理解AI作为普通技术的指南

当我们在《AI作为普通技术》一文中提出这一框架时，其影响力超出了我们的预期。这篇文章迅速成为我们两人迄今为止最具影响力的作品。这促使我们将更多精力投入到思考AI的中期未来及其影响上，力求为这个容易引发猜测的话题提供扎实的分析。这一转变意味着我们的关注点从AI的当前和近期影响（这是AI Snake Oil项目的重点）转向了更长期的视角。为了反映这一变化，我们重新命名了本新闻通讯。我们已经发布了后续文章，并计划在2026年底完成一本书，于2027年出版。

本文旨在澄清关于《AI作为普通技术》的一些常见误解，使原文更易于理解，并与《AI 2027》进行对比。

“普通”并不意味着平凡或可预测

原文中，我们或许可以更明确地说明“普通”不是什么。我们的观点并非“没什么可看的，继续前进”。实际上，不可预测的社会效应是汽车、社交媒体等强大技术的标志。这些效应是技术与人类复杂互动的涌现结果，不能仅凭技术逻辑来预测。拒绝技术决定论是“普通技术”文章的核心前提之一。

以AI聊天机器人为例，我们已经看到了涌现的社会效应。AI伴侣的普及以及模型谄媚导致的一些有害影响（如“AI精神病”）令大多数观察者惊讶。另一方面，许多被广泛预测即将发生的风险（如AI被用于操纵选举）并未成为现实。未来3-5年内AI社会影响的图景——即使是基于当前能力的扩散，而非未来能力——谁也说不准。

技术能力的发展比社会影响更可预测。《AI 2027》的作者之一Daniel Kokotajlo曾在2021年因文章“2026年会是什么样子”而闻名。他对技术本身的预测惊人地准确，但社会影响的预测总体上方向不正确，他在与我们的播客讨论中慷慨地承认了这一点。

这一切使得AI对机构和政策制定者构成了更严峻的挑战，因为他们必须灵活应对不可预见的影响，而不是依赖虚假的预测安慰或试图防止所有伤害。总地来说，能够实现这种适应性的政策制定方法被称为韧性，这也是我们在文章中所倡导的。但虽然我们强调韧性是应对潜在灾难性风险的方法，我们应该更清楚地说明韧性在应对更广泛风险方面也具有重要作用。

重述我们的论点

如果我们要提取并简化论点的核心，大致如下：AI能力提升与社会影响之间存在一条长长的因果链。好处和风险在AI部署时实现，而非开发时。这给了我们（个人、组织、机构、政策制定者）许多塑造这些影响的杠杆点。因此，我们不必过于担心能力发展的速度；我们的努力应该更多地集中在部署阶段，既从实现AI利益的角度，也从应对风险的角度。这不仅适用于今天的AI，甚至适用于假设的自改进AI能力。AI系统能力的许多限制是（并且应该是）这些系统外部的，因此不能简单地通过让AI自行改进其技术设计来克服。

对GPT-5的失望？那可能误解了论点

值得注意的是，在GPT-5发布后，人们对我们的文章的兴趣激增。这很奇怪！如果一次产品更新就能改变人们对AI轨迹的看法，那么人们的证据基础有多可靠？普通技术框架预测缓慢时间线的理由不是因为能力会遇到瓶颈，而是因为即使能力继续快速进步，影响也会缓慢而渐进。因此，我们并不认为对新发布的失望应该让你更认同“AI作为普通技术”的观点。同样，明天宣布的新突破也不应让你更怀疑我们的观点。

理解GPT-5的最佳方式是，它是AI开发者从模型转向产品的一个特别好的例子，我们一年前就写过这一点。自动模型切换器对日常ChatGPT用户来说意义重大。事实证明，在“思考”模型发布近一年后，每天使用它们的用户不到1%，而GPT-5大幅提高了它们的使用率。

为什么AI的采用感觉不同

如果“快速扩散”的说法如此错误，为什么它如此普遍和持久？因为AI的采用感觉就像海啸，而PC、互联网或社交媒体从未有过这种感觉。当人们直觉上相信某件事时，他们对那些据称能证实这种感觉的数据或图表就会缺乏怀疑。我们承认这种感觉。我们自己对AI的亲身体验与过去的技术浪潮不同。起初，我们将其视为认知偏差：我们正在经历的改变感觉上会比过去成功适应的变化大得多。但现在我们意识到我们错了。认知偏差可能只是很小的一部分解释，但AI采用感觉更快速和可怕确实有真正的原因。简而言之，虽然部署不等于扩散，但在过去，渐进式部署意味着用户在一定程度上不必不断做出采用决策，而现在这个缓冲已经消失了。

以互联网采用为例：90年代采用拨号互联网的人会记得一个大致这样的故事。当我们第一次听说这项技术时，被PC的高价格吓退了。逐渐地价格下降。同时我们在工作或朋友家获得了一些上网经验。所以当我们几年后购买PC和拨号上网时，我们已经接受了一些训练。起初，拨号上网又慢又贵，网站也不多，所以我们用得不多。逐渐地价格下降，带宽改善，更多内容上线，我们学会了如何高效和安全地使用互联网。

而2020年代采用通用AI工具则是一种根本不同的体验，因为新能力的部署是即时的。人们必须花费更高比例的时间来评估是否为某个特定用例采用AI，并不断被告知如果不采用就会落后。我们之前的所有观点仍然成立——存在学习曲线，人类行为需要很长时间才能改变，组织变革甚至更慢。但不使用AI在某种程度上是一种主动选择，人们不再有借口不去考虑它。

结语

我们在一点上与AI助推者完全一致：AI不会消失，也不会成为大多数人可以忽略的像加密货币那样的小众。现在，对生成式AI的集体初始冲击已经消退，我们需要结构化的方式来思考AI的影响如何展开，而不是对每一项新技术能力或涌现的社会效应做出（过度）反应。AI作为普通技术框架——我们将继续在本通讯中阐述——就是这样一种方法。值得熟悉它，至少作为历史上基于技术的默认思考方式的阐述，可以用来与更例外主义的叙述进行比较。该框架对商业领袖、工人、学生、关注AI安全或AI伦理的人以及政策制定者等都有一定程度的可操作指导。我们希望您能跟随并参与讨论。