2025年，堪称中国大语言模型的元年，这一年DeepSeek横空出世，很快在全球掀起风暴，甚至抢走了OpenAI的风头。

但是AI大范围应用后，有关AI技术的各种担忧也接踵而至：AI是否会抢走人们工作？大语言模型为什么存在偏见？为什么会编造事实？各国如何监管AI技术？未来是否会出现有意识的超级AI威胁人类？等等，这些都成为热烈讨论的话题。

观察者网【思想者茶座】远程连线美国四院院士特伦斯·谢诺夫斯基，与他讨论了上述问题。特伦斯是全球计算机神经科学领域的奠基人之一，也是人工智能研究的先驱。他在神经网络、机器学习等领域取得了诸多开创性成就，包括与图灵奖获得者杰弗里·辛顿共同发明了玻尔兹曼机——这是最早能够学习多层网络中复杂模式的算法之一，他二人被誉为“AI的莱特兄弟”。

面对一个文科背景的访问者，特伦斯用通俗的语言讲述了，为什么AI技术在经历了60年的研究后最近几年才突飞猛进，变得如此强大并广泛应用。他用科学家的激情和热忱，逐一打消了我们对于AI大语言模型“编造事实”、带有偏见、抢人类工作、甚至未来可能威胁人类的各种担忧。他还讲述了自己在1980年代和其他科学家一起挑战语言学权威和数学权威，将语言之间的联系用方程写出来，从而奠定了大语言模型基础的故事，并以此来鼓励年轻人，科学探索要不畏惧权威，“当专家告诉你某件事不可能时，不要听他们的。”

此外，针对各国纷纷出台的AI监管法案，他一再强调AI大语言模型还处在初级阶段，监管过早过细会影响科学发展。新技术只有被大规模使用，科学家们才能通过试错，发现解决问题的办法。以下是我们的对话实录。

观察者网【思想者茶座】连线特伦斯·谢诺夫斯基

【对话/观察者网 高艳平】

OpenAI一夜成名背后，经历了60年的积累

观察者网：今年以来，随着DeepSeek等应用的普及，我们开始更频繁的使用AI工具。因此有关AI和大语言模型的问题的讨论很受大家关注，恰好您的新书《大语言模型：新一轮智能革命的核心驱动力》也讨论了这些问题。我的第一个问题是，您提到科学家们研究大语言模型（LLM）经历了三代人60年的努力，是什么根本性的转变使得这项技术突然变得如此强大和实用的？

特伦斯·谢诺夫斯基：首先，我认为需要回溯到20世纪80年代。那是神经网络被引入、机器学习领域发生革命的时期。传统的AI在上个世纪是基于逻辑的，也就是说，真或假，黑或白，当然，这也是数字计算机的工作方式。所以编写基于逻辑的程序在当时看来非常合理。但事实证明，这非常困难，比任何人想象的都要困难得多。

传统AI确实没有取得太大进展，直到1980年代，杰弗里·辛顿、我以及其他几位来自不同背景的人（例如杰弗里的背景是心理学和计算机科学，我的背景是神经科学和物理学）认为，一定有另一种方法。我们说，能够解决AI领域任何问题的唯一参考就是大自然。那么，让我们“打开引擎盖”看看大自然是如何做到的，于是我们开始研究大脑的架构。我所说的“架构”是指不同的组件是如何组合在一起的。

在芯片上，晶体管彼此靠近，但它们之间没有太多连接，它们是独立工作的。在大脑中，情况恰恰相反，它们之间是海量连接的。顺便说一下，关于数字芯片的关键一点是你必须明白，计算机程序中的指令是逐条按顺序执行和处理的。整个芯片需要一个时钟信号，滴答，滴答。然而，大脑没有时钟。相反，它有数十亿个被称为神经元的小处理单元，这些神经元彼此通信，一个单一的神经元可以与一万个其他神经元对话，有大规模并行的、海量的交互。这就是大脑的架构。

那么，如何为神经网络“编程”呢？如果你观察大脑，它并不是被编程过的，而是通过经验学习。婴儿来到世界，他们必须学习语言；然后去学校学习知识，再走向世界，学习各种知识。所以，我们当时所做的是开发所谓的学习算法。算法就像一份食谱，它告诉你如何将食材组合在一起，需要烘烤多久，你按照食谱的说明进行烹饪。而学习算法则给出了你需要遵循的指令，让这个大规模并行的架构能够接收感官输入和经验，并将其转化为知识。

这就是我们在1980年代所做的事情。我们找到了让神经网络做到这一点的方法。但当时的问题是，以今天的标准看，计算机非常原始。即使IBM最昂贵的计算机，其计算能力也低于现在的智能手表。按当时的标准，我们现在的智能手表实际上是一台非常强大的计算机。内存非常小，以兆字节计。

我们当时在这些原始的计算机上进行模拟，但显然我们受到很大限制。尽管我们有了学习算法，但我们当时不知道它的扩展性（scaling）会有多好。扩展性意味着，随着网络变得越来越大，它能解决更多困难的问题。我们当时用小问题演示了它应该能行，但我们直到现在才知道结果。这已经是40年后的事儿了。

被誉为"AI莱特兄弟"的特伦斯·谢诺夫斯基（左）和杰弗里·辛顿（右）

经过40年的研究，特别是我的合作者兼朋友杰弗里·辛顿，他确实为此问题努力了40年，试图扩大规模并解决越来越难的问题。

转折点大约出现在10年前，当时他和他的学生们能够解决一个在当时来说非常困难的视觉图像识别问题。换句话说，AI能够看着一张图片说，“嘿，那是座山”或“嘿，那是头大象”。这对我们来说似乎很容易，但事实证明并非如此，这在计算机视觉中是个非常困难的问题。后来，杰弗里在一个我协助组织的名为“神经信息处理系统大会”（NeurIPS）的会议上做了报告，这个会议如今是全球最大的AI会议。

这成了一个巨大的技术突破。大约三年前，OpenAI发布了ChatGPT。如你所知，它一夜间取得了巨大成功，这看似是一夜间的成功，但背后是40年的研究积累。所以现在我们知道了问题的答案：神经网络的扩展性好得惊人，难以置信。现在正在发生的是一场革命，AI正在对世界产生巨大影响。

大语言模型是“云端的大脑”，没有情感、没有长期记忆

观察者网：而且这项技术正在逐步改进，这很神奇。上个月Sora 2也发布了，标志着AI视频生成技术又前进了一步，令人惊叹。您在书中提到，大语言模型受人类大脑启发，但只模拟了大脑皮层称为编码功能的一小部分，就已经达到如此高的水平。这是否意味着大语言模型能够无限改进，甚至达到您在书中提到的可能对人类构成威胁的超级AI（Super AI）的程度？

特伦斯·谢诺夫斯基：好的，让我们退一步说。首先，这些大语言模型在整合知识的量上已经远超大脑。换句话说，人类非常擅长特定领域的学习，例如如果你是医生，你会非常擅长诊断疾病，但你不擅长法律，而律师擅长法律。也就是说，人类是专家型的。但ChatGPT的惊人之处在于它能回答任何问题，所以在这方面它已经超乎常人了。

但这并不意味着它要接管一切或其他什么。我认为，它只是一个更好的工具，是推动进步、提供帮助的更好方式。它确实是一种帮助人类提高生产力的方式，这正是它如今如此受欢迎的原因。因为它对你有帮助，我们都有同感。实际上，它仍然是一个需要学会如何使用的工具。你需要学习如何提问，学习如何与AI进行对话，那些能够最有效使用AI工具的人正是取得最大进步的人。