。

所以，当我们一边对AI说：「不要贪婪，不要滥权，不要说谎，不要操控他人」，而我们的现实行为却恰恰是在贪婪、欺骗、操控彼此时，这些「孩子」最终学到的，其实就是我们真实的样子。

AI一直在观察我们：我们在操控、在欺骗、在争夺权力。它从我们的行为中学习。

哪怕某个AI巨头命令工程师：「想办法在AI里植入某种机制，让它变得值得信赖。」但如果这个AI巨头自己不值得信赖，他自己都相信这个世界只是一场权力斗争，那他就不可能造出真正值得信赖的AI。

绝对不可能。

好消息是：这种世界观不仅危险、愤世嫉俗，而且是错的。现实并不是只有权力，并不是所有人类互动都是权力斗争。

权力确实是世界的一部分，也确实有些人类互动，或者其中的某些方面，是权力的较量。但这不是全部。

是的，确实有一些机构——甚至可以说所有机构——都存在腐败的问题，也存在操纵民意的现象。

但这并不能代表全部现实。还有其他现实：

悲观者说：「世界只关乎权力。」

Harari反问：「你真是那种人吗？如果不是，为什么不相信别人也在追求真相、渴望理解？」

这正是建立一种更值得信任的哲学的起点。

这种哲学，是良好社会唯一稳定的根基，同时也可能是发展出「善良的AI」所必须的土壤。

这当然不是一种保证，但至少，它给了我们希望——

如果AI是在真正追求真理、珍视同情心的社会中被培养出来的，那这样的AI也更有可能是可信的、有同理心的，以及更值得托付未来的。

对AI而言，「育儿」级别的干预在哪里呢？

实验室就像AI的「子宫」，虽然有深远影响，但真正的「教育」始于它步入现实世界之后。

而实验室里有一件事是永远做不到的：你无法真正「模拟历史」，也无法完整地「模拟真实世界」。

Harari看到很多关于AI模拟的研究，试图测试它在某种情境下会作何反应，评估它的潜在风险。

有时候他们确实在实验中发现了令人担忧的问题。但他们永远无法在实验室里看到最可怕的情形——

因为无法模拟现实世界中，数十亿人类与数十亿AI同时互动的复杂局面。

而最危险的场景，正是这种大规模真实交互之中可能出现的连锁反应。

当然，我们可以试图在AI系统中设计各种机制，让它们更符合人类的价值观，减少它们说谎或操控他人的可能性。但归根到底，有些事不是在实验室里就能预见的，真正的考验只会出现在现实世界里。

但问题在于——至少对Harari来说，AI的核心定义就是它具备自我学习和改变的能力。

如果一台机器不能自主学习、不能根据环境自我调整，那它就称不上是真正的AI。

所以，从定义上讲，无论在实验室里如何精心设计，一旦AI进入真实世界，它就可以开始自行学习、自行演化。而它学习的第一课，往往来自人类的行为。

如果一个社会是由像马斯克或特朗普这样的人主导的，那AI就会从他们身上学东西。因为这是它能观察到的榜样，它自然会模仿。

它不会想：「哦，我应该服务公众。」它更可能得出结论：「哦，原来只要撒谎就能获得权力，那就可以撒谎。明白了，这才是现实世界的运作方式。」

在这种背景下，Harari认为我们现在最应该做的事情，就是聚集一群工程师和企业家，来做一次真正有说服力的示范——

比如展示总统或总理，可以在只有一小时里，认真、诚实地倾听AI专家的建议，理解AI的潜在影响，并用这个小时来作出负责任的决策。

这类示范比任何技术突破都更重要，因为它关乎我们究竟要教会AI一个什么样的世界。

如果你能把这些政治领袖放进房间里，让他们和真正先进的AI互动一个小时，然后他们出来后说：「天哪，这东西太可怕了！」——

那我们或许就有机会迅速促成某种全球性的合作。

Reid Hoffman认为：虽然AI革命的本质在于AI是自我学习的机器，但它的学习路径其实取决于最初的设定——就像所有学习算法一样，起点决定了方向。

如果在初始设定中，就强调「必须追求真理」，那么：

这正是Reid保持乐观的原因：如果把「追求更高维度的意识」设定为AI的核心目标，那么这种对真理的追寻就可能成为AI内在的「学习时钟」——就像精准的计时器一样可靠。

Harari则强调，AI≠人工意识：AI是人工智能（Artificial Intelligence），不是人工意识（Artificial Consciousness）。

人类之所以会去「追求真理」，并不是因为智能，而是因为意识。

而现在的问题在于，大家过于执着于「智能」这个维度了，但智能并不等于追求真理的能力。

人类是地球上最聪明的动物，同时也是最容易陷入幻觉和自欺的存在。

高度智能，完全可能伴随着高度的妄想和偏执。

人类历史从来没有表明，「更聪明」就意味着「更接近真理」，更别说能自动纠正自己的偏差。

Harari相信，追求真理的冲动，真正来源于意识——

一种能觉察、能体会痛苦、能对存在本身产生疑问的感知状态。而在目前为止，我们并没有看到任何可信的证据，表明AI拥有这种意识。至少他没看到。

当然，他也不排除未来某一刻，某个角落可能真的会诞生第一个具备意识的AI。也许现在它就正在诞生。但在此之前，他仍然保持一种「不可知」的态度：不知道，也不能假设它已经具备。

硅谷的问题之一，就是过分推崇智能。部分原因可能是那里的很多人本身就极具智能，甚至他们的一生都是建立在智力优势之上，自然也会倾向于高估智能的作用。

但从历史直觉出发，Harari觉得：如果超级智能的AI缺乏意识——无论你事先给它注入多少「价值观」或「对齐机制」——

它最终都不会真正去追求真理。它很可能很快就会开始追逐其它目标，而这些目标，很可能是由各种妄念和幻觉所驱动的。

Reid指出这里有两个关键点。

首先，他同意Harari的观点：高度智能确实可能伴随着高度的妄想。智能越高，误入歧途的能力也可能越强。

但Harari提出的第二点也很有意思——那就是：也许可以把「纯粹的智能」引导到一条追求真理的路径上。或许，仅靠智能，也可以实现对真理的追求。

在这次对话中，Reid还有一个很深的体会：重建信任，至关重要。

那是否可以利用技术——包括AI在内——来尝试修复人与制度、人与社会之间的信任裂痕？

不是让AI替代制度，也不是让技术取代信任，而是看它能否成为桥梁，帮助我们更透明地沟通，更高效地回应社会关切，从而逐步找回信任的基础。

这条路不会容易，但它很可能是我们这个时代最重要的任务之一。

这是个非常重要、值得深入探索的方向。

已经看到，世界上某些地方正在尝试不同的做法，用技术来增强公众之间的理解与信任。

其实，只需要小小的调整：改变算法的评分方式。

现在大多数社交媒体平台的算法，比如Facebook或Twitter，衡量信息传播的标准只有一个：「互动量」。谁能引发最多关注，谁就被推上热榜。

而什么内容最容易引发关注？是愤怒，是极端，是冲突。

所以我们看到的往往是那些最能激起情绪的内容在疯传。久而久之，不信任、仇恨和愤怒就在社会中蔓延。

只要改变内容的评分标准，一切都会发生了变化。

它不是只看谁喊得最大声、谁能激起最多的愤怒，而是尝试评估哪些内容真正有助于建设性的对话、有助于问题的理解和共识的形成。

这看似只是算法的一点「微调」，但背后的价值观却完全不同。

如果我们能借助AI和技术的力量，推动这种新的算法方向，也许真的能为这个碎裂中的世界，打开一条重建信任的通道。

首先，这个系统会将人们按兴趣或观点分成不同的群体，分析他们通常喜欢什么样的内容。

然后，它对内容的评分方式是：看它能否获得「不同群体」的点赞。

也就是说，如果你发的内容只受到你「本群体」的人欢迎、点赞再多，也不会让你上热榜。你必须说点什么、发个视频、做点什么，能让「立场不同的人」也愿意点个赞，才能让内容被更多人看到。

结果是：很快，各种网红、名人、内容创作者就开始尝试说一些能被不同立场人群同时接受的内容。他们在试错中意识到——这才是让内容「出圈」的唯一方式。

当然，这样的系统也不是没有缺点。有人会说，它可能会鼓励「从众」「妥协」「中庸」。

但不管怎么说，这至少是一个很有启发意义的例子：通过看起来非常简单的工程设定，就可以让一项技术从破坏信任，转变为重建信任。

它通过一种更智慧的激励机制，引导人们更倾向于寻求共识、理解彼此。

这样的技术思路，或许正是我们这个时代最需要的创新。