Jaron Lanier：没有人工智能（2023）

Jaron Lanier，一位计算机科学家和作家，在2023年发表了一篇引人深思的文章，质疑“人工智能”这一概念的本质。他追溯了该术语的历史，指出它源自20世纪50年代，并受到《终结者》和《星际迷航》等科幻作品的影响，这些作品在科技文化中形成了近乎宗教的神话。Lanier 观察到，许多追求 AI 梦想的科学家同时担忧这可能导致人类末日。例如，一项调查显示一半的 AI 科学家认为人类有至少10%的概率被 AI 毁灭，连 OpenAI 的 Sam Altman 也发表过类似言论。但 Lanier 不认同这种恐惧叙事。

他提出最务实的观点是将 AI 视为工具，而非生物。尽管工具也可能被误用导致危险，但神话化技术只会让管理更糟。他认为，像 GPT-4 这样的程序本质上是维基百科的升级版，通过统计学混合大量人类创作的数据。图像生成工具则类似于在线图像搜索的合成版本。创新之处在于混合过程变得受控，从而产生有用甚至惊艳的结果，但这并非发明了新思维，而是照亮了人类创作之间的隐藏关联。

Lanier 强调，这种视角反而更显技术的高明——文明本就是社会协作的产物。将 AI 理解为协作方式而非独立智能，可以减少神秘感，避免像 HAL 9000 那样的管理失误。大型语言模型的灵活性源于简单数学：它记录了词汇共现的概率，因此在处理查询时能近似语法和风格。这种非重复性让交互感觉生动，但也需要人类的判断选择。他看好 AI 在减少数字系统的僵化性上的潜力，例如网站能自动适应色盲用户或不同认知风格，从而赋予人们更多控制权。

然而，关于 AI 政策的讨论常围绕“对齐”、“安全”和“公平”等术语，尽管这些努力有成效，但未能消除恐惧，反而导致规避保护措施的游戏。Lanier 在一次非正式实验中发现了科技界的一些共识：深度伪造必须标注，人工交流或操纵性互动也应标明，并且人们应能采取行动。更重要的是，需要结束当前 AI 工具的“黑箱”状态，提高透明度。但这面临困难，因为大型模型没有明确观念，只有巨大的数学混合体。例如，要求 AI 生成脚本或草图来揭示意图会导致无限回归。

Lanier 提出了“数据尊严”概念作为解决方案。他认为，黑箱的开口在于揭示背后的人类贡献。数据尊严主张数字内容与创造者关联，人们能因创作获得报酬，即使经过模型重组。这与当前免费服务换取数据的模式不同，后者导致了平台垄断和用户被操纵。数据尊严需要技术研究和政策创新，但它可能使科技行业更健康。Lanier 总结道，既然 AI 带来的生存风险已被广泛认识，这可能是改革科技行业的契机。开放黑箱不仅能提升模型趣味，还有助于加深对语言的理解。