李星：作为人工智能用户的认识和思考

文/王雅静

与互联网的发明、普及与使用相比，人工智能对人类社会的影响更甚。在人工智能的时代，人类最重要的就是想象力。

李星 清华大学电子工程系教授

30 多年前，清华大学电子工程系李星本科毕业，赴美留学，研究生专业和本科一样，是信号和信息处理。留学和工作期间，他第一次接触到互联网，作为一名用户，他深切感受到了互联网的巨大潜力，并对其产生了一定的认识和思考。1991年，李星回到清华大学教书，深切感受到，没有互联网就无法建设世界一流大学。机缘巧合，1993 年，他由一名互联网用户转变为互联网研究者，成为中国教育和科研计算机网（CERNET）的设计建设者和运营者。面对CERNET 建设初期所遇到的重大技术决策，他作为互联网用户时所积累的认识和思考发挥了至关重要的作用。三十年一个轮回，如今他以人工智能的用户身份，分享了自己对ChatGPT 的认识和思考，以供年轻一代参考。

与ChatGPT 进行智力游戏

“ChatGPT 是帮助人而不是替代人。”李星教授说。ChatGPT 已经在帮助程序员编写程序方面发挥了很大作用，虽然它依然无法完全取代人类的编程工作，但它可以给我们带来很多意想不到的启发，并提高了工作效率。

以前，程序员需要实现某个辅助功能的算法或函数时，由于这些功能不是最核心的，对程序员而言，不一定很熟悉，往往就需要花费很长时间进行检索、寻找和判断。但是，现在与ChatGPT 进行讨论后，它可以快速地提供相关的代码、语言版本、操作系统等信息，方便我们进行下一步的判断、选择和修改。

此外，ChatGPT 对于科研效率的提升也非常显著。李星教授提到，过去他在产生一个想法后，往往会先放一放，用一段时间深入思考，之后再用几天甚至几周时间编写代码进行验证。然而，现在通过ChatGPT 的协助，仅需几个小时就可以完成最初的概念验证（PoC，全称Proof of Concept），再以此为基础推进下一步的工作，如同顺水推舟般高效、简单而方便。

当然，需要注意的是，虽然ChatGPT能给出答案，但很多时候这些答案并不准确，无法直接采用。因此，在这种情况下，就需要继续与ChatGPT 进行交互，并通过指引帮助它给出更好质量的内容。

ChatGPT 的训练数据中包含了丰富多样的信息，几乎涵盖了各个领域的知识。然而，关键是我们如何提出有用且高度相关的问题。换句话说，提问的能力非常重要。能不能问出有质量的问题，是非常考验人的。

同样，得益于ChatGPT 相当全面（但不一定深入和准确）的知识水平，它往往能给出比我们想到的更加全面的答案，帮助我们填补知识的空白。因此，当我们产生一些创新性的想法时，可以与ChatGPT进行对话，与它一起进行不断迭代的智力游戏，询问它对新的研究想法的看法。ChatGPT 也会毫无保留地列出需要考虑的相关问题和角度，这种全面性是独立的人类个体所难以匹敌的优势。

此外，不论提出的问题多么新奇、奇特或离经叛道，ChatGPT 总能给出与之相关的回应和答复，这得益于ChatGPT 的泛化能力。

据报道，OpenAI 在训练ChatGPT 时，考虑的重要因素之一是数据的多样性。首先是“语言的多样性”。尽管数据以英文内容为主，但中文和其他国家语言的内容也尽可能地被纳入训练中。也就是说，如果在中文世界中有问题未能得到解答，但在英文世界中已有人给出了答案，ChatGPT便能够将两者自动关联起来，并在需要时灵活应用各种语言和文化背景下的知识。

其次是“领域的多样性”。ChatGPT是博才而非专才，它收纳了各类学科领域的知识，使得学科之间有所平衡和联系，实现真正的融会贯通。这就意味着，有时某一学科的问题，或许ChatGPT 可以从另一学科的知识体系中找到解法，并为我们提供解决问题的线索。ChatGPT 的知识量级使它能真正做到了融会贯通与触类旁通，各学科知识不再有鲜明的区隔而是交织相融到了一起。另外，ChatGPT 的训练还兼顾了“语体的多样性”和“观点的多样性”，这些多样性带来的泛化能力与“思考”的方法是传统搜索引擎类的问答模式远不能及的。

ChatGPT 的不可解释性

目前的一种思路认为，人工智能需要具有“可解释性”。以自动驾驶为例，如果自动驾驶的原理不可解释，那人们就无法分析交通事故的发生原因，因而就很难改进、提升自动驾驶的安全性。因此对于此类科学技术来说，可解释性非常重要。

然而，对于ChatGPT 这样的技术应用而言，可解释性是否依旧重要？李星教授认为，对此必须要打一个问号。

他提到，虽然ChatGPT 背后也有其遵循的、可理解的科学理论，但其强大表现的根源在于海量的数据和强大的算力。俗话说“大力出奇迹”，正是基于这种巨大的算力和数据支持，ChatGPT 展现出了迄今为止只有人类身上才会出现的智能行为。尽管我们知道ChatGPT 是通过训练得到的，但是训练一个人工智能模型的过程，即模型参数的优化，有时候更像是玄学中的“炼丹”过程。如何调参？为什么这样调参？到现在也没有非常精确、完备的理论与方法，而这种随机性和试验性正是ChatGPT 不可解释性的来源。

因此，李星教授认为，按照传统思路，我们应该先对人造事物进行深入理解，然后继续研究和应用。然而，ChatGPT 打破了这种传统路径。对于ChatGPT，我们可以将其视为一种由上帝或自然界本身创造的产物，我们首先接受、使用和运行它，然后进一步研究和理解它，而这与过去技术发明中先理解规律再进行应用的过程恰好相反。

基于此，李星教授认为，通用人工智能的真正生命力和灵魂在于其不可解释性。

回顾科技发展史，计算机的发明是一个明显的分界线。在计算机出现之前，人们发明的机器如电话、洗衣机、电冰箱、收音机等，都是具有单一、明确和固定功能的机器。然而，计算机完全不同，虽然它也由CPU、内存、硬盘、显示器、键盘等固定组件构成，但它可以安装各种不同的软件，编写不同类型的程序，每个软件都有不同的功能和作用。计算机的使用方式如此丰富多样，呈现出的结果如此多样化，是当初设计计算机的人们所不能全部想到的。随着时间的推移，人们会开发出更多的功能，实现更多的创意，计算机的发展空间依然广阔而无限。

而人工智能出现后，这种功能的不可确定又迈上了一个新的台阶。

在互联网游戏中，人们可以通过对计算机编程来创造各种机制、类型和规则的电子游戏。然而，人工智能可以创造自己的游戏，并决定所有的设定，使之顺利地运行，这使背后的原理和机制有可能超出人类的理解能力。

不可解释性的破解之道

“面对不可解释性，我们必须要接受这一事实，接受它的存在，与之共生。”李星教授表示，在接受的同时，我们应该努力研究和理解人工智能背后的规律。

他认为，我们已有的学科体系和知识架构中，物理学和数学具有较强的可解释性，它们由极为精准的数学公式与物理定律构成，因此我们可以尝试用确切的公式或清晰的模型去描述它。而生物学虽然也是一门解释世界的学科，但是其清晰性和精准性远低于物理学，很多生物学现象背后蕴藏的机制与规律，人类到现在也依旧无法清晰、准确、严谨地进行解释与描述，也就是说，不同的学科、不同的事物，其可解释性的程度也是完全不同的。

而由人类从海量数据中“炼丹”后产生的ChatGPT，不可解释性更加突出，它更像是一个有机的生命体。

然而，李星教授也提出了另一种可能性，即用来理解人工智能的科学体系和理论工具，至今尚未被发现。也就是说，只有一种崭新的理论工具诞生后，才能去真正揭示当下人工智能的本质和原理。“和在微积分的发明之前，我们缺乏依据来科学地描述力学三大定律一样。很有可能，用来研究ChatGPT 与人工智能的数学工具尚未出现。”

综上所述，李星教授认为，尽管人工智能的不可解释性是一个挑战，但通过探索新的方法和工具，我们可以努力理解和揭示其规律。这可能涉及借鉴现有学科的经验，同时也可能需要创造全新的科学体系和理论工具。只有这样，我们才能更好地理解和应用人工智能。

人工智能与人类的距离

在对人工智能与人类的距离问题上，李星教授认为，当前人工智能在人类视角下仍然是一个可用的工具，但与以往的工具有所不同，人工智能的基础还是概率推断，所以具有不可消除的随机性。因此，它的回答有时是正确的，有时又像“一本正经地胡说八道”，对此，我们必须自己进行判断和决策，不能完全依赖它。

那么，人工智能发展下去会不会成为与人类相似的独立智能行为者？

针对这个问题，李星教授认为，首先，人工智能必须实现实体化并具备主体性。类似于人类需对自己的行为负责，人工智能也需要一个独立实体来承担责任。这种实体化并不仅仅是给人工智能一个外形，还要建立人工智能思考和推理机制与实体之间的紧密联系，类似于人的身体与头脑之间的联系。

其次，人工智能需要具备繁殖的能力。繁殖是生物延续生命的方式，通过进化和留存不同因素，生命变得愈发智慧、灵活和强大，同时产生创造力。如果人工智能无法自行繁殖，它的能力只会随时间流逝而衰减、停滞不前，最终被淘汰。

李星教授认为，当前的人工智能虽然具备一定的创作力和逻辑推理能力，但这只是人类智能的一部分。人类拥有完整的创造力、想象力和主观意识，与人工智能的创作能力存在差异。

人类创造力与人工智能创作力的区别，类似于真正的艺术家与手艺熟练的工匠之间的区别，即道与术的区别。想象力也是如此。物理学家爱因斯坦在《论科学》一文中表示：“想象力比知识更重要，因为知识是有限的，而想象力则概括着世界的一切，推动着进步，并且是知识进化的源泉。”目前，人工智能虽看似掌握了“无限”的知识，但只要是知识就拥有边界，与人类的想象力相比，这种“无限”始终都是一种“有限”。

“至于人工智能最终能否模拟出接近人类的创造力与想象力，这一点我们依旧不得而知。”李星教授说。

人类社会的动物园化

ChatGPT 出现后，有一种广泛的担忧迅速出现：人类的工作会被人工智能取代吗？

李星教授认为，极端一点的可能性是，未来人类社会有可能近似于一个超大规模的动物园，大部分人可能会像动物园中懒洋洋的、等待被喂养的动物一样，进入“躺平”状态，将大部分时间用于娱乐、休闲，只需要在特定时间填饱肚子，就万事大吉。

然而，他也表示，肯定会有一部分人不满足于这种状态。总会有人意识到，真正重要且有意义的是实现目标的过程，而非目标本身。虽然目标仍然是重要的前提条件，但对于真正的大师级人物来说，最宝贵且精彩的部分不在于达成目标这一结果，而是在于奋斗、历练、挑战自我的过程。

因此，即使人工智能发展得更加强大，人类社会也有可能进入某种“躺平”状态，但仍然会存在那些不满足于此的人，他们将继续追求目标，并在奋斗的过程中找到真正的价值和意义。

挑战与机遇并存的伟大时代

“人工智能和各种人工智能技术的意义与互联网中TCP/IP 协议的意义类似，甚至可能更为重要，影响更广泛。”李星教授认为，与互联网的发明、普及和使用相比，人工智能对人类社会的影响更为深远。

然而，人工智能的影响有正面和负面两个方面。人工智能的缺点给我们带来了挑战，但同时其优势也给我们带来了无限机遇。对于互联网领域的研究人员而言，李星教授认为面临着至少两个重大挑战。

首先是“分布式”的挑战。目前大型的人工智能计算模型如ChatGPT 都是集中式的，而互联网的本质是分布式的，也就是说人工智能与互联网的设计原理正好相反。作为互联网研究人员，李星教授认为，ChatGPT 和人工智能要能够进行大规模分布式部署，而非集中化。当然，分布式也存在它本身的问题，例如在分布式后人工智能的计算效率是否能够维持甚至提高？整个体系是否能够良好地运转？等的问题需要进一步去探索。

第二个挑战是“可信任性”。ChatGPT有时会“一本正经地胡说八道”。根据其随机性原理，目前可以认为不是故意地胡说八道。然而，未来可能会出现成千上万种类似ChatGPT 的服务，不排除存在故意提供错误信息的情况。因此，可信任性是非常重要的。我们是否可以通过互联网的基础设施提供某种程度的可信任性？

李星教授提到，当最初在推广IPv6时，大家一直在寻找IPv6 的“杀手级应用”。最初认为，在线视频和物联网可能是IPv6的杀手级应用，但后来发现IPv4 也可以满足这些需求。

“所以IPv6 的杀手级应用到底是什么？我们在做IPv4/IPv6 无状态翻译过渡技术IVI 时，提出与IPv4 互联互通才是IPv6的杀手级应用。现在我觉得，还应该加上机器人联网（甚至是神经元联网），也就是人工智能与机器人之间的相连，这应该也是IPv6 的杀手级应用。”李星教授说。

“这是最好的时代，这是最坏的时代。”这句话用来描述人工智能的时代，恰如其分。李星教授认为，在人工智能等新事物出现后，我们原有的知识和技能可以与新事物相互匹配、相互融合、互相整合。即使两者之间存在矛盾，也无关紧要，因为在摩擦碰撞中可能会产生更具创新性和有趣的东西。这是技术爆发时代赋予人类的馈赠，也是我们应当抓住的机会。